2.8 Rn的子空间（第2章矩阵代数）

主要内容

本节引入了${\mathbb{R}}^n$中子空间的概念，子空间并不是${\mathbb{R}}^n$的任意一组向量的切割，而是需要满足向量加法和乘法的封闭性（${\mathbb{R}}^n$中通过原点的线、平面），接着引入了两个典型的子空间：矩阵的列空间和矩阵的零空间。最后，引入了基的概念，并以列空间和零空间为例，讲述了如何求解列空间和零空间的基。

${\mathbb{R}}^n$子空间的定义

定义：

${\mathbb{R}}^n$中的一个子空间是${\mathbb{R}}^n$中的集合$H$，具有以下三个性质：
a. 零向量属于$H$
b. 对$H$中任意的向量$\mathbf{u}$和$\mathbf{v}$，向量$\mathbf{u}+\mathbf{v}$属于$H$
c. 对$H$中任意向量$\mathbf{u}$和数$c$，向量$c\mathbf{u}$属于$H$

思考：子空间首先是${\mathbb{R}}^n$的一个子集，其次，其中的向量要满足向量加法和标量乘法性质，也就是说，子空间对加法和标量乘法运算是封闭的。这种限制条件其实定义了一个很简化的向量集合（排除掉了类似曲面、不通过原点的平面等等）。

例：

若${\mathbf{v}}_1$和${\mathbf{v}}_2$是${\mathbb{R}}^n$中的向量， H = S p a n { v 1 , v 2 } H=Span\{\boldsymbol v_1, \boldsymbol v_2\} H=Span{ v1​,v2​}，则$H$是${\mathbb{R}}^n$的子空间。

证明：

取$H$中任意两个向量$\mathbf{u}$和$\mathbf{v}$，那么由于 H = S p a n { v 1 , v 2 } H = Span\{\boldsymbol v_1, \boldsymbol v_2\} H=Span{ v1​,v2​}，所以有：
$$\mathbf{u}=s_1{\mathbf{v}}_1+s_2{\mathbf{v}}_2$$
$$\mathbf{v}=t_1{\mathbf{v}}_1+t_2{\mathbf{v}}_2$$
因此：
$$\mathbf{u}+\mathbf{v}=(s_1+t_1){\mathbf{v}}_1+(s_2+t_2){\mathbf{v}}_2$$
因此，$\mathbf{u}+\mathbf{v}$是${\mathbf{v}}_1$和${\mathbf{v}}_2$的线性组合，因此其属于$H$。同理可证明$c\mathbf{u}$也属于$H$，从而得证。

其实，当$n>3$时，通过原点的一个平面，通过原点的一条直线，都是${\mathbb{R}}^n$的子空间。而不通过原点的一条直线不是子空间，因为它不包括原点，而且对向量加法或标量乘法是不封闭的。

注意：${\mathbb{R}}^n$是它本身的子空间（思考：${\mathbb{R}}^n$中充满了所有维度为$n$的向量，他们之间任意的组合都不会跳出这个空间，因此${\mathbb{R}}^n$本身必然满足子空间的限制条件，而对于${\mathbb{R}}^n$中的任意某一个部分，就不一定满足子空间的条件了，这时要对该空间做考察才行）。

矩阵的列空间与零空间

定义：

矩阵$A$的列空间是$A$的各列的线性组合的集合，记作$ColA$

若$m\times n$矩阵A = $\left[\begin{array}{ccc}{\mathbf{a}}_1& {\mathbf{a}}_2& {\mathbf{a}}_3\end{array}\right]$，它们各列属于 R m