作者水平有限,歡迎大家提出文中錯誤
向量空間
此處直接引用經典的八條定義:
設V是一個非空集合,其元素x,y,z被稱爲向量;K是一個數域,有元素k,l,m,V被稱爲一個向量空間或線性空間,當:
- 在V中定義加法運算,當x,y∈V,有唯一的和x+y∈V,且加法滿足
a) 結合律 x+(y+z)=(z+y)+z
b) 交換律 x+y=y+x
c) 存在零元0,使x+0=x
d) 每個元素都存在負元素,即∀x∈V,∃y∈V,x+y=0,稱y爲x的負元素,記作−x
- 在V中定義數乘運算,當x∈V,k∈K,有唯一的乘積kv∈V,且數乘運算滿足:
e) 數因子分配律 k(x+y)=kx+ky
f) 分配律 (k+l)x=kx+lx
g) 結合律 k(lx)=(kl)x
h) 1x=x
線性子空間
設S是數域K上的線性空間V的一個非空子集,稱S爲V的一個線性空間,當
- 如果x,y∈S,則x+y∈S(對加法封閉)
- 如果x∈S,k∈K,則kx∈S(對數乘封閉)
若S和W是線性空間V的線性子空間,S∩W也是V的線性子空間,但是S∪W則不一定是V的線性子空間
四個基本子空間
C(A):column space of A
列向量張成的空間,pivot columns構成了C(A)的一組基
dim C(A)=rank(A)=#pivots of A
N(A):null space of A
Ax=0的解空間是ℜn的一個線性子空間
證明
若有v,w∈ℜn,滿足Av=0,Aw=0,必有c,d∈ℜ,A(cv+dw)=0,證畢
如何求解N(A),將在其他部分給出。
N(A)的一組基是矩陣方程Ax=0的一組最大線性無關特解
dim N(A)=n−rank(A)=#free variables of A
C(AT):row space of A
行向量張成的空間,RREF的前r行構成了C(AT)的一組基,後面解釋含義
dim C(AT)=dim C(A)=rank A
N(AT):left null space of A
dim N(A)=m−rank(A)
要想求左零空間的基,先考慮行空間
以矩陣A爲例
A=⎣⎡111212323111⎦⎤
化爲RREF
R=⎣⎡11111⎦⎤
顯然C(R)=C(A)
但是,行變換對行空間不會有影響,因爲變換後的行也是原始行向量的線性組合,而行空間的一組基正是R的前2行(rank A=2),而A的前rank A行卻不一定是行空間的一組基
接下來回到左零空間,左零空間是ATy=0的解空間,也是yTA=0的解空間,可見左零空間中的一個元素y,是在矩陣A的左邊,故曰左零空間,構造左零空間矩陣Y,則YA=O
在上面的A→R的過程中,用到了消元矩陣E,消元矩陣求解算法如下
構造矩陣[Am∗n∣Im∗m],執行A→R同樣的行變換,化爲[Rm∗n∣Em∗m]
得到
EA=R
⎣⎡−11−12−11⎦⎤⎣⎡111212323111⎦⎤=⎣⎡11111⎦⎤
R存在零行,對R進行分塊
R=[CO]
對E做同樣的分塊
E=[BY]
可以得到
BA=C
YA=O
這裏的Y就是要求的左零空間矩陣 ,其行向量構成了左零空間的一組基
四個基本子空間的關係
根據零空間的定義Ax=0,可知
row vector i ⋅ x=0,i=1,2,...,n
所以N(A)⊥C(AT),同理可得N(AT)⊥C(A)
又因爲dim N(A)=m−r,dim N(AT)=n−r,dim C(AT)=dim C(A)=r
零空間和行空間互爲正交補,左零空間和列空間互爲正交補。
矩陣空間
所有m∗n的矩陣,可以構成一個線性空間
以3*3矩陣空間M爲例
維度 dim M=9
子空間
- U={n∗n upper triangular matrices} dim U=6
- S={n∗n symmetric matrices} dim U=6
- D={n∗n diagonal matrices} dim D=3
D=S∩U
但是S∪U不是子空間,如果想構成子空間,需要補充一些元素形成線性空間
S+U=any elements of S+any elements of U=all 3∗3 metrices
M=S+U
可見dim (S+U)+dim D=dim S+dim U
維數公式
實際上對於線性空間V的兩個子空間V1,V2,其維度有關係
dim V1+dim V2=dim V1∩V2+dim V1+V2
這個道理有點像有集合的基數公式,有集合S1,S2
card(S1)+card(S2)=card(S2∪S1)+card(S2∩S1)
![在這裏插入圖片描述]()
嚴格的證明需要擴基定理