MIT线性代数总结笔记——列空间与零空间

向量空间

向量空间的概念

向量空间表示一整个空间的向量,然而,这并不意味着任意向量的集合就能被称为向量空间。所谓向量空间,必须满足空间对线性运算封闭(也即是相加和数乘)这一原则。

举个例子,就是一个向量空间,它表示所有的二维实向量,如果你对它们做线性运算,会发现得到的结果仍然位于空间中,反应在图像上如图所示:

image.png

图1. 二维向量空间中的两个向量

很明显,向量空间构成了一个平面,均在的实数二维向量空间中,对它们做线性运算,得到的结果仍然在空间中。这个向量空间存在的关键在于,平面上任何向量都在向量空间中,尤其零向量。因为线性运算是“数乘”和“相加”,而任何向量乘上或者加上其相反的反向向量得到的都是零向量,所以零向量必然存在于所有向量空间中

推广到高维空间中,则空间中包含所有的维向量,每个列向量中有个分量,且分量均为实数。

  • 那么如果我们把坐标平面上的第一象限单独拿出来,这个区域仍然是向量空间吗?

不是的,因为该空间无法满足“线性组合仍在空间中”的要求,比如做数乘运算时,随便取个负数得到的向量就会位于第三象限,因此空间不能称为向量空间,也就是说,在向量空间中任取一部分,得到的结果可能不是向量空间。

  • 那么是否我们在一个向量空间中取子区域一定无法构成向量空间呢?

也不是的。例如图2,我们在二维向量空间中取一条过原点的直线,即可得到二维向量空间中的子空间,这条直线上的任意向量,进行线性运算后所得到的结果依然在这条直线上,并且过原点,包含了零向量,因此它是一个子空间。相反,如果这个直线不过原点,那么就不能称为子空间,因为它不包含零向量。

image.png

图2. 二维向量空间中的子空间

除此之外,空间中还存在其他子空间,比如零向量本身也是一个子空间。推广至三维,我们就可以得到空间中的子空间:(1)过原点的平面;(2)过原点的直线;(3)零向量。

  • 那么两个向量空间的并集,其结果可以构成子空间吗?

答案是否定的,假设我们有一条过原点的直线和一个过原点的平面(直线不在平面上),二者均可以视作向量空间,而两者的并集并不能满足线性运算封闭,因为在直线上任取一向量,在平面上认取一向量,两向量的和会位于直线与平面之间,脱离了两空间并集的范围。

  • 那么两个向量空间的交集,其结果可以构成子空间吗?

答案是肯定的,因为两个向量空间本身就必包含零向量,并且已经称为向量空间,其交集的条件将更为严苛,也必满足两个向量空间的条件,因此可以构成一个子空间。如上一个例子,直线和平面的交基是零向量,零向量依然为向量空间。

列空间与零空间

以上向量空间都是通过图像的形式来描述的,但是对于高维度,我们无法通过作图的方式来绘制其图像,因此需要借助矩阵来描述向量空间。

列空间

列空间是指由矩阵的列向量所构造出的空间。

例如,矩阵的列向量均是空间中的四维向量,所以可以说的列空间是的子空间。在这个列空间中,除了包含了三个列向量外,还包含了它们的各种线性组合,也就是说,A的列空间是由三个向量所张成的子空间。那么这个空间有多大呢?这就需要用来解释了。

Ax=b的空间解释(从A的角度)

还是以为例,假设有一个方程如下:

那么第一个问题是这个方程是否有解?

我们看到,我们可以把方程改写成如下形式:

Ax = \left[\begin{matrix}1 &1 &2 \\2&1&3\\ 3&1&4\\4&1&5\end{matrix}\right]\left[\begin{matrix}x_1 \\x_2\\ x_3 \end{matrix}\right] = x_1\left[\begin{matrix}1 \\2\\ 3 \\4\end{matrix}\right] + x_2\left[\begin{matrix}1 \\1\\ 1 \\1\end{matrix}\right] + x_3\left[\begin{matrix}2 \\3\\ 4 \\5\end{matrix}\right]

的本质就是对的列向量进行线性组合,或者可以认为,就代表着的列空间。显然,三个四维向量的线性组合是无法填满整个四维空间的,就如同两个三维向量无法张成一个三维空间一样。因此,这里的只能是空间的部分子空间,也就是说,无法保证任意拿出一个四维向量,都能找到列向量的一种线性组合,使。

第二个问题是什么样的可以使有解?

上面介绍过,的本质就是对的列向量进行线性组合​,也是的列空间,且是空间中的子空间,那么只要向量位于矩阵的列空间中,就可以找到一种由的列向量通过线性组合来构成的向量,也就使得有解。

第三个问题是能否去掉中的一列,却不影响的列空间呢?

首先来观察这三个向量,显然满足等式:,也就是说第三列向量本身就是前两列向量的和,因此第三列向量对张成空间没有做任何贡献,仅仅依靠前两列就足以构成的列空间,我们称前两列为主列,所以去掉第三列不影响的列空间的构成。最后,从矩阵的角度,的列空间可以描述为中的二维子空间

零空间

零空间是的所有解所构成的一个空间。

我们还是以为例,其零空间就是下面这个方程的解所构成的空间:

由于零空间是解所构成的空间,因此我们要从的角度来看,可以看到有三个分量,所以其零空间是的子空间。所以,对于的矩阵来说,列空间是的子空间,零空间是的子空间。列空间取决于列向量的维数,零空间取决于列向量的个数。

那么我们来验证一下为什么可以构成向量空间呢?首先它满足了加法封闭:在零空间中任取两向量,都有,显然,所以向量也属于零空间。其次它满足了数乘封闭:还是在零空间中任取一向量,,则。由于矩阵和常数的位置可以交换,所以,所以向量也在零空间中。

回到我们的示例,我们知道矩阵中的三个向量,显然满足等式:,因此我们可以直接写出的一个解:,所以其零空间即为(为任意常数),反应在图像上,就是中的一条过原点的直线。

Ax=b的空间解释(从x的角度)

如果将构造零空间的方程中等号右侧变为任意向量的话,其解还能构成向量空间吗?

显然不是。因为如果我们将代入方程,会发现零向量并不是方程的解,也就是说解集中没有零向量,也就无法构成向量空间,反映在图像上,这里所有的解构成了一个不过原点的平面。这也告诉我们,想从的角度来研究,只有当是零向量时,的解集才能构成空间(零空间),其他情况中连零向量都不在解集中,也就无法构成向量空间了。所有,要么从的列向量入手,已知列向量,根据其线性组合构成子空间,要么从方程入手,从满足条件的的解集来构造子空间。

你可能感兴趣的:(MIT线性代数总结笔记——列空间与零空间)