MIT-18.06-线性代数(第十讲)

第十讲 —— 四个基本子空间

本讲将讲解矩阵的四个基本子空间(subspace)研究四个子空间及其关系是线性代数的核心内容

四个基本子空间

是矩阵,有

  • 列空间 Column space ,是的子空间
  • 零空间 Null space ,是的子空间
  • 行空间 Row space ,是的子空间
  • 左零空间 Left null space ,是的子空间

基和维度

  • 列空间,它的一组基就是主列,维数是秩。

  • 零空间,它的一组基就是其特解,维数是。

  • 行空间,行空间与列空间有相同的维数,也是。
    举例矩阵 ——> ——> ——> ,化简后,,列空间发生变化,而行变换不会对行空间产生影响。行空间的一组基,无论对还是对来说,都是行最简形式的前行。进一步思考,为什么的各行都是这个基的线性组合,通过各行消元的逆操作,可以从倒推回,因此各行是各行的线性组合,反之亦然。它们的行空间相同,它们的基也相同。行空间在行最简形式中以最佳形式表现出来。

  • 左零空间,维数是。
    如果有,那么向量就在的零空间中。进行转置,有,即以对进行左乘,这也是把其称作左零空间的原因。采用高斯-若尔当(Gauss-Jordan)方法, ——> ,设消元矩阵为,则有。而对于矩阵这个例子,基于上面的变换,可得,即\begin{bmatrix} -1 & 2 & 0 \\ 1 & -1 & 0 \\ -1 & 0 & 1 \\ \end{bmatrix} \begin{bmatrix} 1 & 2 & 3 & 1 \\ 1 & 1 & 2 & 1 \\ 1 & 2 & 3 & 1 \\ \end{bmatrix}=\begin{bmatrix} 1 & 0 & 1 & 1 \\ 0 & 1 & 1 & 0 \\ 0 & 0 & 0 & 0 \\ \end{bmatrix}。通过,可求左零空间的维数和基。根据左零空间的维数,即,得到左零空间是一维的。存在一个线性组合使这三行的结果为零行,这个线性组合可以确定左零空间的基。左零空间的基只有一个向量,它就在的最后一行,即。

新向量空间

新向量空间 (new vector space) ,叫作所有的矩阵,把矩阵看作向量,每个矩阵都是一个“向量”。的子空间包括:所有的上三角矩阵,所有的对称矩阵,所有的对角矩阵。
对角矩阵子空间是前两者的交集,其维数为3,一组基为\begin{bmatrix} 1 & 0 & 0 \\ 0 & 0 & 0 \\ 0 & 0 & 0 \\ \end{bmatrix},\begin{bmatrix} 1 & 0 & 0 \\ 0 & 3 & 0 \\ 0 & 0 & 0 \\ \end{bmatrix},\begin{bmatrix} 0 & 0 & 0 \\ 0 & 0 & 0 \\ 0 & 0 & 7 \\ \end{bmatrix}

你可能感兴趣的:(MIT-18.06-线性代数(第十讲))