MIT_线性代数笔记：第 10 讲 四个基本子空间

本讲讨论矩阵的四个基本子空间以及他们之间的关系。

四个子空间 Four subspaces

任意的 m x n 矩阵 A 都定义了四个子空间。

• 列空间 Column space C(A)
  矩阵 A 的列空间是 A 的列向量的线性组合在 $R^m$空间中构成的子空间。
• 零空间 Nullspace N(A)
  矩阵 A 的零空间是 Ax=0 的所有解 x 在 $R^n$空间中构成的子空间。
• 行空间 Row space C($A^T$)
  矩阵 A 的行空间是 A 的行向量的线性组合在 $R^n$空间中构成的子空间，也就是矩阵 AT的列空间。
• 左零空间 Left nullspace N($A^T$)
  我们称矩阵 AT的零空间为矩阵 A 的左零空间，它是 $R^m$空间中的子空间。
  

基和维数 Basis& Dimension

• 列空间
  矩阵 A 的 r 个主元列构成了列空间 C(A)的一组基。dim C(A)=r

• 零空间
  Ax=0 的一组特解对应于矩阵 A 的 n-r 个自由列，并构成了零空间的一组基。dim N(A)=n-r

• 行空间
  
  尽管矩阵 A 和矩阵 R 的列空间不同，但两者行空间相同。R 的行向量来自于 A的行向量的线性组合，因为消元操作是可逆的，所以 A 的向量也可以表示为 R 行向量的线性组合。 R 的前 r 行阶梯型“行向量”就是矩阵 A 行空间 C($A^T$)的一组基。dim C($A^T$)=r

• 左零空间
  矩阵 $A^T$有 m 列，而其秩为 r，因此其自由列数目为 m-r。所以 dim N($A^T$)=m-r。 左零矩阵是满足 $A^T$y=0 的所有向量 y 的集合。称之为左零矩阵是因为该式可写作 $y^T$A=0，而 y 出现在矩阵 A 左侧。
  
  以“行操作”的观点来看矩阵 E 和 A 的乘法，则矩阵 E 最下面的 m-r 个行向量使得矩阵 A 的行向量线性组合成为 0，也就是矩阵 R 最下面的 m-r 个零向量。本例中，m-r=1。
  矩阵 E 的这 m-r 个行向量满足 $y^T$A=0，它组成了矩阵 A 左零空间的一组基。

新向量空间 New vector space

所有 3X3 矩阵构成的集合是一个向量空间，符合对于线性运算封闭，称之为 M。
M 的子空间包括： 所有的上三角阵,所有的对称阵,所有的对角阵
对角阵是前两个子空间的交集，其维数为 3，具有以下一组基：
[ 1 0 0 0 0 0 0 0 0 ] [ 0 0 0 0 1 0 0 0 0 ] [ 0 0 0 0 0 0 0 0 1 ] \begin{bmatrix} 1 & 0 & 0 \\ 0 & 0 & 0 \\ 0 & 0 & 0 \end{bmatrix} \begin{bmatrix} 0 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 0 \end{bmatrix} \begin{bmatrix} 0 & 0 & 0 \\ 0 & 0 & 0 \\ 0 & 0 & 1 \end{bmatrix} ​100​000​000​ ​ ​000​010​000​ ​ ​000​000​001​ ​