四个基本子空间-线性代数课时10(MIT Linear Algebra , Gilbert Strang)
这是Strang教授的第十讲,讲解的内容是矩阵的4个基本子空间,包括前面介绍过的列空间、零空间还有另外两个子空间,理解这4个基本子空间对学习线性代数十分重要。
四个基本子空间
对于矩阵A,它的四个基本子空间指的是:
1. 列空间 ,在
内;
2. 零空间 ,在
内;
3. 行空间 ,在
内;
4. 左零空间,在
内;
前面的课程中已经学习过列空间和零空间
,行空间
和左零空间
一种简单的理解就是A转置的列空间和零空间。行空间是A行向量生成的向量空间,左零空间是
全部解构成的向量空间,他们和列空间和行空间定义完全一样,只是将矩阵A的行和列互换了,也就是对A做了转置。上一课讲解了向量空间和维数的基本概念,为了理解矩阵的4个基本子空间具备的良好性质,下面分别给出4矩阵A的4个基本子空间的维数和寻找它的一组基。
以下面的矩阵说明说明:
1.行空间
上面的矩阵A通过消元得到行简化阶梯矩阵矩阵R,通过R我们知道矩阵的主元个数为2,也就是rank(A)=rank(R)=2,说明A的行1和行2线性无关,行3是由行1和行2线性组合得到的,说明A的行空间是由A(R)的主元所在的行向量(A的行1向量和A的行2向量)生成的,.有一点需要说明,我们在得到R的过程中做的是行变换,所以矩阵R和局长A具有相同的行空间。上面的例子一般化之后,结论就是:
行空间的维数是矩阵的秩r,R的非零行构成行空间的一组基
2.列空间
矩阵A的秩r同样代表了A的列向量中线性无关向量的个数,所以:
列空间的维数是矩阵的秩r,A主元所在的列构成列空间的一组基
这里要说明的是,A和R的列空间不一样,但他们的维数是一样的,应为Ax=0 <=> Rx=0。
3. 零空间
零空间是Ax=0的解构成的向量子空间,在前面通过消元法求解Ax=0的解的过程中,我们知道Ax=0有n-r个特解,也就是*变量的数目,而就是由这n-r个特解生成的向量空间,所以:
零空间的维数是n-r,Ax=0的特解构成零空间的一组基
4.左零空间
左零空间是由的特解生成的向量空间,为什么叫左零空间呢,将
做转置得到,
,
是行向量位于A的左边,这就是为什么它被叫做左零空间。
上例矩阵中左零空间的的维数为1,因为和
具有相同的秩r=2,所以
的特解为1,所以左零空间的维数为1。那么如何求得左零空间的一组基呢,方法1:当然可以通过对重头开始对
消元求得
的所有特解构成一组基。方法2:在对A消元过程中我们知道EA=R,对于上例子中的A,E如下:
通过EA=R我们可以直接写出左零空间的一组基,本例中R第三行为0向量,所以左零空间的一组基是E的第三行的行向量(-1 0 1),因为利用矩阵的乘法的行方法,单独将E的第三个行向量提出来与A相乘得到R的第三个行向量,表达式:
,正好是
的一个特解。
方法2总结就是R的零行对应的消元矩阵E所在的行向量构成矩阵A左零空间的一组基。总结:
左零空间的维数是m-r,的特解构成左零空间的一组基
5. 四个基本子空间总结
通过上面的矩阵A的4个基本子空间的分析,对于mxn的矩阵A,我们可以做出如下性质美好的总结:
行空间和零空间在实数空间中,它们的维数分别是r和n-r.
列空间和左零空间在实数空间中,他们的维数分别是r和m-r.
矩阵A的子空间大图
大图包含了矩阵4个基本子空间的全部信息,大图:
从大图中可以看到,它还反应了4个基本子空间的一个实际关系,前面并没有挑明,那就是矩阵A的行空间和零空间是垂直的,垂直的意思是行空间中的向量与零空间中的向量·积为0;列空间和左零空间是垂直的。完全理解这幅图,才能真正理解线性方程组Ax=b的背后的实际意义。
本节课对应《INTRODUCTION TO LINEAR ALGEBRA》3.6章节。
下节课: 矩阵空间、秩1矩阵和小世界图-线性代数课时11(MIT Linear Algebra , Gilbert Strang)