# 零空间
命题
令 A 为 m 行 n 列矩阵,则以 A 为系数的齐次线性方程组的解全体
N(A)={x∈Fn∣Ax=0}
成为 Fn 的一个子空间,称为 A 的 零空间 (Null Space)「零空間」,或者解空间
证明
0 作为自明解,显然属于 N(A)
对于任意 x1,x2∈N(A),以及任意 k1,k2∈F,有
A(k1x1+k2x2)=k1Ax1+k2Ax2=k10+k20=0
因此 k1x1+k2x2∈N(A),满足子空间的封闭性
□
可以说,零空间是最重要的子空间之一,这一点将在后续线性映射的章节中得到体现
实际上,因为维数就是空间中向量的自由度,而在求解方程 Ax=0 时,解的自由度对应了不存在主元的列数,因为主元会锁死对应的解
这使得维数与矩阵的秩存在直接联系
命题
令 A 为 m 行 n 列矩阵,则
- dimN(A)=n−rank(A)
证明
设矩阵 A 的简化阶梯形为
RA=(BO)
其中 B 为含有 rank(A) 个非零行的矩阵,O 为零矩阵,可能为零阶
则齐次线性方程组 Ax=0 等价于 RAx=0,即
(BO)x=0
由于 B 含有 rank(A) 个非零行,因此 Bx=0 含有 rank(A) 个主元列,因此解 x 中有 n−rank(A) 个自由变量
因此,零空间 N(A) 的维数为 n−rank(A)
□
# 行空间与列空间
命题
令 A 为 m 行 n 列矩阵,对 A 进行行分割与列分割
A=⎝⎜⎜⎜⎜⎛a1a2⋮am⎠⎟⎟⎟⎟⎞,A=(b1b2⋯bn)
- 由行向量组 a1,a2,…,am 张成的子空间
R(A)=⟨a1,a2,…,am⟩
成为 Fn 的一个子空间,称为 A 的 行空间 (Row Space)「行空間」
- 由列向量组 b1,b2,…,bn 张成的子空间
C(A)=⟨b1,b2,…,bn⟩
成为 Fm 的一个子空间,称为 A 的 列空间 (Column Space)「列空間」
证明
由于 R(A),C(A) 是生成得到的,前述命题中已经证明了生成得到的空间均为线性空间
□
行空间与列空间的一个重要研究价值在于,多数时候我们需要对矩阵进行行化简,或者列化简。矩阵本身的数字肯定会发生改变,但是这过程中行空间或者列空间是不变的。这是在基本变换中,除了秩 rank(A) 之外,另一个不变量
命题
A 的行空间 / 列空间在经过行 / 列基本变换后不变
证明
取基本矩阵 P 表示三种基本变换中的一种,记变换后的矩阵为 A′,则
A′=PA
对 A′ 进行行分割,有
A′=⎝⎜⎜⎜⎜⎛a1′a2′⋮am′⎠⎟⎟⎟⎟⎞
记 P 的成分为 pij,则可以用矩阵乘法写出
ai′=j=1∑mpijaj
这意味着 ai′∈R(A),因此 R(A′)⊆R(A)
由于基本变换是可逆的,记其逆矩阵为 P−1,则同理可得 R(A)⊆R(A′),因此 R(A)=R(A′)
对于列空间的证明同理
□
实际上,不难看出行空间或者列空间都可以先经由行化简或者列化简,得到简化阶梯形矩阵 RA 后再生成
此时对于 RA 来说,只有存在主元的行 / 列之间是线性独立的,这意味着其他的向量不参与生成,所以行空间与列空间的维数都等于主元的数量
命题
令 A 为 m 行 n 列矩阵,则
- dimR(A)=dimC(A)=rank(A)
证明
- 从这里出发,注意到对于转置 tA 来说,行化简与列化简实际上是对称的,所以也有 rank(A)=rank(tA)
# 交集与和
两个子空间的交集或者并集是否可以构成子空间呢?
- 对于交集来说,各自的基在相交后被限制,而不管哪一边的子空间,在这样的限制条件下都是可以允许在这个基方向的生成的
- 但是对于并集,一个新的线性无关的基被添加,这意味着整个空间必须生长至少一个维度。最直观的例子就是一个平面并上一个垂直的直线,要想成为线性空间则必须要扩张至整个三维空间,这需要新的定义
命题
令 V 为线性空间,W1,W2⊆V 为其子空间,则
- W1∩W2 也是 V 的子空间
- W1+W2:={w1+w2∣w1∈W1,w2∈W2} 也是 V 的子空间,称为 W1 与 W2 的 和 (Sum)「和」
证明
(1)
由于 0∈W1 且 0∈W2,所以 0∈W1∩W2
任取 a,b∈W1∩W2,则 a,b∈W1 且 a,b∈W2,所以
a+b∈W1,a+b∈W2
因此 a+b∈W1∩W2 成立
对于任意 k∈F,有
ka∈W1,ka∈W2
因此 ka∈W1∩W2 成立
所以 W1∩W2 为 V 的子空间
(2)
由于 0∈W1 且 0∈W2,所以 0+0=0∈W1+W2
任取 a,b∈W1+W2,则存在 a1,b1∈W1 以及 a2,b2∈W2,使得
a=a1+a2,b=b1+b2
则
a+b=(a1+b1)+(a2+b2)
由于 W1,W2 均为子空间,所以 a1+b1∈W1 且 a2+b2∈W2,因此 a+b∈W1+W2 成立
对于任意 k∈F,有
ka=ka1+ka2
由于 W1,W2 均为子空间,所以 ka1∈W1 且 ka2∈W2,因此 ka∈W1+W2 成立
所以 W1+W2 为 V 的子空间
□
也就是说,为了弥补简单的并集所无法实现的生成,和空间是简单粗暴的将两个子空间的基都纳入了考量。所以去除掉重合的部分,子空间的维数可以导出和空间的维数
命题
令 V 为线性空间,W1,W2⊆V 为其子空间,则
- dim(W1+W2)=dimW1+dimW2−dim(W1∩W2)
证明
设 {a1,…,ar} 为 W1∩W2 的基。
将其扩展为 W1 的基 {a1,…,ar,b1,…,bs}。
将其扩展为 W2 的基 {a1,…,ar,c1,…,ct}。
我们欲证 {ai}∪{bj}∪{cl} 是 W1+W2 的基。
任意 w∈W1+W2 可写为 w1+w2。w1 可由 {a,b} 表示,w2 可由 {a,c} 表示。故 w 可由全体向量生成。
设 ∑kiai+∑mjbj+∑nlcl=0。
移项得:
∑nlcl=−(∑kiai+∑mjbj)
等式右边属于 W1。等式左边显然属于 W2。
因此,向量 v=∑nlcl 属于 W1∩W2。
既然 v∈W1∩W2,它必可由交集的基 {ai} 线性表示:
∑nlcl=∑xiai
移项得 ∑nlcl−∑xiai=0。
由于 {ai,cl} 是 W2 的基(线性无关),故系数全为 0。特别是 nl=0。
回到原方程,变为 ∑kiai+∑mjbj=0。
由于 {ai,bj} 是 W1 的基(线性无关),故 ki=0,mj=0。
综上,所有系数均为 0,线性无关得证。
因此,dim(W1+W2)=r+s+t=(r+s)+(r+t)−r=dimW1+dimW2−dim(W1∩W2)。
□
自然产生的疑问是:如果两个子空间之间不重合会怎么样?
注意因为子空间的条件是 0 必须属于子空间,所以两个子空间至少在零向量上是重合的,也就是说最小最极端的情况下
W1∩W2={0}
这种情况下,如果和空间等价于原本的线性空间,那么两个子空间将会非常完美的共同作用,毫不浪费地生成整个空间
定义
令 V 为线性空间,W1,W2⊆V 为其子空间,满足 V=W1+W2
称 V 是 W1 与 W2 的 直和 (Direct Sum)「直和」,当且仅当
W1∩W2={0}
记作
V=W1⊕W2
命题
令 V 为线性空间,W1,W2⊆V 为其子空间,以下等价
- V=W1⊕W2
- 对任意 v∈V,存在唯一的 w1∈W1 以及 w2∈W2,使得
v=w1+w2
- dimV=dimW1+dimW2
证明
设 A={a1,a2,…,ar} 为 W1 的一组基,B={b1,b2,…,bs} 为 W2 的一组基,记 r=dimW1,s=dimW2
则 A∪B 为 V 的一组基
(1) ⇒ (2)
对于任意 v∈V,存在唯一的 ki,mj∈F,使得
v=i=1∑rkiai+j=1∑smjbj
记
w1=i=1∑rkiai,w2=j=1∑smjbj
则 w1∈W1,w2∈W2,且 v=w1+w2
(2) ⇒ (3)
设 {ai} 为 W1 的基,{bj} 为 W2 的基。
我们证明 {ai}∪{bj} 是 V 的基。
由 (2) 可知任取 v∈V,存在 w1,w2 使 v=w1+w2。而 w1,w2 可分别由基生成,故生成性成立。
设 ∑kiai+∑mjbj=0。
记 x=∑kiai∈W1,y=∑mjbj∈W2。
则 x+y=0+0=0。
由 (2) 中分解的唯一性(0 的分解必须是 0+0),可得 x=0 且 y=0。
即 ∑kiai=0 且 ∑mjbj=0。
由各自基的线性无关性,得所有系数为 0。
故 {ai}∪{bj} 是 V 的基。
dimV=dimW1+dimW2。
(3) ⇒ (1)
由于 dimV=dimW1+dimW2,所以
dim(W1+W2)=dimW1+dimW2−dim(W1∩W2)
因此,dim(W1∩W2)=0,即 W1∩W2={0}
□