# 零空间

命题
AAmmnn 列矩阵,则以 AA 为系数的齐次线性方程组的解全体

N(A)={xFnAx=0}N(A) = \{\boldsymbol{x} \in \mathbb{F}^n \mid A\boldsymbol{x} = \boldsymbol{0}\}

成为 Fn\mathbb F^n 的一个子空间,称为 AA零空间 (Null Space)「零空間」,或者解空间

证明

0\boldsymbol 0 作为自明解,显然属于 N(A)N(A)
对于任意 x1,x2N(A)\boldsymbol x_1, \boldsymbol x_2 \in N(A),以及任意 k1,k2Fk_1, k_2 \in \mathbb F,有

A(k1x1+k2x2)=k1Ax1+k2Ax2=k10+k20=0A(k_1 \boldsymbol x_1 + k_2 \boldsymbol x_2) = k_1 A \boldsymbol x_1 + k_2 A \boldsymbol x_2 = k_1 \boldsymbol 0 + k_2 \boldsymbol 0 = \boldsymbol 0

因此 k1x1+k2x2N(A)k_1 \boldsymbol x_1 + k_2 \boldsymbol x_2 \in N(A),满足子空间的封闭性
\square

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=0A\boldsymbol x = \boldsymbol 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
AAmmnn 列矩阵,则

  • dimN(A)=nrank(A)\dim N(A) = n - \mathrm{rank}(A)
证明

设矩阵 AA 的简化阶梯形为

RA=(BO)R_A = \begin{pmatrix} B \\ O \end{pmatrix}

其中 BB 为含有 rank(A)\mathrm{rank}(A) 个非零行的矩阵,OO 为零矩阵,可能为零阶
则齐次线性方程组 Ax=0A\boldsymbol x = \boldsymbol 0 等价于 RAx=0R_A \boldsymbol x = \boldsymbol 0,即

(BO)x=0\begin{pmatrix} B \\ O \end{pmatrix} \boldsymbol x = \boldsymbol 0

由于 BB 含有 rank(A)\mathrm{rank}(A) 个非零行,因此 Bx=0B \boldsymbol x = \boldsymbol 0 含有 rank(A)\mathrm{rank}(A) 个主元列,因此解 x\boldsymbol x 中有 nrank(A)n - \mathrm{rank}(A) 个自由变量
因此,零空间 N(A)N(A) 的维数为 nrank(A)n - \mathrm{rank}(A)
\square

# 行空间与列空间

命题
AAmmnn 列矩阵,对 AA 进行行分割与列分割

A=(a1a2am),A=(b1b2bn)A = \begin{pmatrix} \boldsymbol{a_1} \\ \boldsymbol{a_2} \\ \vdots \\ \boldsymbol{a_m} \end{pmatrix},\quad A = \begin{pmatrix} \boldsymbol{b_1} & \boldsymbol{b_2} & \cdots & \boldsymbol{b_n} \end{pmatrix}

  • 由行向量组 a1,a2,,am\boldsymbol a_1, \boldsymbol a_2, \dots, \boldsymbol a_m 张成的子空间

R(A)=a1,a2,,amR(A) = \langle \boldsymbol a_1, \boldsymbol a_2, \dots, \boldsymbol a_m \rangle

成为 Fn\mathbb F^n 的一个子空间,称为 AA行空间 (Row Space)「行空間」

  • 由列向量组 b1,b2,,bn\boldsymbol b_1, \boldsymbol b_2, \dots, \boldsymbol b_n 张成的子空间

C(A)=b1,b2,,bnC(A) = \langle \boldsymbol b_1, \boldsymbol b_2, \dots, \boldsymbol b_n \rangle

成为 Fm\mathbb F^m 的一个子空间,称为 AA列空间 (Column Space)「列空間」

证明

由于 R(A),C(A)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
\square

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)\mathrm{rank}(A) 之外,另一个不变量

命题
AA 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 PP 表示三种基本变换中的一种,记变换后的矩阵为 AA',则

A=PAA' = PA

AA' 进行行分割,有

A=(a1a2am)A' = \begin{pmatrix} \boldsymbol{a_1'} \\ \boldsymbol{a_2'} \\ \vdots \\ \boldsymbol{a_m'} \end{pmatrix}

PP 的成分为 pijp_{ij},则可以用矩阵乘法写出

ai=j=1mpijaj\boldsymbol a_i' = \sum_{j=1}^m p_{ij} \boldsymbol a_j

这意味着 aiR(A)\boldsymbol a_i' \in R(A),因此 R(A)R(A)R(A') \subseteq R(A)
由于基本变换是可逆的,记其逆矩阵为 P1P^{-1},则同理可得 R(A)R(A)R(A) \subseteq R(A'),因此 R(A)=R(A)R(A) = R(A')
对于列空间的证明同理
\square

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 RAR_A 后再生成
此时对于 RAR_A 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
AAmmnn 列矩阵,则

  • dimR(A)=dimC(A)=rank(A)\dim R(A) = \dim C(A) = \mathrm{rank}(A)
证明

根据上述文字描述显然
\square

  • 从这里出发,注意到对于转置 t ⁣A{}^t\!A 来说,行化简与列化简实际上是对称的,所以也有 rank(A)=rank(t ⁣A)\mathrm{rank}(A) = \mathrm{rank}({}^t\!A)

# 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
VV 为线性空间,W1,W2VW_1, W_2 \subseteq V 为其子空间,则

  • W1W2W_1 \cap W_2 也是 VV 的子空间
  • W1+W2:={w1+w2w1W1,w2W2}W_1 + W_2 := \{ \boldsymbol w_1 + \boldsymbol w_2 \mid \boldsymbol w_1 \in W_1, \boldsymbol w_2 \in W_2 \} 也是 VV 的子空间,称为 W1W_1W2W_2和 (Sum)「和」
证明

(1)
由于 0W1\boldsymbol 0 \in W_10W2\boldsymbol 0 \in W_2,所以 0W1W2\boldsymbol 0 \in W_1 \cap W_2
任取 a,bW1W2\boldsymbol a, \boldsymbol b \in W_1 \cap W_2,则 a,bW1\boldsymbol a, \boldsymbol b \in W_1a,bW2\boldsymbol a, \boldsymbol b \in W_2,所以

a+bW1,a+bW2\boldsymbol a + \boldsymbol b \in W_1,\quad \boldsymbol a + \boldsymbol b \in W_2

因此 a+bW1W2\boldsymbol a + \boldsymbol b \in W_1 \cap W_2 成立
对于任意 kFk \in \mathbb F,有

kaW1,kaW2k\boldsymbol a \in W_1,\quad k\boldsymbol a \in W_2

因此 kaW1W2k\boldsymbol a \in W_1 \cap W_2 成立
所以 W1W2W_1 \cap W_2VV 的子空间

(2)
由于 0W1\boldsymbol 0 \in W_10W2\boldsymbol 0 \in W_2,所以 0+0=0W1+W2\boldsymbol 0 + \boldsymbol 0 = \boldsymbol 0 \in W_1 + W_2
任取 a,bW1+W2\boldsymbol a, \boldsymbol b \in W_1 + W_2,则存在 a1,b1W1\boldsymbol a_1, \boldsymbol b_1 \in W_1 以及 a2,b2W2\boldsymbol a_2, \boldsymbol b_2 \in W_2,使得

a=a1+a2,b=b1+b2\boldsymbol a = \boldsymbol a_1 + \boldsymbol a_2,\quad \boldsymbol b = \boldsymbol b_1 + \boldsymbol b_2

a+b=(a1+b1)+(a2+b2)\boldsymbol a + \boldsymbol b = (\boldsymbol a_1 + \boldsymbol b_1) + (\boldsymbol a_2 + \boldsymbol b_2)

由于 W1,W2W_1, W_2 均为子空间,所以 a1+b1W1\boldsymbol a_1 + \boldsymbol b_1 \in W_1a2+b2W2\boldsymbol a_2 + \boldsymbol b_2 \in W_2,因此 a+bW1+W2\boldsymbol a + \boldsymbol b \in W_1 + W_2 成立
对于任意 kFk \in \mathbb F,有

ka=ka1+ka2k\boldsymbol a = k\boldsymbol a_1 + k\boldsymbol a_2

由于 W1,W2W_1, W_2 均为子空间,所以 ka1W1k\boldsymbol a_1 \in W_1ka2W2k\boldsymbol a_2 \in W_2,因此 kaW1+W2k\boldsymbol a \in W_1 + W_2 成立
所以 W1+W2W_1 + W_2VV 的子空间
\square

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
VV 为线性空间,W1,W2VW_1, W_2 \subseteq V 为其子空间,则

  • dim(W1+W2)=dimW1+dimW2dim(W1W2)\dim(W_1 + W_2) = \dim W_1 + \dim W_2 - \dim (W_1 \cap W_2)
证明

{a1,,ar}\{\boldsymbol a_1, \dots, \boldsymbol a_r\}W1W2W_1 \cap W_2 的基。
将其扩展为 W1W_1 的基 {a1,,ar,b1,,bs}\{\boldsymbol a_1, \dots, \boldsymbol a_r, \boldsymbol b_1, \dots, \boldsymbol b_s\}
将其扩展为 W2W_2 的基 {a1,,ar,c1,,ct}\{\boldsymbol a_1, \dots, \boldsymbol a_r, \boldsymbol c_1, \dots, \boldsymbol c_t\}
我们欲证 {ai}{bj}{cl}\{\boldsymbol a_i\} \cup \{\boldsymbol b_j\} \cup \{\boldsymbol c_l\}W1+W2W_1 + W_2 的基。

任意 wW1+W2\boldsymbol w \in W_1 + W_2 可写为 w1+w2\boldsymbol w_1 + \boldsymbol w_2w1\boldsymbol w_1 可由 {a,b}\{\boldsymbol a, \boldsymbol b\} 表示,w2\boldsymbol w_2 可由 {a,c}\{\boldsymbol a, \boldsymbol c\} 表示。故 w\boldsymbol w 可由全体向量生成。

kiai+mjbj+nlcl=0\sum k_i \boldsymbol a_i + \sum m_j \boldsymbol b_j + \sum n_l \boldsymbol c_l = \mathbf{0}
移项得:

nlcl=(kiai+mjbj)\sum n_l \boldsymbol c_l = - (\sum k_i \boldsymbol a_i + \sum m_j \boldsymbol b_j)

等式右边属于 W1W_1。等式左边显然属于 W2W_2
因此,向量 v=nlcl\boldsymbol v = \sum n_l \boldsymbol c_l 属于 W1W2W_1 \cap W_2
既然 vW1W2\boldsymbol v \in W_1 \cap W_2,它必可由交集的基 {ai}\{\boldsymbol a_i\} 线性表示:

nlcl=xiai\sum n_l \boldsymbol c_l = \sum x_i \boldsymbol a_i

移项得 nlclxiai=0\sum n_l \boldsymbol c_l - \sum x_i \boldsymbol a_i = \mathbf{0}
由于 {ai,cl}\{\boldsymbol a_i, \boldsymbol c_l\}W2W_2 的基(线性无关),故系数全为 00。特别是 nl=0n_l = 0
回到原方程,变为 kiai+mjbj=0\sum k_i \boldsymbol a_i + \sum m_j \boldsymbol b_j = \mathbf{0}
由于 {ai,bj}\{\boldsymbol a_i, \boldsymbol b_j\}W1W_1 的基(线性无关),故 ki=0,mj=0k_i = 0, m_j = 0
综上,所有系数均为 00,线性无关得证。

因此,dim(W1+W2)=r+s+t=(r+s)+(r+t)r=dimW1+dimW2dim(W1W2)\dim(W_1 + W_2) = r + s + t = (r+s) + (r+t) - r = \dim W_1 + \dim W_2 - \dim(W_1 \cap W_2)
\square


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\boldsymbol 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

W1W2={0}W_1 \cap W_2 = \{\boldsymbol 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
VV 为线性空间,W1,W2VW_1, W_2 \subseteq V 为其子空间,满足 V=W1+W2V = W_1 + W_2
VVW1W_1W2W_2直和 (Direct Sum)「直和」,当且仅当

W1W2={0}W_1 \cap W_2 = \{\boldsymbol 0\}

记作

V=W1W2V = W_1 \oplus W_2

命题
VV 为线性空间,W1,W2VW_1, W_2 \subseteq V 为其子空间,以下等价

  1. V=W1W2V = W_1 \oplus W_2
  2. 对任意 vV\boldsymbol v \in V,存在唯一的 w1W1\boldsymbol w_1 \in W_1 以及 w2W2\boldsymbol w_2 \in W_2,使得

    v=w1+w2\boldsymbol v = \boldsymbol w_1 + \boldsymbol w_2

  3. dimV=dimW1+dimW2\dim V = \dim W_1 + \dim W_2
证明

A={a1,a2,,ar}\mathscr A = \{\boldsymbol a_1, \boldsymbol a_2, \dots, \boldsymbol a_r\}W1W_1 的一组基,B={b1,b2,,bs}\mathscr B = \{\boldsymbol b_1, \boldsymbol b_2, \dots, \boldsymbol b_s\}W2W_2 的一组基,记 r=dimW1r = \dim W_1s=dimW2s = \dim W_2
AB\mathscr A \cup \mathscr BVV 的一组基

(1) \Rightarrow (2)
对于任意 vV\boldsymbol v \in V,存在唯一的 ki,mjFk_i, m_j \in \mathbb F,使得

v=i=1rkiai+j=1smjbj\boldsymbol v = \sum_{i=1}^r k_i \boldsymbol a_i + \sum_{j=1}^s m_j \boldsymbol b_j

w1=i=1rkiai,w2=j=1smjbj\boldsymbol w_1 = \sum_{i=1}^r k_i \boldsymbol a_i,\quad \boldsymbol w_2 = \sum_{j=1}^s m_j \boldsymbol b_j

w1W1\boldsymbol w_1 \in W_1w2W2\boldsymbol w_2 \in W_2,且 v=w1+w2\boldsymbol v = \boldsymbol w_1 + \boldsymbol w_2

(2) \Rightarrow (3)
{ai}\{\boldsymbol a_i\}W1W_1 的基,{bj}\{\boldsymbol b_j\}W2W_2 的基。
我们证明 {ai}{bj}\{\boldsymbol a_i\} \cup \{\boldsymbol b_j\}VV 的基。

由 (2) 可知任取 vV\boldsymbol v \in V,存在 w1,w2\boldsymbol w_1, \boldsymbol w_2 使 v=w1+w2\boldsymbol v = \boldsymbol w_1 + \boldsymbol w_2。而 w1,w2\boldsymbol w_1, \boldsymbol w_2 可分别由基生成,故生成性成立。

kiai+mjbj=0\sum k_i \boldsymbol a_i + \sum m_j \boldsymbol b_j = \mathbf{0}
x=kiaiW1\boldsymbol x = \sum k_i \boldsymbol a_i \in W_1y=mjbjW2\boldsymbol y = \sum m_j \boldsymbol b_j \in W_2
x+y=0+0=0\boldsymbol x + \boldsymbol y = \mathbf{0} + \mathbf{0} = \mathbf{0}
由 (2) 中分解的唯一性(0\boldsymbol 0 的分解必须是 0+0\boldsymbol 0 + \boldsymbol 0),可得 x=0\boldsymbol x = \mathbf{0}y=0\boldsymbol y = \mathbf{0}
kiai=0\sum k_i \boldsymbol a_i = \mathbf{0}mjbj=0\sum m_j \boldsymbol b_j = \mathbf{0}
由各自基的线性无关性,得所有系数为 00
{ai}{bj}\{\boldsymbol a_i\} \cup \{\boldsymbol b_j\}VV 的基。
dimV=dimW1+dimW2\dim V = \dim W_1 + \dim W_2

(3) \Rightarrow (1)
由于 dimV=dimW1+dimW2\dim V = \dim W_1 + \dim W_2,所以

dim(W1+W2)=dimW1+dimW2dim(W1W2)\dim(W_1 + W_2) = \dim W_1 + \dim W_2 - \dim (W_1 \cap W_2)

因此,dim(W1W2)=0\dim (W_1 \cap W_2) = 0,即 W1W2={0}W_1 \cap W_2 = \{\boldsymbol 0\}
\square