线性代数之——向量空间

线性代数之——向量空间

作者: seniusen | 来源:发表于2018-11-16 13:00 被阅读23次

1. 向量空间和子空间

向量空间 $\boldsymbol R^n$ 由所有的 $n$ 维向量 $v$ 组成，向量中的每个元素都是实数。

向量空间 $\boldsymbol R^2$ 可以用 $xy$ 平面来表示，其中的每个向量有两个元素，它们定义了平面上一个点的坐标。

在一个向量空间中，如果我们将任意向量相加或者乘以一个标量，也就是任意向量的线性组合，它们的结果仍然在这个向量空间中。

三维空间中过原点的一个平面是一个向量空间，这个向量空间和 $\boldsymbol R^2$ 很像，但其中的每个向量都有三个元素。如果我们对这个平面中的两个向量相加，那结果仍然在这个平面中。如果我们对其中的一个向量乘以一个常数，结果也仍然在这个平面中。这个平面位于 $\boldsymbol R^3$ 向量空间里，称为 $\boldsymbol R^3$ 的子空间。

一个向量空间的子空间是由一系列包含零向量的向量组成的，并且满足：如果是 $\boldsymbol v$ 和 $\boldsymbol w$ 是子空间的两个向量并且 $c$ 是任意标量，那么有 (1) $\boldsymbol v + \boldsymbol w$ 在子空间中， (2) $c \boldsymbol v$ 在子空间中。

也就是说，所有向量的线性组合都仍然在这个子空间中。

$\boldsymbol R^3$ 的所有可能子空间有：

$L$ 所有过 (0, 0, 0) 的直线
$P$ 所有过 (0, 0, 0) 的平面
$Z$ 只有零向量 (0, 0, 0)
$\boldsymbol R^3$ 整个空间

一个最重要的子空间是和矩阵 $A$ 紧密联系的。当我们求解 $Ax=b$ 时， $Ax$ 是对 $A$ 的列的线性组合。为了得到 $b$ ，我们用任何可能的 $x$ 来求取 $A$ 的列的所有可能的线性组合，这产生了一个 $A$ 的列空间 $C(A)$ 。 $C(A)$ 不仅仅包含 $A$ 的所有列向量，还包括他们的所有线性组合。

因此，当我们求解 $Ax=b$ 时，如果 $b$ 存在于 $A$ 的列空间中的话，我们就可以找到一组系数，使得它们对 $A$ 的列的线性组合就是 $b$ ，否则，方程就无解。

2. $A$ 的零空间

矩阵 $A$ 的零空间包含所有 $Ax=\boldsymbol0$ 的解，这些向量位于 $\boldsymbol R^n$ 中，表示为 $N(A)$ 。

假设 $x$ 和 $y$ 位于矩阵 $A$ 的零空间中，也就是 $Ax=0$ 、 $Ay=0$ ，那就有 $A(x+y)=0$ 、 $A(cx)=0$ ，即它们相加或者乘以一个标量后仍然在零空间中，因此零空间是一个子空间。

零空间是所有特解的线性组合。

平面 $x+2y+3z=0$ 可以表示为

$\begin{bmatrix} 1&2&3 \end{bmatrix} \begin{bmatrix} x\\y\\z \end{bmatrix} = 0$

上述方程的两个特解分别为

$s_1 = \begin{bmatrix} -2\\1\\0 \end{bmatrix}，s_2=\begin{bmatrix} -3\\0\\1 \end{bmatrix}$

向量 $s_1$ 和 $s_2$ 位于平面 $x+2y+3z=0$ 中，这个平面就是矩阵 $A=\begin{bmatrix} 1&2&3 \end{bmatrix}$ 的零空间，这个平面上的所有向量都是 $s_1$ 和 $s_2$ 的线性组合。

注意到，上述特解的最后两个元素分别为 0 和 1，这些元素是自由的并且是我们特殊选择的。因为矩阵 $A=\begin{bmatrix} 1&2&3 \end{bmatrix}$ 的第一列包含一个主元，因此特解的第一个元素是不自由的，自由的元素就对应着该列没有主元。

3. 消元法求解 $Ax=0$

这时候，矩阵 $A$ 是矩形的，我们求解有 $n$ 个未知数的 $m$ 个方程。

$A = \begin{bmatrix} 1&1&2&3\\2&2&8&10\\3&3&10&13 \end{bmatrix}$

第一个主元是 1，然后我们需要将主元下面的 2 和 3 变成 0。

$A \to \begin{bmatrix} 1&1&2&3\\ 0&\boxed0&4&4\\0&0&4&4 \end{bmatrix}$

这时候，第二列主元的位置为 0，并且其下面的位置也为 0，因此我们也无法用行交换来得到一个主元。

这意味着我们遇到了问题，但我们不应该停止，我们继续看第三列。我们得到了第二个主元 4，然后继续向下消元得到下三角矩阵 $U$ 。

$U = \begin{bmatrix} \boxed1&1&2&3\\ 0&0&\boxed4&4\\0&0&0&0 \end{bmatrix}$

由于第 1 列和第 3 列包含主元，因此主变量就是 $x_1$ 和 $x_3$ ，而 $x_2$ 和 $x_4$ 是自由变量。

这时候，我们分别将两个自由变量设为 0 和 1，就可以得到方程的解为

针对每个自由变量都有一个与之对应的特解，所有特解的线性组合就是零空间 $N(A)$ 。如果没有一个变量是自由的，这就意味着方程组只有一个零向量解。

若是 $n>m$ ，即列数大于行数，那肯定至少有一个变量是自由的，因为每一行最多只有一个主元，这也就意味着方程组有至少一个特解，这个解是非零的。

对上面的下三角矩阵 $U$ 继续进行消元，第二行除以 4，然后第一行减去第二行的 2 倍，我们可以得到简化行阶梯形式 $R$

$R = \begin{bmatrix} \boldsymbol1&1&\boldsymbol0&1\\ \boldsymbol0&0&\boldsymbol1&1\\0&0&0&0 \end{bmatrix}$

这时候，特解就可以很容易地从 $R$ 中读出来，第一个特解的 -1 和 0 就是 $R$ 中第二列的元素 1 和 0 取负号，第二个特解的 -1 和 1 就是 $R$ 中第四列的元素 1 和 1 取负号。

另外，在 $R$ 的左边乘以任意可逆的矩阵，不会改变其零空间。

获取更多精彩，请关注「seniusen」!

相关文章

网友评论

本文标题：线性代数之——向量空间

本文链接：https://www.haomeiwen.com/subject/gyppfqtx.html

延伸阅读

深度阅读

您也可以注册成为美文阅读网的作者，发表您的原创作品、分享您的心情！

栏目导航

热点阅读

关于我们|服务条款|联系我们|线性代数之——向量空间|投稿指南|网站地图|RSS订阅|排版工具|手机版

提供经典美文摘抄,优美散文欣赏,现代诗歌精选,短篇小说,心情随笔,表白情书范文,故事会在线阅读欣赏

Copyright © 2014-2023 Haomeiwen.com All Rights Reserved. 好美文阅读网版权所有

备案信息：桂公网安备 45052102000051号 · 桂ICP备13007215号-3

本站所收录作品、热点评论等信息部分来源互联网，目的只是为了系统归纳学习和传递资讯

所有作品版权归原创作者所有，与本站立场无关，如不慎侵犯了你的权益，请联系我们告知，我们将做删除处理！