Hello,David!

There is geometry in the humming of the strings, there is music in the spacing of the spheres.

0%

线性代数(7):向量空间

复习线性代数:向量空间

参考资料:
清华大学数学科学系-线性代数-马辉
《工程数学 线性代数 第六版》 同济大学数学系 高等教育出版社
Linear Algebra by Gilbert Strang MIT麻省理工线性代数公开视频课

向量空间和子空间

定义:设$V \subset \mathbb{R}^{n}$是一些$n$维列向量的集合,且$V$关于向量加法和数乘封闭$\forall \alpha, \beta \in V, \forall c{1}, c{2} \in \mathbb{R} \Longrightarrow c{1} \alpha+c{2} \beta \in V$。则称$V$为一个向量空间(vector space)

性质:零向量属于向量空间$V$

更广义定义:
一个实向量空间(real vector space)是“向量”的集合,其关于加法和(实数的)数乘封闭(即线性组合封闭)且满足1.7节的八条性质

例如:
1.$M_{n}(\mathbb{R})={n阶实矩阵}$
2.$V=\left{y=f(x) | y^{\prime \prime \prime \prime}=0\right}$

子空间:设$V$是一个向量空间,$W \subset V$,若$W$关于$V$的加法、数乘封闭,则$W$是$V$的一个子空间(subspace)

列空间和零空间

关于$A \mathrm{x}=\mathrm{b}$,相关联的有两类(子)空间
$A$的列向量的全部线性组合,称为$A$的列空间(column space),记作$C(A)$,$C(A)=\left{\mathbf{y} \in \mathbb{R}^{m} | \mathbf{y}=A \mathbf{x}, \mathbf{x} \in \mathbb{R}^{n}\right}$,是$\mathbb{R}^{m}$的子空间。

定理:$A \mathbf{x}=\mathbf{b}$有解$\Longleftrightarrow \mathbf{b} \in C(A)$
例如,$A \mathbf{x}=\mathbf{0}$总有解,因为$0 \in C(A)$

另一类子空间:零空间$N(A)=\left{\mathbf{x} \in \mathbb{R}^{n} | A \mathbf{x}=\mathbf{0}\right}$是$\mathbb{R}^{n}$的子空间。
注意:$A \mathrm{x}=\mathrm{b} \neq 0$的解集不是一个空间

阶梯形(row-echelon form)

定理:设$A$是一个$m \times n$阶矩阵,则只经过行变换,$A$可化成一个行阶梯形矩阵$U$,最终化成行最简约阶梯形矩阵$U_{0}$(reduced row echelon form),即消去主元所在列的其余元素,且主元化为1。
主元所在列称为主列(pivot column),主元对应变量称为主变量(pivot variable)。其余列称为自由列(free column)。自由变量一一对应$n-r$个解向量称为基础解系

注意:行阶梯形矩阵$U$一般不唯一,行最简约阶梯形矩阵$U_{0}$是唯一的

求解齐次线性方程组

简化行阶梯阵$U_{0}$可以通过列变换化成如下形式:

总结:

即$R=E A P$

注意:$A x=0$与$R y=0$的解的关系:
若$x \in N(A)$,则$P^{-1} x \in N(R)$
$y \in N(R) \Rightarrow P y \in N(A)$

求$R_{\mathrm{X}}=0$的解,考虑:

称为零空间矩阵,null space matrix,$R N=0$展示$N$的每一列均是$R \mathrm{x}=0$的解,这$n-r$个列向量的全体线性组合为$R \mathrm{x}=0$的解集$N(R)$,即$C(N)=N(R)$

求解非齐次线性方程组

求解一般线性方程组$A \mathbf{x}=\mathbf{b}$
设$\mathbf{x}^{*}$是$A \mathbf{x}=\mathbf{b}$的一特解,则 $\mathbf{x}^{*}+N(A)$是方程组的全部解

解的一般性的讨论

设$A$是一个$m \times n$阶矩阵,$r$为$A$的秩,若$r=n$,则称$A$是一个列满秩矩阵(matrix of full column rank)。若$r=m$,则称$A$是一个行满秩矩阵(matrix of full row rank)

Case1:$r=n=m$

$A$可逆,$A \mathbf{x}=\mathbf{b}$有唯一解$\mathrm{x}=A^{-1} \mathrm{b}$

Case2:$r=n<m$列满秩

$A \mathbf{x}=\mathbf{0}$只有零解,$A \mathbf{x}=\mathbf{b}$无解或有唯一解(特解)

Case3:$r=m<n$行满秩

$A \mathbf{x}=\mathbf{b}$有无穷多个解

Case4:$r<m,r<n$

$A \mathbf{x}=\mathbf{b}$若有解,则有无穷多个解