【矩阵论专栏】
A 子空间定义
<1> 定义1(子空间):设 V V V是数域 F F F上的线性空间, W W W是 V V V的子集,若对 W W W中的任意元素 α \alpha α, β \beta β,及数 k ∈ F k\in F k∈F,按 V V V中的加法和数乘有: 1 ) α + β ∈ W 1)\alpha+\beta\in W 1)α+β∈W 2 ) k α ∈ W 2)k\alpha\in W 2)kα∈W则 W W W也是数域 F F F上的线性空间,称 W W W为 V V V的线性子空间,简称子空间
注:
- 由单个零元素组成的子集 { 0 } \{0\} {
0}是线性子空间; - 线性空间 V V V是线性子空间。
0 0 0与 V V V是称为 V V V的平凡子空间。 - dim{0}=1
B 常见的子空间
<1> 设 A A A是一给定的 m ∗ n m * n m∗n实矩阵,记 N ( A ) ≜ { x ∈ R n ∣ A x = 0 } N(A)\triangleq\{x\in \mathbb{R}^n| Ax=0\} N(A)≜{
x∈Rn∣Ax=0} R ( A ) ≜ { A x ∣ x ∈ R n } R(A) \triangleq\{Ax|x\in\mathbb{R}^n\} R(A)≜{
Ax∣x∈Rn}则称 N ( A ) N(A) N(A)是 R n \mathbb{R}^n Rn的子空间,称为 A A A的零空间。
则 R ( A ) R(A) R(A)是 R n \mathbb{R}^n Rn的子空间,称为A的列空间。 d i m N ( A ) = n − r a n k A = n − r dimN(A)=n-rankA=n-r dimN(A)=n−rankA=n−r A x = 0 Ax=0 Ax=0基础解析的个数等于 n − r n-r n−r
d i m R ( A ) = r a n k A = r dimR(A)= rankA=r dimR(A)=rankA=r A X 这 个 向 量 , 可 以 看 成 A 每 一 列 的 线 性 组 合 , 所 以 A 所 有 列 的 极 大 线 性 无 关 组 就 可 以 构 成 R ( A ) 的 基 AX这个向量,可以看成A每一列的线性组合,所以A所有列的极大线性无关组就可以构成R(A)的基 AX这个向量,可以看成A每一列的线性组合,所以A所有列的极大线性无关组就可以构成R(A)的基。
<2> 设 { α 1 , α 2 , . . . , α r } \{\alpha_1,\alpha_2,…,\alpha_r\} {
α1,α2,...,αr}是线性空间 V V V的一向量组,记 s p a n { α 1 , α 2 , . . . , α r } = { α = ∑ i = 1 r k i α i ∣ k 1 , k 2 , . . . , k r ∈ F } span\{\alpha_1,\alpha_2,…,\alpha_r\}=\{\alpha=\sum_{i=1}^rk_i\alpha_i|k_1,k_2,…,k_r\in F\} span{
α1,α2,...,αr}={
α=i=1∑rkiαi∣k1,k2,...,kr∈F}则 s p a n { α 1 , α 2 , . . . , α r } span\{\alpha_1,\alpha_2,…,\alpha_r\} span{
α1,α2,...,αr}是 V V V的子空间,称为由 { α 1 , α 2 , . . . , α r } \{\alpha_1,\alpha_2,…,\alpha_r\} {
α1,α2,...,αr}张成的子空间。
即把 { α 1 , α 2 , . . . , α r } \{\alpha_1,\alpha_2,…,\alpha_r\} {
α1,α2,...,αr}所有的线性组合形成的向量放在一起,形成的集合。解决了抽象线性空间中子集(即子空间)的描述。
注:
- 若 { α 1 , α 2 , . . . , α m } \{\alpha_1,\alpha_2,…,\alpha_m\} {
α1,α2,...,αm}是子空间 W W W的基,则有 W = s p a n { α 1 , α 2 , . . . , α m } W=span\{\alpha_1,\alpha_2,…,\alpha_m\} W=span{
α1,α2,...,αm} - 设 A ∈ R m × n A\in \mathbb{R}^{m\times n} A∈Rm×n,记 A = [ A 1 , A − 2 , . . . , A n ] A=[A_1,A-2,…,A_n] A=[A1,A−2,...,An],其中 A i ∈ R m , i = 1 , 2 , . . . , n A_i\in \mathbb{R}^m,i=1,2,…,n Ai∈Rm,i=1,2,...,n.则有 R ( A ) = { A x ∣ x ∈ R n } = s p a n { A 1 , A 2 , . . . , A n } R(A)=\{Ax|x\in\mathbb{R}^n\}=span\{A_1,A_2,…,A_n\} R(A)={
Ax∣x∈Rn}=span{
A1,A2,...,An}
<3>例题:
C 基扩张定理
<1>定理1 设4 { α 1 , α 2 , . . . , α r } \{\alpha_1,\alpha_2,…,\alpha_r\} {
α1,α2,...,αr}是 V n V^n Vn中一组线性无关向量,则存在 V n V^n Vn中 n − r n-r n−r个向量 α r + 1 , α r + 2 , . . . , α n \alpha_{r+1},\alpha_{r+2},…,\alpha{n} αr+1,αr+2,...,αn,使得 { α 1 , α 2 , . . . , α r , α r + 1 , α r + 2 , . . . , α n } \{\alpha_1,\alpha_2,…,\alpha_r,\alpha_{r+1},\alpha_{r+2},…,\alpha_n\} {
α1,α2,...,αr,αr+1,αr+2,...,αn}构成 V n V^n Vn的基。
D 和空间与交空间
<1>设 W 1 W_1 W1和 W 2 W_2 W2均是线性空间 V n V^n Vn的子空间
- W 1 ⋃ W 2 W_1\bigcup W_2 W1⋃W2不是线性空间 V n V^n Vn的子空间。
由定义1,对加法不封闭。
- W 1 ⋂ W 2 W_1\bigcap W_2 W1⋂W2是仍然是线性空间 V n V^n Vn的子空间。
<2>定义2(和空间和交空间):设 W 1 W_1 W1与 W 2 W_2 W2是线性空间 V V V的两个子空间,令 W 1 ⋂ W 2 = { α ∈ V ∣ α ∈ W 1 且 α ∈ W 2 } W_1\bigcap W_2=\{\alpha \in V | \alpha\in W_1且 \alpha\in W_2\} W1⋂W2={
α∈V∣α∈W1且α∈W2} W 1 + W 2 = { α ∈ V ∣ α = α 1 + α 2 , α 1 ∈ W 1 , α 2 ∈ W 2 } W_1+W_2=\{\alpha\in V| \alpha=\alpha_1+\alpha_2, \alpha_1\in W_1,\alpha_2\in W_2\} W1+W2={
α∈V∣α=α1+α2,α1∈W1,α2∈W2}
称 W 1 ⋂ W 2 W_1\bigcap W_2 W1⋂W2为 W 1 W_1 W1与 W 2 W_2 W2的交空间。
称 W 1 + W 2 W_1+W_2 W1+W2为 W 1 W_1 W1与 W 2 W_2 W2的和空间。
注:
- W 1 + W 2 是 V 的 子 空 间 W_1+W_2是V的子空间 W1+W2是V的子空间;
- 设 W 1 = s p a n { α 1 , . . . , α r , β 1 , . . . , β m } W_1=span\{\alpha_1,…,\alpha_r,\beta_1,…,\beta_m\} W1=span{
α1,...,αr,β1,...,βm}
<3> 定理2(维数公式)设 W 1 W_1 W1与 W 2 W_2 W2是线性空间 V V V的两个子空间,则有: d i m ( W 1 + W 2 ) + d i m ( W 1 ⋂ W 2 ) = d i m ( W 1 ) + d i m ( W 2 ) dim(W_1+W_2)+dim(W_1\bigcap W_2) =dim(W_1)+dim(W_2) dim(W1+W2)+dim(W1⋂W2)=dim(W1)+dim(W2)
例题:
修改: [ − 5 , 2 , 3 , 7 ] > > [ − 5 , 2 , 3 , 4 ] T [-5,2,3,7]>>[-5,2,3,4]^T [−5,2,3,7]>>[−5,2,3,4]T
和空间 W 1 + W 2 W_1+W_2 W1+W2中的向量一定可以分解成两个向量之和,其中一个向量属于 W 1 W_1 W1,另一个输入 W 2 W_2 W2,即 ∀ ξ ∈ W 1 + W 2 , ∃ α 1 ∈ W 1 , α 2 ∈ W 1 \forall\xi\in W_1+W_2,\exists \alpha_1\in W_1,\alpha_2\in W_1 ∀ξ∈W1+W2,∃α1∈W1,α2∈W1 s . t . ξ = α 1 + α 2 s.t. \xi=\alpha_1+\alpha_2 s.t.ξ=α1+α2
例子:
E 直和
<1> 定义3(直和)设 W 1 + W 2 W_1+W_2 W1+W2中的任一向量只能唯一地分解为 W 1 W_1 W1中的一个向量与 W 2 W_2 W2中的一个向量之和,则称 W 1 + W 2 W_1+W_2 W1+W2为 W 1 W_1 W1与 W 2 W_2 W2的直和,记为: W 1 ⊕ W 2 W_1\oplus W_2 W1⊕W2.
<2>定理3(直和等价条件):
- 1) W 1 + W 2 = W 1 ⊕ W 2 W_1+W_2=W_1\oplus W_2 W1+W2=W1⊕W2
- 2) W 1 ⋂ W 2 = { 0 } W_1\bigcap W_2=\{0\} W1⋂W2={
0} - 3) d i m ( W 1 + W 2 ) = d i m ( W 1 ) + d i m ( W 2 ) dim(W_1+W_2)=dim(W_1)+dim(W_2) dim(W1+W2)=dim(W1)+dim(W2)
- 4) 0 = α 1 + α 2 , α 1 ∈ W 1 , α 2 ∈ W 2 , 则 有 α 1 = 0 , α 2 = 0 0=\alpha_1 + \alpha_2,\alpha_1\in W_1,\alpha_2\in W_2,则有\alpha_1=0,\alpha_2=0 0=α1+α2,α1∈W1,α2∈W2,则有α1=0,α2=0.
例题:
总结:子空间本身是子集,子集是有运算的,有交和并,但是并完后的空间不是线性空间(对加法不封闭),所以扩展出和空间。由于和空间分解不唯一,把分解唯一的和专门拿出来,叫做直和。
今天的文章子空间维数和秩的关系_生成子空间的基分享到此就结束了,感谢您的阅读。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/85234.html