《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间

2022-02-17 22:26:39

本节书摘来自华章出版社《 线性代数及其应用 （原书第4版）》一书中的第2章，第2.8节，作者:（美）戴维C. 雷（David C. Lay）马里兰大学帕克学院 著刘深泉 张万芹 陈玉珍 包乐娥 陆 博 译，更多章节内容可以访问云栖社区“华章计算机”公众号查看

2.8 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间的子空间

本节讨论 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间中重要的向量子集，称为子空间. 通常子空间与某个矩阵 A有关，它们提供了关于方程 Ax=b的有用信息. 本节的概念和术语将在本书以下部分经常出现.
定义 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间中的一个子空间是《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 中的集合 H，具有以下三个性质：

  1. 零向量属于H.
  2. 对 H中任意的向量u 和v ，u+v 属于H .
  3. 对 H中任意向量 u和数c，cu属于H .
    换句话说，子空间对加法和标量乘法运算是封闭的. 你将在以下例子看到，第1章中所讨论的向量集合大部分是子空间. 例如，通过原点的一个平面是一种很典型的子空间，可以看作例1中子空间的一种实例. 见图2-24.

《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间

例1 若 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间和《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间是《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 中的向量， 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间，则H 是《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 的子空间. 为证明这一点，注意零向量属于H （《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间），现取 H中任意两个向量，比如说
《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间
那么
《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间
这证明了u+v是v1和v2的线性组合，因此属于 H，同样，对任意数 c，向量cu 属于 H，因为 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间
若 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间不等于零而《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间是《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 的倍数，则《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间和《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 仅生成通过原点的直线.所以通过原点的直线是子空间的另一个例子. 见图2-25.
《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间
例2 不通过原点的一条直线不是子空间，因它不包括原点，同样，图2-26说明 在加法或标量乘法下不是封闭的.
《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间
例3 设 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间属于《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 ，《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 的所有线性组合是 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间的子空间，这一结论的证明与例1中类似，我们将称《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 为由《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 生成（或张成）的子空间. ?
注意《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 是它本身的子空间，因为三个性质都满足. 另一个特殊的子空间是仅含零向量的集合，它也满足子空间的条件，称为零子空间.
矩阵的列空间与零空间
应用中， 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间的子空间通常出现在以下两种情况中，它们都与矩阵有关.
定义 矩阵A的列空间是A的各列的线性组合的集合，记作《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 .
若 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间，它们各列属于《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 ，则 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间和《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 相同，例4说明《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 矩阵的列空间是《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 的子空间. 注意，仅当A的列生成 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间时，《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 等于《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 . 否则，《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 仅是 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 的一部分.
例4 设 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间，确定b 是否属于 A的列空间.
解 向量b 是A的各列的线性组合，当且仅当b 可写成 Ax的形式，x 属于《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 ，也就是说，当且仅当方程 Ax=b有解. 把增广矩阵[A b] 进行行变换：
《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间
可知 Ax=b相容，从而b 属于《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 .
《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间
例4的解答说明，当线性方程组写成Ax=b 的形式，A 的列空间是所有使方程有解的向量 b的集合.
定义 矩阵A的零空间是齐次方程 Ax=0的所有解的集合，记为 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间.
当 A有 n列时， Ax=0的解属于 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间，A 的零空间是《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 的子集.事实上，《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 具有 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间的子空间的性质.
定理12 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间矩阵A 的零空间是《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 的子空间. 等价地， n个未知数的 m个齐次线性方程的解的全体是《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 的子空间.
证 零向量属于《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 （因 A0=0），为证明 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间满足其他两个性质，取 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间中两个向量u和v，即设 Au=0和 Av=0，那么由矩阵乘法的性质，
《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间
于是 u+v满足 Ax=0，所以 u+v属于 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间，同样，对任意数c， 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间，这就证明了cu 也属于《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 .
为检验给定向量v是否属于《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 ，只要计算 Av，看它是否零向量，因 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间是用其中每个向量必须满足的一个条件来描述的，我们说零空间是隐性定义的. 相反，列空间是显性定义的，因 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间中的向量可由A 的各列（利用线性组合）构造出来. 为了建立 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间的显性描述，解Ax=0这个方程，把解写成参数向量形式.（见下面的例6.）
子空间的基
因为子空间一般含有无穷多个向量，子空间中的问题最好能够通过研究生成这个子空间的一个小的有限集合来解决，这个集合越小越好.可以证明，最小可能的生成集合必是线性无关的.
定义 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间中子空间H 的一组基是 中一个线性无关集，它生成H .
例5 可逆 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间矩阵的各列构成 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间的一组基. 因为它们线性无关，而且生成 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间，这由逆矩阵定理可知. 一个这样的矩阵是《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间单位矩阵，它的各列用 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间表示：
《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间
《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 称为《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 的标准基. 见图2-27.
《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间

下例说明，求出方程Ax=0 的解的参数向量形式实际上就是确定 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间的基，这一事实将在第5章应用.
例6 求出下列矩阵的零空间的基.
《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间
解 首先把方程 Ax=0的解写成参数向量形式.
《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间
通解为 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间为*变量.

![screenshot](https://yqfile.alicdn.com/a6647f470c46ee1ec35345557126d20696da1a1b.png)             （1）

方程（1）说明《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 与u,v,w 的所有线性组合的集合是一致的，即 {u,v,w}生成《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 ，事实上，u,v,w 的构造保证了它们线性无关，因为（1）式说明，
《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间
仅当权《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 等于零则成立.（观察向量《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 的第2，4，5个元素.）因此{u,v,w} 是 的一组基.
求矩阵的列空间的基比求零空间的基容易. 然而，这个方法需要一些说明，让我们从一个简单情形开始.
例7 求下列矩阵的列空间的基：
《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间
解 用 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间表示B的列，注意《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 是主元列的线性组合，这意味着《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 的任意线性组合实际上仅是 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 的线性组合. 事实上，若 v是Col B 的任意向量，例如说，
《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间
则把 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间和 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间代入，可把 v写成
《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间
它是《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 的线性组合，所以《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 生成Col B ，又 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 为线性无关，因为它们是单位矩阵的列，所以B 的主元列构成Col B 的基.
例7中的矩阵B 是简化阶梯形.为处理一个一般的矩阵 A，注意 A的各列之间的线性相关关系可表示为形式 Ax=0（若某些列不含在特殊的线性相关关系中，则x 的对应元素为零）. 当A 行化简为阶梯形B 时，它的列虽然改变，但方程Ax=b 和Bx=0有相同的解集. 即 A的列与B 的列有相同的线性相关关系.
例8 可以证明矩阵
《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间
行等价于例7的矩阵B，求 Col A的一组基.
解 由例7， 的主元列是第1，2，5列. 同时有 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 ，因行变换不影响列的线性相关关系，有
《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间
经验证这是成立的！由例7的讨论，生成 的列空间不需要用《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 和《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 . 同样《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 必是线性无关的，因 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间之间的任意线性相关关系必然也使 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间有同样的关系，因《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 为线性无关，《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 也线性无关，因此是 Col A的一组基.
例8的讨论可以用来证明下列定理.
定理13 矩阵A的主元列构成列空间的基.
警告 小心，要用A 的主元列本身作为 Col A的基，阶梯形 B的列本身通常并不在 A的列空间内.（例如在例7和例8中， B的列的最后一行都是零，不可能生成 A的列空间.）
练习题

  1. 设《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间 ，u 是否属于Nul A ？ u是否属于Col A ？给出理由.
  2. 设 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间，求 Nul A中的一个向量和 Col A的一个向量.
  3. 设一个 《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间矩阵A 是可逆的，则Nul A 和 Col A会如何？
    习题2.8

《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间
《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间
《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间
《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间
《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间
《 线性代数及其应用 （原书第4版）》——2.8 R^n的子空间

习题1~4画的是 中的子集，假设这些集合包含边界线，说明这些集 不是 中的子空间的理由.（例如，找出 中两个向量，它们的和不属于 ，或求出 中一个向量，它的倍数不属于 ，画出图形.）

  5. ，确定 是否属于 的由 和 生成的子空间？
  6. 设 ，确定 是否属于 中由 生成的子空间？
  7. .
  8. 中有多少个向量？
  9. 中有多少个向量？
  10. 是否属于 ？为什么？
  11. 设 是否属于 ，其中 ？
  12. 和 如习题7，判断 是否属于 .
  13. ， 在习题8中给出，确定 是否属于 .
    习题11~12给出整数 和 使 是 的子空间， 是 的子空间.
  16. 如习题11，求 和 中的一个非零向量.
  17. 如习题12，求 和 中的一个非零向量.
    习题15~20中，确定哪个集是 或 中的基？验证你的答案.
    1. 在习题21和习题22中，标出每个命题的真假. 并验证你的答案.
    1. 的一个子空间是任一集 满足（i）零向量属于 ,（ii） 属于 ,（iii） 是数， 属于 .
  22. 若 属于 ，则 等价于矩阵 的列空间.
  23. 一个 行齐次线性方程组有 个未知量，其全体解组成的集合是 的一个子空间.
  24. 一个 可逆矩阵的列构成 的一组基.
  25. 行变换不改变矩阵的列之间的线性相关关系.
    1. 中的子集 是一个子空间，若零向量属于 .
  27. 若 是矩阵 的阶梯形，则 的主元列构成 的一组基.
  28. 给定 中的向量 ，这些向量的所有线性组合所构成的集合是 的一个子空间.
  29. 设H是 的子空间，若x属于H，y属于 ，则x+y属于H.
  30. 矩阵 的列空间是 的解的集合.
    习题23~26中，给出矩阵 和 的阶梯形，求出 和 的基.
  35. 构造一个3?3矩阵 和一个非零向量 ，其中 属于 但与A的任一列都不同.
  36. 构造一个3?3矩阵 和一个非零向量 ，其中 不属于 .
  37. 构造一个3?3矩阵 和一个非零向量 ，其中 属于 .
  38. 设矩阵 的各列线性无关,说明为什么 是 的一组基.
    习题31~36中,尽可能全面地回答，给出理由.
  39. 设 是5 ? 5矩阵，其列空间不等于 ，则 会如何？
  40. 若 是7 × 7矩阵， , 属于 ,则对形如 的方程，其解会如何？
  41. 若 是6×6矩阵， 是零子空间, 属于 ，则对形如 的方程，其解会如何？
  42. 若 矩阵 的各列构成 的一组基，则该矩阵的形状会如何？
  43. 若 是5× 5矩阵， 不是零子空间，则 会如何？
  44. 若 是6?4矩阵，有线性无关的列，则 会如何？
    [M]习题37和习题38中，求出给定矩阵 的列空间和零空间.

练习题答案

  1. 为确定 是否属于 ，只需计算

结果显示 是属于 . 要确定 是否属于 需要做更多的工作. 化简增广矩阵 成阶梯形来判断方程 是否相容：

方程 无解，因此 不属于 .

  1. 与练习题1相比，求 的一个向量比判定一个给定的向量是否属于 需要做更多的工作. 但是，由于 已经是阶梯形，方程 给出如果 ，则 是*变量. 因此， 的一个基是 . 求 的一个向量是简单的，因为 中的每一列都属于 . 此外，同一个向量 既属于 ，又属于 . 对大部分矩阵而言，只有零向量是既属于 ，又属于 .
  2. 如果 是可逆的，则根据可逆矩阵定理， 的各列生成 . 由定义可知，任何矩阵的列总是可以生成该矩阵的列空间，因此这里 就是全部的 . 用符号表示就是 . 同时，因为 是可逆的，方程 只有平凡解. 这意味着 是零子空间,用符号表示就是 .
上一篇：Weex 在 JS Runtime 内的多实例管理


下一篇：“买了台智能微投，我后悔了”