淺談矩陣空間
在談矩陣空間之前,我們先來看看常見的一個線性方程組的問題:
其中,, , , 很多時候,我們都是希望解決這樣一個線性方程組的問題。
我們可以把矩陣 $ \mathbf{A}$ 拆成一系列列向量的組合,, 同樣 ,那麼上式可以表示成:
所以說,矩陣和列向量的相乘,就相當於矩陣的列向量的一個線性組合。所以,這就引出了我們關於矩陣空間的第一個形式:
- 矩陣的列空間: 矩陣的列空間,就是矩陣的列向量的所有的線性組合的集合,這個空間也是 裡的一個子空間。
可以想象,矩陣的列向量的線性組合,構成了一個關於向量加法和數乘的封閉集合。如果我們希望 有解,其實也就是說向量 應該存在於該子空間內。
介紹了矩陣的列空間之後,我們再來看看一種特殊的空間,矩陣的零空間,先來看看下面的表示式:
與上面的表示式不同的是,這次右邊是一個 向量,根據這個定義,我們可以給出矩陣的零空間
- 矩陣的零空間: 就是使得 的所有解向量 所構成的一個集合,這個零空間同時也是 裡的一個子空間。
關於, ,我們可以繼續探討一下,從上面的表示式可以知道:
如果說,上面的線性方程組有且只存在唯一的一個解:,這意味著什麼呢,這就說明 中的任何一個列向量都無法等價於其他列向量的線性組合,這就是我們所說的線性無關。如果矩陣的任何一個列向量都無法被其他的列向量線性表示,那麼我們可以說這組列向量是線性無關的。對於三維空間來說,如果三個向量是線性無關的,那麼可以肯定這三個向量肯定是不共面的。
從線性無關出發,我們可以繼續探討 span 的概念,我們都已經說過,向量空間就是一個集合,如果把向量看成是空間中的一個個的 “點”,那麼空間就相當於這一個個點的集合。比如我們說的三維空間,三維空間中的向量有無數個,但是我們可以找到幾個獨特的向量,從這幾個向量出發,三維空間中的所有其他向量都可以由這幾個向量的線性組合表示。那麼我們就說這幾個向量 span 了整個向量空間。同樣的:
- 矩陣的列向量 span 了矩陣的整個列空間
從 span 和線性無關,我們可以引入基向量的概念,一個空間的基向量,必須滿足兩個條件:一個是線性無關,另外一個是必須可以 span 整個空間,所以說一組基向量,就是一組線性無關,並且可以 span 起整個空間的一組向量。
- 一個空間裡的基向量不是唯一的。