基本子空间中有着更加特殊和精确的关系,由此可以引出向量空间的正交性及投影等问题。

正交性及正交补

定义:设SS和TT是RnR^n的两个子空间(subspace),如果对于∀V∈S,w∈T,vTw=0\forall V\in S, w\in T, v^Tw=0,则SS垂直于TT(S is perpendicular to T),并且,这个定义是对称的,即SS垂直于TT<=>TT垂直于SS。记做S⊥TS\perp T。也可以说SS和TT是正交的(S and T are orthogonal)。

几个常见结论

  1. 设A=B1B2A = B_1B_2,其中B1B_1是n×rn\times r 矩阵,B2B_2是r×nr\times n矩阵,后两矩阵秩都为rr,则AA是一个n×nn \times n 矩阵,且r(A)=rr(A) = r。

    AA的每一列是B1B_1的列向量的线性组合,因此C(A)⊂C(B1)C(A)\subset C(B_1)。

    AA的每一列是B2B_2的行向量的线性组合,因此C(AT)⊂C(B2T)C(A^T)\subset C(B_2^T)。

    B1B_1是列满秩,则存在可逆n×nn\times n矩阵E1E_1,E1B1=(Ir 0)TE_1B_1 = (I_r\space 0)^T。

    B2B_2是行满秩,则存在可逆n×nn\times n矩阵E2E_2,B2E2=(Ir 0)B_2E_2 = (I_r\space 0)。

    C(A)=C(AE2)=C(B1(Ir 0))=C(B1)C(A) = C(AE_2)=C(B_1(I_r\space 0)) = C(B_1)。因此,dimC(A)=dimC(B1)dimC(A) = dimC(B_1),即r(A)=r(B1)=rr(A) = r(B_1) = r。

  2. 若AA的列向量线性无关,则ATAA^TA为可逆方阵。

    AA列满秩 => Ax=0Ax = 0只有零解 => ATAx=0A^TAx = 0 只有零解 => ATAA^TA列满秩。

    又因为ATAA^TA是n×nn\times n方阵,因此为可逆矩阵。

  3. 若S∩T≠{0}S\cap T \neq\{0\},则∃v∈S∩T,vTv≠0\exists v \in S\cap T,v^Tv\neq 0。因此SS和TT不正交。

命题:设SS和TT是RnR^n中的两个子空间,且dimS+dimT>ndimS + dimT > n,则SS和TT不正交。

  1. 若AA是n×nn\times n矩阵,并且A2=0A^2 = 0,则r≤n/2r\le n/2。

    由题意可知,∵A×A=0,∴C(A)∈N(A)\because A\times A = 0, \therefore C(A)\in N(A)。

    ∴r≤n−r⇒r≤n/2\therefore r\le n-r\Rightarrow r\le n/2。

子空间的正交性

定理:设AA是 n×nn\times n矩阵,则C(A)C(A)和N(AT)N(A^T)正交,C(AT)C(A^T)和N(A)N(A)正交。

设α∈N(AT)\alpha \in N(A^T),则αTA=0\alpha^T A = 0。

因此α\alpha 和 AA的全部列向量垂直。可以得到N(AT)⊥C(A)N(A^T)\perp C(A)。

将AA 换成ATA^T,可以得到C(AT)⊥N(A)C(A^T)\perp N(A)。

四个子空间还存在着如下的关系:

N(AT)+C(A)=Rm,C(A)+N(AT)=RnN(A^T)+ C(A) = R^m, C(A)+N(A^T) = R^n

我们说C(A)C(A)是N(AT)N(A^T)在RmR^m上的正交补,C(AT)C(A^T)是N(A)N(A)在RnR^n上的正交补。

定义:设V⊂RnV\subset R^n是一个子空间,VV在RnR^n中的正交补定义为集合 {w∈Rn∣vTw=0,∀v∈V}\{w\in R^n |v^Tw = 0,\forall v\in V\}

子空间的性质

  1. 若AA对称,即A=ATA = A^T,则C(A)=C(AT)C(A) = C(A^T),因此C(A)⊥N(A)C(A) \perp N(A)。

  2. ATAA^TA为对称阵,且N(A)=N(ATA)N(A) = N(A^TA), C(AT)=C(ATA)C(A^T)= C(A^TA)。

    Ax=0⇒ATAx=0⇒N(A)⊆N(ATA)Ax = 0 \Rightarrow A^TAx= 0 \Rightarrow N(A) \subseteq N(A^TA) ATAx=0⇒xTATAx=0⇒Ax=0⇒N(ATA)⊆N(A)A^TAx= 0 \Rightarrow x^TA^TAx= 0 \Rightarrow Ax = 0 \Rightarrow N(A^TA)\subseteq N(A) ⇒N(A)=N(ATA)\Rightarrow N(A ) = N(A^TA)

  3. 若Ax=bAx= b有解,则Ax=bAx= b在C(AT)C(A^T)中有唯一解。

    存在性:设Ax=bAx= b有解,则b∈C(A)b\in C(A)。又因为C(A)=C(AAT)C(A) = C(AA^T),因此b∈C(AAT)b\in C(AA^T) ∴∃y∈Rm⇒AATy=b\therefore \exists y \in R^m \Rightarrow AA^Ty = b letxr=ATy⇒Axr=b∴xr∈C(AT)let x_r = A^Ty \Rightarrow Ax_r = b \therefore x_r \in C(A^T) 唯一性(反证法):若xr1x_r^1,xr2∈C(AT),and Axr1=b=Axr2x_r^2\in C(A^T), and\space Ax_r^1 = b = Ax_r^2 ∴A(xr1−xr2)=0⇒xr1−xr2∈N(A)\therefore A(x_r^1-x_r^2) = 0\Rightarrow x_r^1-x_r^2\in N(A) ∵xr1,xr2∈C(AT)∴xr1,xr2∈C(AT)∩N(A)={0}\because x_r^1, x_r^2\in C(A^T) \therefore x_r^1, x_r^2\in C(A^T)\cap N(A) = \{0\} ∴xr1=xr2\therefore x_r^1=x_r^2

results matching ""

    No results matching ""