01 / SUBSPACES / OPERATIONS
两个子空间放在一起,
结果一定还是子空间吗?
首先复习:只要一个集合对任意线性组合封闭,它就能成为所在向量空间的子空间。现在考虑平面中的两条过原点直线 S={(t,0)ᵀ} 和 T={(0,t)ᵀ}。两者各自都是子空间。
它们的并集 S∪T只是横轴和纵轴上的点,包含 (1,0) 与 (0,1),却不包含这两个向量的和 (1,1),所以一般不是子空间。
它们的交集 S∩T只含零向量,却仍是子空间。原因不是特例:若 u、v 同时属于两个子空间,则任意 αu+βv 既在 S 内也在 T 内,必在交集里。对任何两个子空间都成立。
为什么 S+T 一定是子空间?把两组向量 (s₁+t₁) 与 (s₂+t₂) 线性组合,可以整理成 (αs₁+βs₂)+(αt₁+βt₂),两部分分别属于 S 和 T。这里的 S+T 是子空间之和,不是“并集”的另一种写法。MIT 配套题正好区分这两者。
随堂检查 01 · 交集与并集
先自己推算,再检查。
查看完整解析与错因
交集 S∩T 只有零向量,零空间对所有线性组合封闭;并集含(1,0)和(0,1)却不含和(1,1),故不封闭。
02 / COLUMN SPACE / REACHABILITY
给定 Ax=b,
到底哪个 b 才能解出来?
矩阵 A 的列空间 C(A) 是其所有列线性组合的集合,也就是所有可能的输出 Ax。因此有一个十分重要、无需猜测的充要条件:
看本站原创例子,矩阵 A=[[1,0,1],[0,1,1],[1,1,2]],第三列恰好是前两列之和。每个输入 x=(x₁,x₂,x₃)ᵀ 的输出是 (x₁+x₃,x₂+x₃,x₁+x₂+2x₃)ᵀ。于是任何输出都满足 b₃=b₁+b₂。
反过来,如果 b 的第三维恰好等于前两维之和,取 x=(b₁,b₂,0)ᵀ 就能得到该 b。因此不是“可能”满足,而是恰好所有满足这个条件的目标都可解。例如 b=(2,1,3) 可解,(2,1,4) 则不可解。
A 有三列并不意味着列空间占满 R³:第三列没有提供新的方向。几何上,这里 C(A) 是过原点的平面 z=x+y。
随堂检查 02 · 列空间可解性
先自己推算,再检查。
查看完整解析与错因
每个输出的第三分量等于第一、第二分量之和。b=(3,2,5)满足,取x=(3,2,0)即可。
03 / NULL SPACE / INVISIBLE MOTION
如果一个非零 x 被矩阵
送到0,会发生什么?
零空间 N(A) 的定义是所有满足 Ax=0 的输入 x 的集合。与输出空间中的列空间不同,N(A) 属于输入空间 Rⁿ(n 是 A 的列数)。它始终包含零向量,而且若 Ax=0、Ay=0,则 A(αx+βy)=αAx+βAy=0,因此也总是子空间。
对上面的 A,取 h=(−1,−1,1)ᵀ,就有 Ah=(−1+1,−1+1,−1−1+2)ᵀ=0。把第一、第二条方程写出,得到 h₁=−h₃、h₂=−h₃,所以实际上
这是输入三维空间中的一条过原点的直线。若有两个不同输入 x 和 y 输出相同,即 Ax=Ay,移项得到 A(x−y)=0,所以差值 x−y 必在零空间。零空间刻画了输出无法分辨的输入变化。
列空间问“输出能到哪”,零空间问“哪些输入会消失”。对 m×n 矩阵,前者位于 Rᵐ,后者位于 Rⁿ;行数与列数不同的时候尤其不可混淆。
随堂检查 03 · 零空间所在维度
先自己推算,再检查。
查看完整解析与错因
A 的3列对应输入x有3个分量,Ax在R⁴。故N(A)⊆R³,而C(A)⊆R⁴。
04 / ALL SOLUTIONS / TRANSLATION
有一个解之后,
为什么还会有无穷多个?
设 Ax=b 有一个特解 x₀。如果 h∈N(A),则 A(x₀+h)=Ax₀+Ah=b+0=b。反过来,任意另一个解 x 都有 A(x−x₀)=b−b=0,所以 x−x₀∈N(A)。因此所有解恰好为 x₀+N(A),即一个特解加上所有零空间向量。
(2,1,0)ᵀ
(2,1,3)ᵀ
目标 (2,1,3)ᵀ 可达。改变 t 不改变 Ax,因为新增的方向都属于 N(A)。
选择任何 t 都是同一个可达目标的解;若把目标 b₃ 改成不是3,当前 A 的输出仍为(2,1,3),所以无法达到新目标。无脚本初值可逐项代回验证。当 b≠0,所有解一般不是线性子空间,而是零空间的平移(仿射集合)。最简单的理由是零向量不是解:A0=0≠b。MIT 摘要用这一点说明了非齐次解集与齐次零空间的根本区别。
再进一步,若 C 是把 A 和 B 竖直堆叠而成的矩阵,Cx=0 等价于同时满足 Ax=0 和 Bx=0,所以 N(C)=N(A)∩N(B)。这也是官方练习要求理解的“交集”规律。
随堂检查 04 · 一个特解加上零空间
先自己推算,再检查。
查看完整解析与错因
利用线性性:A(x₀+h)=Ax₀+Ah=b+0=b;任一其他解与x₀之差也必在零空间,因此这描述了全部解。
PRACTICE / EXPLAIN EVERY STEP
独立写出过程,
再展开答案。
先检查运算,再解释为什么这样做。以下题目为本站重新设计,难度参照本讲实际授课内容和可获得的配套练习。
令 S={(t,0)ᵀ}、T={(0,t)ᵀ}。分别求 S∩T、S∪T 和 S+T,说明哪些是子空间。
展开完整解析
交集只有(0,0),是子空间;并集只有两条坐标轴,不含(1,1)=(1,0)+(0,1),不封闭,非子空间;S+T包括任意(t,s)ᵀ,等于整个R²,是子空间。
A 的三列为 (1,0,2)ᵀ、(0,1,−1)ᵀ、(1,1,1)ᵀ。求 Ax=b 可解的条件,并检验 b=(2,3,1)ᵀ。
展开完整解析
第三列是前两列之和,任意列组合输出(s,t,2s−t)ᵀ,所以必须b₃=2b₁−b₂;反之取输入(s,t,0)=(b₁,b₂,0)就达到b,故充分。对(2,3,1),2×2−3=1,可解,取x=(2,3,0)。
对 A=[[1,0,1],[0,1,1],[1,1,2]],完整求 N(A),用代回证明没有遗漏。
展开完整解析
Ax=0 的前两行给x₁+x₃=0、x₂+x₃=0。设x₃=t,则x₁=x₂=−t;第三行自动为−t−t+2t=0。所以N(A)={t(−1,−1,1)ᵀ:t∈R},既必要又充分。
求解上题 A x=(4,−1,3)ᵀ 的所有解;并解释解集为什么不是子空间。
展开完整解析
因为目标3=4+(−1),可达;取特解(4,−1,0),加零空间t(−1,−1,1),全部解为(4−t,−1−t,t)ᵀ。零输入产生0而非非零目标(4,−1,3),所以解集不含零向量,不是子空间。
A=[[1,1,0]],B=[[0,1,1]]。竖直叠放 C=[[1,1,0],[0,1,1]]。求 N(C),并验证 N(C)=N(A)∩N(B)。
展开完整解析
Cx=0要求x₁+x₂=0和x₂+x₃=0。设x₂=t,得x₁=−t、x₃=−t,因此N(C)={t(−1,1,−1)}。两式分别是Ax=0和Bx=0,故解既属于N(A)又属于N(B),反过来也成立,正是交集。
本讲 A 的一个解 x₀=(2,1,0)ᵀ 对应 b=(2,1,3)ᵀ。取 t=−2,写出 x=x₀+t(−1,−1,1)ᵀ 并代回检验。
展开完整解析
t=−2时x=(2+2,1+2,−2)=(4,3,−2)。Ax 第一维4−2=2,第二维3−2=1,第三维4+3−4=3,确实得到(2,1,3)。改变t只沿零空间方向移动,不改变输出。
C(A) 是所有可实现的右端 b;N(A) 是所有不改变输出的输入增量;若 Ax=b 有一个解,所有解都是该解加零空间。
本讲 4 道随堂题,可逐项答题并查看反馈。
本讲重在定义、封闭性和可解性判断;主元变量、自由变量与一般的求解算法在第8–9讲进一步展开。
返回线性代数目录 ↗MIT 18.06SC · Column Space and Nullspace。可复核资料:official session ↗official summary ↗official problems ↗official solutions ↗。
核对 MIT 原始第1.6课时页、官方摘要两页教学正文及 PDF 图片、练习6.1–6.3与相应答案;未声称完整观看原视频或通读教材。 本站不是 MIT 官方中文译课;文字、数值案例、模型和题目独立设计。