Los cuatro Subespacios Fundamentales: 4 Líneas Gilbert Strang, Instituto de Tecnología de

Massachusetts

Introducción. La expresión "cuatro subespacios fundamentales" se ha familiarizado con miles de

estudiantes de álgebra lineal. Esos subespacios son el espacio de columna y el nullspaceofAandAT.
Averiguar el entendimiento de A x D b a un nivel superior de nivel de aspárrafo. El primer paso ve
a Ax (matriz vector veces) como una combinación de las columnas de A. Estos vectores Ax ll ll el
espacio de columna C.A /. Cuando nos movemos de una combinación a todas las combinaciones
(byallowingeveryx), asubspaceappears. El hacha D b tiene una solución exactamente cuando b es
el espacio de columna de A. La siguiente sección de esta nota introducirá los cuatro subespacios.
Están conectados por el Teorema Fundamental del Álgebra Lineal. Un lector perspicaz puede
reconocer la SingularValueDecomposition, cuandoPart3 de este
teoremaproporcionabasesperfecto para losfoursubspaces. ¡Las tres partes están bien! La primera
parte va hasta las dimensiones de los subespacios, usando el rango. La segunda parte es su
ortogonalidad-dos subespacios en Rn y twoinRm. Los terceros fueron los valores propios y los
autovectores de ATA para encontrar las mejores bases. La figura 1 mostrará el "cuadro grande" del
álgebra lineal, con las dos bases agregadas en la figura 2. El propósito principal de este documento
es el de actuar. Wechooseamatrixof rankona, A D xyT. Whenm D n D 2, todos los
subgruposdefundamental se alineanenR2. El cuadro grande esparcialmente claro, y algunos
podrían mostrar el alcance de sus líneas. Pero el ángulo entre xyy decide los autovalores de A y su
forma de Jordán, los que van más allá del Teorema Fundamental. Estamos viendo la geometría
ortogonal que proviene de vectores singulares y de la geometría de hebras que son los vectores
cromógenos. Uno de ellos es el de los valores uniformes y el de los demás valores homólogos. Los
ejemplos son sorprendentemente poderosos. Espero que esta familia de 2 por 2 matrices llene un
espacio entre el trabajo con un ejemplo específico numérico y una matriz arbitraria.

2. Los cuatro subespacios. La figura 1 muestra los subespacios fundamentales para un m por n
matrixofrank r. Es útil para fijar con un 3 por 4 matrixofrank 2:

(matriz)

Esa matriz está en la línea de reducción deformada y muestra cuándo puede completarse
lalimitación. El espacio de columna de A y el espacio entero de AT tienen bases muy simples:

Matrix

Después de la transposición, los primeros intervalos de A son una abarcación para el espacio de
campo y los usos de espacio para el espacio en blanco:

Matriz

Los dos últimos vectores son ortogonales a los dos primeros. Pero estas no son bases ortogonales.
La eliminación es suficiente para dar parte al teorema fundamental

El espacio de la columna y el espacio espacial de la columna tienen la dimensión D en el espacio de

Thenulls N.A / tiene dimensión r; Tiene dimensión
Que el recuento de vectores de base es obvio para la fila reducida rref.A /. Esta matriz tiene r filas
no cero y r columnas pivote. La prueba de la Parte 1 está en la reversibilidad de cada paso
eliminatorio Reconocer que la dependencia y el tamaño de la

Matriz azul

La parte 2 dice que ese espacio y el espacio vacío son complementos ortogonales. La
ortogonalidad proviene directamente de la ecuación Ax D 0. Cada x en el espacio inicial es
ortogonal a cada lado

Las dimensiones de C.AT / y N.A / añadir a n. Cada vector en Rn es explicado, separando x en xrow
C xnull. Para el ángulo de 90º a la altura de la Figura 1, cambie A a AT. Cada vector b D Ax en el
espacio de columna es isotópico para cualquier solución de ATy D 0. Másbrie fl y, .Ax / Ty D xT.ATy
/ D 0.

La parte 3 del teorema fundamental crea bases ortonormales para los cuatro Subespacios
Además, se trata de una cuestión diagonal con respecto a

Los v0s son eigenvectors ortonormal de ATA, con eigenvalue? 2 i? 0. Entonces la matriz de
vectores propios V diagonaliza ATA D .V † TUT / .U † V T / D V. † T † / V T. Similarmente U
diagonaliza AAT. Cuando las matrices son iguales a la cuadratura, es ATA y AAT. Este resumen se
completa con una matriz más: el pseudoinverse. Esta matriz AC invierte A donde es posible, desde
el espacio de la columna hasta el espacio de fila. Tiene el mismo espacio nulo que AT. Da la
solución más corta a Ax D b, porque ACb es la solución particular en el espacio de campo: AACb D
b. Cadamatrixisinvertiblefromrowspacetocolumn espacio, y AC provistostheinverse:

La figura 2 muestra los cuatro espacios de vuelo con las bases normales y las acciones de A y AC. El
producto ACA es la proyección ortogonal de Rn sobre el espacio de fila, lo más cerca posible de la
matriz de identidad. Ciertamente, la AC es A1 en la que existen versiones alternativas. 3. Matrices
de Rango Uno. Nuestra meta es una comprensión completa de las matrices de rango uno A xyT.
Las columnas de A son múltiplos de x, por lo que el espacio de columna C.A / es una línea. Los
coeficientes de A son múltiplos de yT, el espacio soterrado C.AT / es a través de y (vector vectorial
de la columna). Dejemos que xyy unvectorenunidadenvestigadorque sea atractivo. Puesto que
toda la acción concierne a estos coeficientes, westayinR2: A D xyT D? X1y1 x1y2 x2y1 x2y2?:
Thetraceis x1y1 C x2y2 D xTy: Thenullspaceof A es la línea ortogonal a y. ¿Es una dirección de y? D
.y2; y1 /. El álgebra da Ay? D. D 0 y la geometría se encuentra en el lado izquierdo de la figura 3.
Los vectores de base son yyyy. En la pendiente, las bases para el espacio de columna de A y el
espacio de separación de AT D xxT son los vectores de unidades ortogonales x y x \ lambda.

Valores propios de xyT. Los valores propios de A no fueron mencionados en el Teorema

Fundamental. Los vectores propios son anormalmente ortogonales. Se encuentran en el espacio
de la columna y el espacio nulo, no en un par natural de subespacios. Un subespacio está en Rm,
uno está en Rn, y son comparables (pero no generalmente ortogonales) solamente cuando m D n.
Los vectores propios de la matriz 2 por 2 de la matriz A D xyT son x y y ?: Eigenvectores Ax D .xyT /
x D x.yTx / y Ay? D. D 0: ¿El número nuevo y crucial es ese primer autovalor? 1 D yTx D cos ?. Este
es el rastro desde? 2 D 0. ¿El ángulo? Entreespacios ycolumnaspacedecidirestorientaciónen la
Figura3. ¿Las aceleraciones? D 0 y? D? = 2producematrices de la mejor y de la peor calamidad: ¿Lo
mejor? D 1 cuando x D y: Entonces A D xxT es simétrica con? D 1; 0 ¿Lo peor? D 0 cuando x D y ?:
Entonces A D y? Y T hastracezerowith? D 0; 0 El peor "isashortformof" no diagonalizable ". ¿El
valor propio? D 0 se repite y los dos vectores propios xeyy? Coinciden cuando la traza yTx es cero.
En ese momento A D xyT

No puede ser similar a la matriz diagonal de sus valores propios (porque ésta será la matriz cero).
La elección correcta de Q1AQ producirá la forma de Jordan en este caso extremo cuando xyy
sonoronormales Jordania eligió la mejor base (xey) para poner xyT en esa forma famosa, con un
vectores diagonales de antena. ElSVDpodrápodificarlasdiferentesde las bases normalesormonales
xt.

5. Factorizaciones de A D xyT. Al reunir tres maneras importantes de factorizar esta matriz, usted
puede ver el resultado de cada enfoque y cómo se logra alcanzar ese objetivo. Todavía tenemos
kxk D kyk D 1 y yTx D cos ?. Los resultados son †, ƒ y T.

Las columnas de U, V, S y Q serán x, y, x, yy. ¡Vienenindiferentesfrentados! A. En la SVD, las

columnas de U y V son bases ortonormales para los cuatro subespacios. La figura 3 muestra u1 D x
en el espacio de columna y v1 D y en el espacio de fila. Entonces Ay D .xyT / y da correctamente x
con? 1 D 1. Las bases nullspace son u2 D x? Y v _ {2} D _ {y}. No obstante, existen dos bases
diferentes en U y V, de entre todas las versiones de xey:

El eje pseudoinverso de xyT es yxT. Thenormof A es? 1 D 1. B. En la diagonalización, los

autovectorios de A D xyT son x y y ?. Estas columnas de la matriz de vectores propios S, y su
determinante es yTx D cos \ theta. Los vectores propios de AT D yxT son y y x ?, que van de
acuerdo con S1 (después de división porcos?).

Esta diagonalización falla cuándo? D 0 y S issingular. El Jordanformjumpsfrom ƒ a J, asthatoff-

diagonal1suddenlyappears. C.Oneft de los abundantes
descubrimientosdeIsaacSchurisqualquierescuadrometríaisunitariamente parecida a
matrizatriangular:

Su construcción comienza con el vector propio de la unidad x en la primera columna de Q. ¿En

nuestro caso 2 por 2, la construcción termina inmediatamente con x? En la segunda columna:

Esta matriz triangular T sigue teniendo norma 1, ya que Q es unitaria. Numéricamente, T es mucho
más estable que la forma diagonal ƒ. De hecho T sobrevive en el límite cos? D 0 de los vectores
propios coincidentes, cuando se convierte en J. Nota La forma triangular T no es tan ampliamente
utilizada, pero da una prueba elemental de un efecto aparentemente obvio: Una pequeña
perturbación aleatoria de una matriz cuadrática es casi la misma que los valores equivalentes
producidos. ¿Qué mejor prueba? Desde el punto de vista inverso,
IwonderifSchurcanberegardedthegrandestorealgebrealista de todo el tiempo? ResumenLos cuatro
espacios de base fundamental, procedentes de A D xyT y de AT D yxT, son de cuatro líneas enR2.
Las funciones originales son dadas por x, x, y; Y y ?. Los vectores propios de A y AT son los mismos
vectores. Sin embargo, hay un cruce racial en los cuadros de las figuras 1-2-3. Los vectores propios
de A se encuentran en el espacio de la columna y en el espacio de nube, no en el paréntrico. Las
dimensiones de los espacios se suman a n D 2, pero los espacios no son ortogonales y podrían
incluso coincitar. La mejor imagen es el ortogonal de la TVS.