1. 程式人生 > >【線性代數】矩陣的四個基本子空間

【線性代數】矩陣的四個基本子空間

矩陣的四個基本子空間

1、零空間

        矩陣A的零空間就Ax=0的解的集合。假設矩陣的秩為r,矩陣為m*n的矩陣,則零空間的維數為n-r。因為秩為r,則自由變數的個數為n-r,有幾個自由變數,零空間就可以表示層幾個特解的線性組合,也即是零空間的維數為自由變數的個數。

2、列空間

       矩陣A的列空間就是矩陣A中各列的線性組合。假設矩陣的秩為r,矩陣為m*n的矩陣,則列空間可以表示為r個主元的線性組合,即零空間的維數為r。

3、行空間

        線上性代數中,我們一般習慣將矩陣看出是一組列向量的組合,matlab中矩陣的儲存是按列儲存的(c中不是)。因此,我們可以將矩陣A進行轉置後來討論行空間和左零空間。假設轉置後的矩陣為AT,則A的行空間就是AT的列空間,A的左零空間為AT的零空間。注意這裡AT為n*m的矩陣。則此時行空間的維數為r。

4、左零空間

       左零空間是ATx=0的解的集合。由於秩為r,則自由變數的個數為m-r,即左零空間的維數為m-r。
上面都是一些定理結果,下面來舉例說明上述定理:

假設矩陣為A:


經過高斯消元得到行最簡式R:


於是我們知道矩陣A的秩為2,則其列空間,行空間的維數都是2,零空間的維數為4-2=2,左零空間的維數為3-2=1。 很明顯,矩陣A的列中,前兩列是線性無關的,則其列空間可以由前兩列來表示。同理,前兩行是線性無關的,其行空間可以有前兩行來表示。由於只有兩個主元,則自由變數個數為4-2=2,所以零空間的特解有兩個,零空間可以由這兩個特解的線性組合來表示。由於左零空間可以看成是ATx=0的線性組合,則有:

我們知道初等行變換不改變矩陣的行空間,但可能改變其列空間(因為行變換是行向量的線性組合),並且消元過程可以表示如下:


我們可以看出,初等矩陣E的第三行與A相乘得到的是0向量即:


對比下式:


可以求得x的值:


這個x就是左零空間的基,因此左零空間的維數為3-2=1。

作者:nineheadedbird


相關推薦

MIT線性代數:10.4基本空間

IT 線性代數 png image http .com In info 空間 MIT線性代數:10.4個基本子空間

線性代數矩陣基本空間

矩陣的四個基本子空間 1、零空間         矩陣A的零空間就Ax=0的解的集合。假設矩陣的秩為r,矩陣為m*n的矩陣,則零空間的維數為n-r。因為秩為r,則自由變數的個數為n-r,有幾個自由變數,零空間就可以表示層幾個特解的線性組合,也即是零空間的維數為自由變數的個

線性代數之——基本空間

1. 四個基本子空間 行空間 C ( A

MIT 線性代數導論 第九講:基本空間

本講的主要內容: 四種子空間的概念以及維數、基 四種基本子空間 首先了解四種基本子空間是什麼: 列空間(column space),簡記為 C(A)C(A)C(A), 由矩陣的列向量生成的空間 零空間(null space),簡記為 N(A)N(A)N(A

線性代數矩陣的特徵分解、特徵值和特徵向量(eigen-decomposition, eigen-value & eigen-vector)

就像我們可以通過質因數分解來發現整數的一些內在性質一樣(12 = 2 x 2 x 3),我們也可以通過分解矩陣來發現表示成陣列元素時不明顯的函式性質。 矩陣分解有種方式,常見的有 特徵分解 SVD 分解 三角分解 特徵分解 特徵分解是使用最廣泛的

線性代數矩陣的零空間

矩陣A的零空間就Ax=0的解的集合。 零空間的求法:對矩陣A進行消元求得主變數和自由變數;給自由變數賦值得到特解;對特解進行線性組合得到零空間。 假設矩陣如下: 對矩陣A進行高斯消元得到上三角矩陣U,繼續化簡得到最簡矩陣R: 由於方程Ax=0的右側是零向量,所以只對矩陣

線性代數矩陣、向量、行列式、特徵值與特徵向量(掌握這些概念一篇文章就夠了)

在數學領域中,線性代數是一門十分有魅力的學科,首先,它不難學;其次,它能廣泛應用於現實生活中;另外,在機器學習越來越被重視的現在,線性代數也能算得上是一個優秀程式設計師的基本素養吧? 一、線性代數的入門知識 很多人在大學學習線性代數時,國內

線性代數2-6:三角矩陣( $A=LU$ and $A=LDU$ )

title: 【線性代數】2-6:三角矩陣( A=LUA=LUA=LU and A=LDUA=LDUA=LDU ) toc: true categories: Mathematic Linear Algebra date: 2017-09-12 15:41:

機器學習線性代數正交基、標準正交基、正交矩陣,正交變換等數學知識點

1.正交向量組直接給定義:歐式空間V的一組非零向量,如果他們倆倆向量正交,則稱是一個正交向量組。(1)正交向量組 是 線性無關的(2)n維歐式空間中倆倆正交的非零向量不會超過n個,即n維歐式空間中一個正交向量組最多n個向量2.正交基在n維歐式空間中,由n個非零向量組成的正交向

線性代數標準正交矩陣與Gram-Schmidt正交化

1、標準正交矩陣     假設矩陣Q有列向量q1,q2,...,qn表示,且其列向量滿足下式:      則      若Q為方陣,由上面的式子則有       我們舉例說明上述概念:       2、標準正交矩陣的好處     上面我們介紹了標準正交矩陣,那麼標準正交矩

線性代數3-4:方程組的完整解( $Ax=b$ )

title: 【線性代數】3-4:方程組的完整解( Ax=bAx=bAx=b ) categories: Mathematic Linear Algebra keywords: Ax=b Special Solution Full Column Rank F

線性代數線性方程組

齊次線性方程組:沒有常數的方程組 方程全體系數的矩陣表示叫係數矩陣常用A表示 係數矩陣的最後一列加上方程組的常數項叫增廣矩陣 初等變換 方程某行同乘以不為零的數 方程加上某行的倍數 某兩個方程交換位置 重新組成的方程為同解方程組 基礎解系:是一個個的解向量 通解:用c1α

線性代數正交變換與座標系的關係

1 正交變換 幾何意義: 正交變換是保持圖形形狀和大小不變的幾何變換,包含旋轉,平移,軸反射及上述變換的複合. 正交可以保證向量的長度和兩個向量之間的角度不變. 定理: 線段變為等長線段 單位向量變為單位向量 笛卡爾座標系變為笛卡爾座標系 矩形變為全等的矩形

線性代數向量的乘法運算

最近把向量乘法運算搞混了,故而溫習一下。 內容主要來自以下兩個文件 0. 綜述 常用的, a·b=||a||||b||cosθ, 這個是向量的內積,又叫數量積,又叫點積。 axb = ||a||||b||sinθ,這個是向量的外積,又叫向量積,又叫叉

線性代數多項式各類演算法總結

前言: 這可能是本蒟蒻在2018省選以前寫的最難的東西了。 考慮到時間緊迫,所以有些東西我自己也不能完全理解,只能照搬課件。 只能以後再看機會填坑了 再說回多項式,幾乎所有的多項式演算法都是基於NTT的優化,也就是說,要想辦法把所有的運算,轉化為可以使用

線性代數方程組的幾何解釋

一、二維情況 首先,給出如下的二元一次方程組: 我們初中就對上面的二元一次方程組進行過求解,求解很簡單。但是我們現在利用線性代數來表示這個式子,上式可以表示為: 我們這裡假設用小寫字母表示向量,大寫字母表示矩陣。上面可以二元一次方程組便轉化為求解x,y。下面我們從幾種不

線性代數正交投影

       我們在初中就應該學過投影,那麼什麼是投影呢?形象點說,就是將你需要投影的東西上的每一點向你要投影的平面作垂線,垂線與平面的交點的集合就是你的投影。注意這裡我們的投影是向量的投影,幾何的投

線性代數之——正交向量與空間

1. 正交子空間 兩個向量垂直,意味著 \(v^Tw=0\)。 兩個子空間 \(\boldsymbol V\) 和 \(\boldsymbol W\) 是正交的,如果\(\boldsymbol V\) 中的每個向量 \(v\) 都垂直於 \(\boldsymbol W\) 中的每個向量 \(w\)。

線性代數公開課MIT Linear Algebra 第二十課 特徵值與特徵向量的應用——馬爾科夫矩陣、傅立葉級數

本系列筆記為方便日後自己查閱而寫,更多的是個人見解,也算一種學習的複習與總結,望善始善終吧~ 馬爾科夫矩陣Markov Matrix 馬爾科夫矩陣Markov Matrix有兩個性質:所有元素大於等於0,所有矩陣的列相加等於1。 這裡性質導致一

線性代數公開課MIT Linear Algebra 第二課 矩陣與高斯消元

本系列筆記為方便日後自己查閱而寫,更多的是個人見解,也算一種學習的複習與總結,望善始善終吧~ 1. Gauss Elimination 高斯消元 還是從線性方程組談起,對於以下方程組: 對其求解,我們使用高斯消元法: 想辦法消掉第二個與