線性代數(十一) : 列空間與零空間的進一步介紹
阿新 • • 發佈:2019-01-29
0 這一節會用到以下內容 :
1 零空間的計算
利用矩陣的初等變換求一個矩陣的零空間(Ax=0):
其中矩陣A的行簡化階梯型(reduced row echelon form)記做rref(A)
獲得方程組的增廣矩陣:
化為行簡化階梯形:
轉化回方程組:
這是就求出了A的零空間:
(i)觀察上邊張成零空間的兩個列向量觀察它們的第三和第四個分量。很容易判斷出他們是線性無關的。
因此他們是該零空間的一組基。dim(N(A))=2 零空間的維度也叫做零度(nullity)
3 主元與自由元
通過求以上的零空間我們可以發現x3和x4是可以取任意的值的 而x1和x2可以用x3和x4的線性組合來表示
反之卻不能。因此我們把可以自由取值的分量稱為自由元如上邊的x3,x4,對應的矩陣的列稱為自由列,如上邊矩陣的3,4列
而本身不能自由取值需要通過自由元獲得的稱為主元,對應的列稱為主列(pivot column).如上邊矩陣的1,2列,每個主列只有一個
分量為1,其餘的是0.
4 矩陣列空間的維數
(i)觀察剛才的行簡化階梯形:
其中前兩列是線性無關的 而後兩列均可以用前兩列的線性組合表示。因此:
原矩陣A的前兩列構成了列空間的一組基dim(C(A))=2
(ii)矩陣的列向量除了主列就是自由列因此如果用一個線性對映T U->X來表示矩陣A的話有:
dim(U)=dim(C(A))+dim(N(A))
(iii)矩陣的列空間的維數有另一個名稱叫做矩陣的秩(rank)因此有:
dim(C(A))=rank(A).