美文网首页
线性代数——06 逆矩阵、列空间、秩、零空间

线性代数——06 逆矩阵、列空间、秩、零空间

作者: 小李弹花 | 来源:发表于2018-11-01 18:17 被阅读0次

    提出正确的问题比回答它更困难。—— 格奥尔格.康托尔

    线性方程组

    线性代数在几乎所有技术领域中都有所体现,并被广泛应用。一个主要的原因是,它能帮助我们求解特定的方程组,我们接下来要说的特定形式的方程组是线性方程组,它具有以下性质:

    • 每个方程中,所有的未知量只有常数系数;
    • 这些未知量只进行加和;
    image.png

    要整理这一特定的方程组,一个典型的方法是将未知量放在等号的左边,剩余的常数项放在右边,并且将同一个未知量竖直对齐,在某个未知量不出现时加入0这个系数。

    image.png

    你可能已经注意到了,这和矩阵向量乘法非常类似,事实上,你可以将所有的方程合并为一个向量方程,这个方程有一个包含所有常数系数的矩阵,一个包含所有未知量的向量,和它们乘积所得到的一个常数向量;我们称系数矩阵为A,包含未知量的向量为粗体的x,右侧的常数向量为v。

    Nov-01-2018 16-29-59.gif

    这不仅仅是将方程组写进一行的书写技巧,它还阐明了这个问题中优美的几何直观部分,矩阵A代表一种线性变换,所以求解 A\vec{x} = \vec{v} 意味着我们去寻找一个向量 \vec{x} 使得它在变换后与 \vec{v} 重合。

    现在这个方程的解依赖于矩阵A所代表的变换,是将空间挤压到一个平面、一条直线线或一个点等低维空间,还是保持着变换前的维数,我们将它们分为两种情况:

    • A的行列式不为零;
    • A的行列式为零;
    Nov-01-2018 16-45-21.gif

    当A的行列式不为零时,在这种情况下,有且只有一个向量与 \vec{v} 重合,并且你可以通过逆向进行变换来找到这个向量,如同倒带一样,通过跟踪 \vec{v} 的动向,你就能找到满足 A\vec{x} = \vec{v} 的向量 \vec{x}

    Nov-01-2018 16-54-04.gif

    当你逆向进行变换时,它实际上对应了另一个线性变换,通常称为“A的逆”,记为 A^{-1} ,比如说A是向右的剪切变换,将j帽向右移动一个单位,A的逆就是向左的剪切变换,将j帽向左移动一个单位。

    image.png

    总的来说,A逆是满足以下性质的唯一变换:
    首先应用A代表的变换,再应用A逆代表的变换,你将回到原始状态;两个变换相继作用在代数上体现为矩阵乘法,所以A逆的核心性质在于,A逆乘以A等于一个“什么也不做”的矩阵,这个“什么也不做”的变换被称为“恒等变换”,它保持i帽和j帽不变,所以它的列就是 (1, 0) 和 (0, 1) 。

    对于上面的求解过程就变成了 \vec{x} = A^{-1}\vec{v} ,问题变成了求解一个A的逆,然后和向量 \vec{v} 做乘法。而求解一个矩阵的逆,你通常也不需要自己手动去计算,甚至矩阵向量的乘法也不用,交给计算机就行了,还是那句话,你只需要理解其含义就行了。

    随机选择一个矩阵,大部分情况下其行列式是非零的,也就是说,对于大部分线性方程组,几乎可以确定它存在唯一解。只要变换不将空间压缩到一个更低的维度上,也就是它的行列式不为零,那他就存在逆变换,使得应用A变换再应用A逆变换之后,结果与恒等变换无异;要求解方程,只需要将A逆和向量 \vec{v} 即可;

    但是当行列式为零时,与这个方程组相关的变换将空间压缩到了更低的维度上,此时没有逆变换,就以二维空间举例,当变换把空间压缩成一条直线后,你是不能将一条直线“解压缩”为一个平面的,这样会要求将一个单独的向量变换为一整条线的向量,但是函数只能将一个输入变换为一个输出。说白了,有可能某个变换A把N维空间压缩成一条直线,你看着这条直线找逆变换,你根本无法知道之前的空间维数N是多少。

    image.png

    即便不存在逆变换,解仍然可能存在,比如说一个变换将空间压缩为一条直线,如果向量v恰好处于这条直线上,那么就有解。

    当变换使得空间的维数减少哪怕一个维度,变换的行列式都为零,这样体现不出到底减少了多少个维度,所以我们引入新的概念:秩。秩代表着变换后空间的维数。

    列空间

    image.png

    不管是一条直线、一个平面还是三维空间等,所有可能的变换结果的集合,被称为矩阵的列空间。

    矩阵的列表示着基向量变换后的位置,这些变换后的基向量张成的空间就是所有可能的变换结果,换句话说,列空间就是矩阵的列所张成的空间。所以秩的更精确定义是列空间的维数。

    当秩达到最大值时,意味着秩与列数相等,我们称之为“满秩”。需要注意的是,零向量一定被包含在列空间中,因为线性变换必须保持原点位置不变,对一个满秩变换来说,唯一能在变换后落在原点的就是零向量自身,但是对于一个非满秩的矩阵来说,它将空间压缩到一个更低的维度上,就会有一系列的向量在变换后成为零向量。

    零空间

    Nov-01-2018 18-10-08.gif

    在变换后落在原点的向量集合,被称为所选矩阵的“零空间”或“核”,变换后一些向量落在零向量上,从这个意义上说,零空间就是这些向量所构成的空间,对线性方程组来说,当向量v恰好为零向量时,零空间给出的就是这个向量方程的所有可能解。

    总结

    每个线性方程组都有一个线性变换与之联系,当逆变换存在时,你就能用这个逆变换求解方程组,否则,列空间的概念让我们清楚什么时候解存在,零空间的概念有助于我们理解所有可能解的集合是什么样的。

    相关文章

      网友评论

          本文标题:线性代数——06 逆矩阵、列空间、秩、零空间

          本文链接:https://www.haomeiwen.com/subject/cqyxxqtx.html