5.8 KiB
title | date |
---|---|
《线性代数》逆矩阵、列空间和秩 | 2023-08-06T22:46:23+08:00 |
矩阵的用途
可参与求解线性方程组(每一个方程中,所有的未知量只有常系数。未知量之间只加和)
\left\\{
\begin{array}{c}
2x+5y+3z &=-3 \\\\
4x+0y+8z &=0 \\\\
1x+3y+0z &=2 \\\\
\end{array}
\right.
线性方程组也可以合并为一个向量方程,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及乘积所得到的一个常数向量
\overbrace{\begin{bmatrix}
2 & 5 & 3 \\\\
4 & 0 & 8 \\\\
1 & 3 & 0
\end{bmatrix}}^{A}
\overbrace{\begin{bmatrix}
x \\\\
y \\\\
z
\end{bmatrix}}^{\vec{x}} =
\overbrace{\begin{bmatrix}
-3 \\\\
0 \\\\
2
\end{bmatrix}}^{\vec{V}}
由此可得出几何关系A\vec{x} = \vec{V}
二维方程组
对于方程组
\left\\{
\begin{array}{c}
2x+2y &=-3 \\\\
1x+3y &=0 \\\\
\end{array}
\right.
A为2$\times2$矩阵,V和X都是二维向量
\underbrace{\begin{bmatrix}
2 & 2 \\\\
1 & 3
\end{bmatrix}}_{A}
\underbrace{\begin{bmatrix}
x \\\\
y
\end{bmatrix}}_X =
\underbrace{\begin{bmatrix}
-4 \\\\
-1
\end{bmatrix}}_V
方程解则依赖于A所表示的线性变换是将空间挤压到更低维度还是保持完整二维空间,即A的行列式的值是否为0
A的行列式非0,即空间未被挤压为零面积的区域,随机选取矩阵时遇到此情况概率很大,因此对于这样的两个未知量,两个方程的方程组几乎存在唯一解
此时有且只有一个向量在变换后与V重合,能够跟踪V的动向,逆向变换V得到这个向量
逆向变换时对应一种逆变换,称A的逆,记
\underbrace{\begin{bmatrix}
3 & 1 \\\\
0 & 2
\end{bmatrix}^{-1}}_{A^{-1}}
A逆是满足以下性质的唯一变换
首先应用A的变换,再应用A逆的变换会回到原始状态
在矩阵乘法上表现为相乘得到一个什么也不做的矩阵(保持基向量不变)
A^{-1}A =
\begin{bmatrix}
1 & 0 \\\\
0 & 1
\end{bmatrix}
由此可知,一旦得知A^{-1}
就能通过在两边同时乘A的逆矩阵的方式来求解向量方程
\underbrace{A^{-1}A}_{什么也不做矩阵}\vec{X} = \vec{V}A^{-1}
随后得到的\vec{X} = \vec{V}A^{-1}
则在几何上表示逆向进行变换且跟踪\vec{V}
的动向
这种思想依旧适用于高维情况下,只要行列式不为零,就存在逆变换使得应用A变换再应用A逆变换后与原矩阵相同
A^{-1}A =
\begin{bmatrix}
1 & 0 & 9 \\\\
0 & 1 & 0 \\\\
0 & 0 & 1
\end{bmatrix}
求解方程也与二维相同
\underbrace{A^{-1}A}_{什么也不做矩阵}\vec{X} = \vec{V}A^{-1}
行列式为0时
此时不存在逆变换,无法将一条线变为一个平面(此操作会让单个向量映射为多个向量,不满足线性变换类似函数的一一对应)
对三维空间同样生效,变换将三维空间压缩为一个平面乃至一条直线或一个点,也不存在逆变换
此时依旧可能存在解
对于二维,需要让向量V恰好处于这条直线上
秩
变换结果为一条直线,即一维结果,则称秩为1
变换后平面落在平面上,则称变换的秩为2
由此,秩表示变换后的空间的维数
对于一个2$\times$2的矩阵,最大秩为2,基向量能张成整个二维空间且行列式不为0,对于3$\times$3矩阵而言,则是被压缩为一个平面
所有可能的输出向量A\vec{v}
的集合称为矩阵的列空间
由此我们可以推断出,秩的更准确定义是列空间的维数,秩的值最大时,表明秩与列数相等,称满秩
由于线性变换必须保持原点位置不变,所以零向量必定包含在列空间中
对于一个满秩变换,唯一能在变换后落在原点的就是零向量自身,非满秩变换则将空间压缩到更低维度上,意味着存在一系列向量在变换后变为零向量
变换后落在原点的向量的集合则称为矩阵的零空间或核
对于一个线性方程组,如果向量V恰好为零向量,零空间就是这个向量方程的所有可能的解
A\vec{X} = \overbrace{\begin{bmatrix}
0 \\\\
0
\end{bmatrix}}^{\vec{V}}