四个子空间
行空间,零空间是是Rn的子空间
列空间,转置矩阵的零空间是Rm的子空间
Rx的x取决于向量分量数
(将列空间和转置矩阵的零空间看成对原矩阵的行进行操作)
四个子空间关系:
矩阵A的列空间等于转置矩阵AT的行空间,矩阵的行的零空间(行线性组合为0的解向量组成的空间)就是转置矩阵的零空间。
矩阵的行等于转置矩阵的列
四空间的维度:
1.A的列向量空间=行向量空间维度=r
原因:秩r=主行数=主列数=基底向量数=行列空间维度
主行数是行向量空间基底,主列是列向量基底
行向量基底数=列向量基底数,所以行列向量空间维度相同
2.AT的零空间维度是n-r AT的零空间(left nullspace)维度是m-r
理解:A的总变量数是n,AT的总变量是m
3.行空间维度加零空间维度等于Rn的空间维度
列空间维度+零空间维度=n=解的分量数
行空间维度+转置矩阵零空间维度=m=解的分量数
(Rx的x取决于向量分量数)
转置对解的影响
Ax=0则xTAT=0T 或者说ATx=0;xTA=0T
解左移且转置,0向量也转置
空间与基底
行空间基底就是主行,列空间基底是主列,零空间基底是n-r个特解,转置矩阵零空间基底是m-r个特解。
RT的列空间就是R的行空间,每行乘一个系数的再进行组合的结果为0,系数就是它的解
因此已知特解数,r 和m(或n)知2求3
注意:C(A)!=C(R)
但两者有一样的r和基底
?
用线点连线图表示关联矩阵(incidence matrix):
节点数表示m,边数表示n
可以通过矢量原则看出主元主列(教材在此处未展开)
1r的矩阵可以等于u*vT:
u和vT都是r=1
2r的矩阵可以看作1r的矩阵加1r的矩阵
将A=CR
C[u1 u2 u3 ...un]
A=row1*u1+row2*u2+....=a1+a2+...
rown为矩阵R中的n行,an为rank=1的矩阵
(矩阵乘法中的右边是竖的,左边是横的相乘.)
总结:课本的内容大多都是对一样事物反复从不同的角度的讲,实际上最重要的是红色标注那一条,其余都可以推出来。