矩阵分析笔记

零子空间和零空间有什么区别

零子空间

• 定义：零子空间是仅包含零向量 0 的子空间，即： {0}
• 性质：
  • 唯一性：在任何向量空间 V 中，零子空间都是唯一的。
  • 维数：零子空间的维数为 0。
  • 最小性：它是向量空间中最小的子空间。
• 别称：零子空间也常被称为平凡子空间（trivial subspace）。

零空间（核）

• 定义：对于一个线性变换 T:V→W 或一个矩阵 A，零空间是所有被映射到零向量的向量的集合，即： Null(A)={x∈V∣Ax=0}
• 性质：
  • 子空间：零空间是 V 的一个子空间。
  • 维数：零空间的维数称为零度（nullity），反映了线性方程组 Ax=0 的自由变量个数。
  • 依赖于线性变换：零空间的具体形式取决于线性变换 T 或矩阵 A 的性质

二者的区别

1. 组成元素不同：

   • 零子空间：仅包含零向量 0。
   • 零空间：包含所有被线性变换或矩阵映射到零向量的向量，可能包含非零向量。

2. 维数不同：

   • 零子空间：维数始终为 0。
   • 零空间：维数可能为 0，也可能大于 0，具体取决于线性变换或矩阵的性质。

3. 角色不同：

   • 零子空间：作为向量空间中最小的子空间，主要在理论上具有重要性。
   • 零空间：在解决实际问题时，如求解线性方程组、判断线性相关性等，具有实用价值。

关联

• 当线性变换或矩阵的零空间仅包含零向量时（即零空间等于零子空间），说明该变换是单射，矩阵是满秩矩阵。
• 在这种情况下，零空间和零子空间是相同的。

矩阵等价和矩阵相似的区别

一、矩阵等价

1. 定义

对于两个相同大小的矩阵 A 和 B（可以是 m×n的矩阵，不要求是方阵），如果存在可逆矩阵 P（大小为 m×m）和 Q（大小为 n×n），使得：

B=PAQ

那么我们称矩阵 A 和 B 等价。

2. 特点

• 行与列变换：矩阵等价可以看作是对矩阵 A 施加了一系列的可逆行变换（通过 P）和可逆列变换（通过 Q）。
• 适用于任意矩阵：矩阵等价不要求矩阵是方阵，因此适用于任意大小的矩阵。
• 保持矩阵的秩：等价矩阵具有相同的秩（Rank），因为可逆行和列变换不会改变矩阵的秩。
• 标准形：通过等价变换，可以将矩阵化为标准形（如阶梯形、规范形），用于解决线性方程组和矩阵分解等问题。

二、矩阵相似

1. 定义

对于两个 n×n 的方阵 A 和 B，如果存在可逆矩阵 P（大小为 n×n），使得：

那么我们称矩阵 A 和 B 相似。

2. 理解

这里的 P 矩阵可以被视为一个从旧基底 B 到新基底 B′的转换矩阵。当我们用将一个向量从新基底表示转换回旧基底表示，然后应用线性变换 A，再用 P 将结果转换回新基底表示时，最终的结果就是矩阵 B 对该向量的作用效果。

同一个线性变换在不同的基下有不同的矩阵表示，这些不同的矩阵就是相似矩阵。

3. 特点

• 基变换：矩阵相似表示在同一向量空间中，对同一线性变换在不同基下的表示。可逆矩阵 P 表示基的转换。
• 仅适用于方阵：因为涉及到矩阵的逆和乘积，矩阵相似仅定义在方阵之间。
• 保持特征值和特征多项式：相似矩阵具有相同的特征值、特征向量（在适当的基下）和特征多项式。
• 保留性质：相似矩阵的行列式、迹（Trace）、秩、最小多项式等都相同。

三、二者的区别

1. 适用范围不同

• 矩阵等价：适用于任意大小的矩阵，包括非方阵。
• 矩阵相似：仅适用于方阵。

2. 变换方式不同

• 矩阵等价：通过可逆的行和列变换，即左右分别乘以可逆矩阵 P 和 Q。
• 矩阵相似：通过相同的基变换，即左右分别乘以，表示同一空间内基的转换。

特征子空间