这一节是相当于对之前所有内容的一个总括,也是对线性代数的研究对象 – 矩阵 – 的一个总结 (从vector space的角度)。
这四个space分别是
- Column space C ( A ) C(\bm{A}) C(A).
- Null space N ( A ) N(\bm{A}) N(A).
- Row space C ( A ⊤ ) C(\bm{A}^\top) C(A⊤).
- Left null space N ( A ⊤ ) N(\bm{A}^\top) N(A⊤).
其中 C ( A ) C(\bm{A}) C(A) 和 N ( A ) N(\bm{A}) N(A) 我们之前就接触过了,那row space 和left null space是什么呢?
Row space – 矩阵的行张成的space,可以想象成 A ⊤ \bm{A}^\top A⊤ 的列空间,也可以想象成 A \bm{A} A 左乘一个行向量得到的所有行向量组成的空间。
Left null space – 其实就是 x ⊤ A = 0 \bm{x}^\top\bm{A}=0 x⊤A=0 的解空间,其中 x ⊤ \bm{x}^\top x⊤ 是个行向量。当然也可以想象成 A ⊤ \bm{A}^\top A⊤ 的 null space。
作为总结,我们关注这四个space的dimension & basis。首先搬出Prof. Strang中的图片, 然后我们来挨个详述。
令 Size ( A ) = m × n \text{Size}(\bm{A})=m\times n Size(A)=m×n, Rank ( A ) = r \text{Rank}(\bm{A})=r Rank(A)=