0. 引入
矩阵
A
m
×
n
A_{m \times n}
Am×n
1. 列空间
C ( A ) C(A) C(A)在 R m R^m Rm中
d i m ( C ( A ) ) = p i v o t _ c o l u m n _ c n t = r a n k ( A ) = r dim(C(A))=pivot\_column\_cnt = rank(A)=r dim(C(A))=pivot_column_cnt=rank(A)=r
2. 零空间
N ( A ) N(A) N(A)在 R n R^{n} Rn中
d i m ( N ( A ) ) = f r e e d o m _ c o l u m n _ c n t = n − r dim(N(A))=freedom\_column\_cnt=n-r dim(N(A))=freedom_column_cnt=n−r
3. 行空间
C ( A ⊤ ) C(A ^{\top}) C(A⊤)在 R n R^{n} Rn中
d i m ( C ( A ⊤ ) ) = r dim(C(A^{\top}))=r dim(C(A⊤))=r
3.1 求解行空间的基
A
=
[
1
2
3
1
1
1
2
1
1
2
3
1
]
A= \begin{bmatrix} 1 & 2 & 3 & 1\\ 1 & 1 & 2 & 1\\ 1 & 2 & 3 & 1\\ \end{bmatrix}
A=
111212323111
化为行最简形,都是做行变化不影响行空间。
A
⟶
R
=
r
r
e
f
(
A
)
=
[
1
0
1
1
0
1
1
0
0
0
0
0
]
A\longrightarrow R=rref(A)= \begin{bmatrix} 1 & 0 & 1 & 1\\ 0 & 1 & 1 & 0\\ 0 & 0 & 0 & 0\\ \end{bmatrix}
A⟶R=rref(A)=
100010110100
C
(
R
)
≠
C
(
A
)
C(R) \ne C(A)
C(R)=C(A)
行空间的基就是前
r
r
r行。
4. 左零空间
N ( A ⊤ ) N(A^{\top}) N(A⊤)在 R m R^m Rm中
d i m ( N ( A ⊤ ) ) = m − r dim(N(A^{\top}))=m-r dim(N(A⊤))=m−r
左零空间
(
A
⊤
)
y
=
0
y
⊤
A
=
0
⊤
(A^{\top})y=0\\ y^{\top}A=0^{\top}\\
(A⊤)y=0y⊤A=0⊤
4.1 左零空间基的求法
与高斯若尔当方法一样。
A
′
=
A
⊤
A'=A^{\top}
A′=A⊤
在原矩阵后添加一个新矩阵
[
A
n
×
m
′
I
m
×
m
]
[A'_{n \times m}I_{m \times m}]
[An×m′Im×m]
将
A
n
×
m
A_{n \times m}
An×m通过行变换为行最简形。
[
A
n
×
m
′
I
m
×
m
]
⟶
[
R
n
×
m
E
m
×
m
]
[A'_{n \times m}I_{m \times m}]\longrightarrow [R_{n \times m}E_{m\times m}]
[An×m′Im×m]⟶[Rn×mEm×m]
此时作用在
A
A
A上的所有行变换就转成了
E
E
E。
E
A
′
=
I
EA'=I
EA′=I
r
=
r
a
n
k
(
A
)
r=rank(A)
r=rank(A)
E
E
E中的最后
m
−
r
m-r
m−r列构成
A
A
A左零空间的基。
举例
A
=
[
1
2
3
1
1
1
2
1
1
2
3
1
]
⟶
R
=
[
1
0
1
1
0
1
1
0
0
0
0
0
]
E
A
=
R
E
=
[
−
1
2
0
1
−
1
0
−
1
0
1
]
A= \begin{bmatrix} 1 & 2 & 3 & 1\\ 1 & 1 & 2 & 1\\ 1 & 2 & 3 & 1\\ \end{bmatrix} \longrightarrow R= \begin{bmatrix} 1 & 0 & 1 & 1\\ 0 & 1 & 1 & 0\\ 0 & 0 & 0 & 0\\ \end{bmatrix}\\ EA=R\\ E= \begin{bmatrix} -1 & 2 & 0\\ 1 & -1 & 0\\ -1 & 0 & 1\\ \end{bmatrix}
A=
111212323111
⟶R=
100010110100
EA=RE=
−11−12−10001
A
A
A的左零空间为
c
[
−
1
0
1
]
c \begin{bmatrix} -1\\0\\1 \end{bmatrix}
c
−101