视频链接
https://www.bilibili.com/video/BV1ys411472E?p=8&spm_id_from=pageDriver&vd_source=f8ee4d4e31e4049864a5ba319b83aea7
- 矩阵是操纵空间的神器;
- 秩的定义是列空间的维数,所谓的“满秩”指的是秩与列数相等。
概述
逆矩阵
首先看线性方程组的表示:
对于线性方程组的几何直觉,我们可以将其视作对
x
⃗
\vec{x}
x寻找一种变换方式,使得其在变换之后变成
v
⃗
\vec{v}
v,示意图如下:
那么如何来找到这种变化,我们通过判断行列式是是否为0,这两种情况分别进行讨论。
行列式不为0时
首先看更为通用的行列式不为0的情况,我们可以取到
x
⃗
\vec{x}
x经过
A
A
A变换后得到唯一的
v
⃗
\vec{v}
v,换句话说,我们也可以通过追踪
v
⃗
\vec{v}
v的逆向变换来得到
x
⃗
\vec{x}
x,这里我们引入矩阵的逆:
行列式为0时
然而,
Rank 秩
列空间
满秩
满秩情况下的零向量:
零向量一定在列空间中
在非满秩情况下,会有一系列向量变换为零向量。
零空间
非方阵情况
二维到三维
仍然是满秩的,因为列空间的维数与输入空间的维数相等。
三维到二维