几何角度理解线性代数（2）: 逆矩阵、列空间与零空间

已于 2022-08-28 15:12:09 修改
阅读量289 收藏 2
点赞数
分类专栏： 数学基础 文章标签： 线性代数 矩阵 机器学习
于 2022-08-28 00:30:41 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/flow_specter/article/details/126564184
版权

文章目录

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

在这里插入图片描述

逆矩阵

首先看线性方程组的表示：
在这里插入图片描述
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：在这里插入图片描述

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：
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

行列式为0时

在这里插入图片描述
然而，
在这里插入图片描述

在这里插入图片描述

Rank 秩

在这里插入图片描述

列空间

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

满秩

在这里插入图片描述

满秩情况下的零向量：
在这里插入图片描述

零向量一定在列空间中

在这里插入图片描述

在非满秩情况下，会有一系列向量变换为零向量。

零空间

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

非方阵情况

二维到三维

在这里插入图片描述
在这里插入图片描述

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

在这里插入图片描述
在这里插入图片描述

二维到一维

在这里插入图片描述

FLOWVERSE
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
线性代数与空间解析几何
10-20
将线性代数与空间解析几何这两部分内容按其自身的内在联系合理地...内容包括行列式、矩阵、几何向量、n维向量、空间中的平面与直线、线性方程组、特征值与特征向量、线性空间与线性变换、二次型、空间中的曲面与曲线。
向量空间，子空间，列空间，零空间（PartIII）
u013761573的专栏
05-24 1万+
目录： vector space （向量空间） subspace space （子空间） 由Ax=bAx=b理解column space （列空间） 由Ax=0Ax=0理解null space（零空间），求解Ax=0Ax=0的主变量及特解 -矩阵的秩（rank）
从空间的角度去理解矩阵
weixin_43621193的博客
08-12 1114
从映射的角度去理解矩阵什么是矩阵矩阵的运算矩阵的分块   众所周知，无论是机器学习还是深度学习的参数几乎都是用矩阵去描述的，自然而然的就会认为矩阵是用来存储数据的。其实这么去理解是可以的，从数据结构去理解的话，其实矩阵就是数组，而数组是用来存储数据的。   那么我们为什么要从空间的角度去理解矩阵呢？因为无论是机器学习还是深度学习中我们都会接触到空间的概念，从空间的角度去理解矩阵有助于加深深度学习和机器学习的概念。接下来让我们从空间的角度去理解矩阵的相关操作吧 什么是矩阵   我们可以想象有两个多维空间，假设
线性代数——逆矩阵、列空间、秩与零空间
weixin_44646187的博客
03-21 863
1.线性方程的初等变换和矩阵的初等变换的区别 线性方程组主要是采用初等行变换； 矩阵的初等变换包括列变换和行变换。 2.分类 只能作初等行变换： 解线性方程组 求矩阵列向量的最大无关组。 求特征向量(因为实际上还是求方程组的解) 不能用初等变换： 求特征值(由|λE-A|=0求，不能事先对A进行初等变换) 行列变换可以混用： 求矩阵的秩(初等变换不改变矩阵的秩) 行列变换不能混用： 求逆矩阵：可以对其进行初等行变换(横着求A|E)或初等列变换(竖着求A/E)，但一般而言初等行变换使用更广泛 3
线性代数：转置矩阵（matrix transpose）和逆矩阵（matrix inverse）
热门推荐
羊羊的博客
11-24 17万+
       这一篇是为了后面着色效果的数学基础做积累，之前我们使用矩阵的大部分情况都是直接的仿射空间变换，就是仿射空间A变换到仿射空间B，使用矩阵也都是如下：        矩阵T*齐次坐标V = 齐次坐标V'        其计算细节也就是矩阵行与向量列的点积，其计算意义也就是获得新仿射空间中的坐标分量，也聊了很多了。        这次我们就来学两个矩阵的操作，一个是矩阵的转置操作（得...
矩阵的几何意义
爱不释手lc
09-08 4531
转载自：http://blog.sina.com.cn/main_v5/ria/private.html?uid=1837328284 实数组的几何意义：（a，b）和（a，b，c）分别代表平面和三维空间上的一个点 矩阵的几何意义：在线性空间中，如果确定了一个基，线性映射就可以用确定的矩阵表示。                 即线性空间上的线性映射。  
线性代数与空间解析几何课后习题参考答案
05-01
本答案书包含了线性代数与空间解析几何的所有课后习题答案，解题步骤清晰
《空间解析几何与线性代数(第2版)》作者：张宪君 出版时间： 2011年
06-07
《空间解析几何与线性代数(第2版)》可作为工科大学本科生的数学课教材，也可供准备报考工科硕士研究生的人员与工程技术人员参考。
《解析几何与线性代数》作者:文志雄 编 出版时间:2010年
06-07
作者:文志雄 编出版社:科学出版社出版时间:2010年09月
带几何解释的线性代数讲义
12-02
带几何解释的线性代数讲义，讲解了解析几何以及线性代数工具下的几何定义，几何意义扩展线索下的代数定义，Euclidean Space，酉空间定义，正定矩阵的定义
计算机图形学（四）几何变换_3_矩阵逆变换
heyuchang666的专栏
03-28 6394
旋转角的负值生成顺时针方向的旋转，因而当任何旋转矩阵和其逆旋转矩阵相乘时生成单位矩阵。由于旋转角符号的变化仅影响sin函数，因此该逆矩阵可以通过交换行和列来获得。即我们可以做任何旋转矩阵R的转置矩阵来得到它的逆矩阵（R-1= RT）。 将缩放系数用其倒数取代就得到了缩放变换的逆矩阵。对以坐标系原点为中心，缩放参数为Sx和Sy的二维缩放，其逆变换矩阵为
图解矩阵的逆
一个搬运知识的笨小孩
01-01 693
1.图解矩阵的逆 笔记来源于：深蓝学院《线性代数的几何意义》 矩阵A对原绿色图形进行变换，结果为橙色图形 逆矩阵A−1A^{-1}A−1将橙色图形逆变换回绿色图形 先压缩变换（矩阵PPP）再旋转变换（矩阵RRR） 先旋转变换（矩阵R−1R^{-1}R−1）再压缩变换（矩阵P−1P^{-1}P−1） 可逆矩阵需满足： 1.必须为nnn阶方阵（还没整明白为什么） 2.方阵的秩为n（即将原图形变换后图形的维度仍为n维，以保证变换前后变换后图形同处于一个维度空间内） ...
逆矩阵(inverse matrix)的概念及其意义
vernice的专栏
09-17 6万+
逆矩阵是经常遇到的一个概念。教科书中讲解了逆矩阵的求法，但是没有说清楚为何需要逆矩阵，逆矩阵的意义是什么。逆矩阵可以类比成数字的倒数，比如数字5的倒数是1/5，矩阵A的“倒数”是A的逆矩阵。5*(1/5)=1, A*（A的逆矩阵） = I，I是单位矩阵。引入逆矩阵的原因之一是用来实现矩阵的除法。比如有矩阵X，A，B，其中X*A = B，我们要求X矩阵的值。本能来说，我们只需要将B/A就可以得到X矩
线性代数笔记12——列空间和零空间
我是8位的
09-05 1万+
零空间 　　先看定义。A是m×n矩阵，x是列向量，如果存在向量集合N，满足：   　　则称N是A的零空间。 零空间的意义 　　从定义看出，零空间是方程Ax = 0的所有解的集合：   　　A的零空间关心的是方程方程Ax = 0的解，准确地说是解所张成的空间，方程等于零向量也是零空间中“零”的含义。因为x∈Rn，零空间关心的又是x的解，所以x张成的空间也在Rn中，那么它是否是Rn的子空...
线性代数 --- Matrix A的零空间(Null space)与列空间(Column space)
松下J27录放机
03-29 5613
Matrix A的零空间（Null space）与列空间(Column space)
从几何意义上理解逆矩阵与伴随矩阵的特征值与特征向量
龙征天的博客
07-26 1万+
文章目录矩阵、行列式、逆矩阵、伴随矩阵的几何意义矩阵逆矩阵行列式伴随矩阵特征值与特征向量的几何意义逆矩阵与伴随矩阵的特征值和特征向量后记 矩阵、行列式、逆矩阵、伴随矩阵的几何意义 矩阵 首先要理解矩阵的作用，矩阵是一种空间变换关系，以方阵A为例[2101]\begin{bmatrix} 2&1\\ 0&1 \end{bmatrix}[20​11​] 这个方阵表示将一个空间进行剪切变换，原始的iii从[10]\begin{bmatrix}1\\0\end{bmatrix}[10​]变为[20]
线性代数-知识点复习（面试用）
Peter1146717850的博客
04-24 572
线性代数知识点梳理
深度学习-线性代数
最新发布
Einstein·Jun
04-24 1114
keepdim=True是一个参数，当设置为True时，它会使得聚合操作后的张量在被聚合的维度上仍然保持一个大小为1的维度，而不是完全去除这个维度。第一个位置的元素保持不变（因为没有之前的元素可以相加），之后的每个位置的元素都是它自身和它之前所有元素的和。A是一个m×n的矩阵，x是一个n×1的一列，所以得到一个m的列向量。axis=1 即第二维度------按行方向操作。axis=1即第二维度------按列方向操作。二维的：axis=0即第一维度------按行方向操作。此时，就跟二维的有所区别。
线性代数与空间解析几何pdf
07-01
线性代数与空间解析几何PDF是一本涉及线性代数与空间解析几何知识的电子书。线性代数是数学中的一个重要分支，研究向量空间及其上的线性变换和线性方程组等问题。它的应用广泛，被用于物理学、经济学、计算机科学等...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

FLOWVERSE

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值