线性代数的本质_03_行列式、逆矩阵、列空间和零空间

行列式：

回顾之前的空间变换，在数学上体现在行列式的乘法，有的空间变换会拉伸空间，有的会压缩，甚至，有的变换会将某个象限压缩，另外的象限拉伸，那么这些空间被拉伸了多少呢？。在线性代数中，行列式的计算是比较容易的，就是左上角到右下角元素乘积之和减去右上角左下角元素乘积之和，计算出来的值可正可负，那么这个值在空间中代表什么呢？

结合上面两个问题，看下图：

不难看出，原来所有面积为1的方格被变成面积为 sqrt(2)*sqrt(5)*cos(a)，结合几何知识和三角函数，计算出面积为3，上图中的 c 就等于3，计算过程如下，或者简单的方法，分块计算再相加也行：

实际上，这个值就是行列式的值，想想上面变换是一个怎样的2*2矩阵，它的值是3吗？

不可否认的是，如果行列式的值代表这个空间基向量围成的大小（可以是面积，可以是体积），我们再学习行列式的时候就知道，这个值可正可负，也可以为0，那么这些怎么在空间中体现出来的？为零比较好理解，因为之前提到了降维，两个基向量共线，那么围成的面积必定为0，下面看看为负是怎样的：

实际上，看空间变化就看出来了，负值代表了空间翻转了，原来的 i 在 j 的右边，现在反过来再左边了，而且这个变换过程经过了0，是一个由正向负变换的过程，在三维空间下，这个过程体现为右右手直角坐标系变为左手直角坐标系的过程。

在三维上，我们观察的就是由 i，j，k 三个基向量围成的体积，如下：

当变换到一个平面的时候，体积就被压缩到0了，再继续变换，必然导致坐标系变为左手直角坐标系，此时，行列式计算出来的结果就变为负值了。

对于三维的行列式的值的计算如下：他在空间中也可以体现出来，但是不方便看。

矩阵用途：

目前我们已经体会到，矩阵可以用来描述空间变换，甚至更高纬度的空间变换，此外，在初中我们学到过“n元一次线性方程中”，之所以叫线性方程组，因为它本身就可以看做是线性变换，甚至可以看成空间中向量的变换，如下图：

这可以看做，在上图“系数”这个变换中，某个三维向量变化成了【-3，0，2】这个向量，求原始向量。同样的，在二维也是一样。我们不妨想想，如果我们知道另一个空间变换，与上面“系数”所指的这个变换是一个反向过程，那么这个变换是不是可以将【-3，0，2】这个向量变回到【x，y，z】向量，这个变换称为“逆变换”，在线性代数中称为“逆矩阵”。如下图是二维的逆变换举例：

 

逆矩阵：

在之前的讲解中，或多或少提到过逆矩阵，逆矩阵就是代表空间变换过程的逆过程，逆矩阵的存在也正是因为这个两个变换过程是反向的，经过这两个变换，必然回到原来的状态，相当于什么也没做。所以A*pow（A，-1）必定等于单位矩阵，即原始的坐标系。

所以，求上面的xyz三个值，实际上，我们可以求原来变换的逆变换，这个逆变换乘以原来结果的那个向量，得到的就是xyz三个标量指的向量。其实也就是xyz三个值。

但是逆矩阵存在的要求是行列式的值不为0，即这个变换不会导致降维，如果降维了，就不存在逆变换，我们也没有办法将一条直线解压成二维空间，这或许就是刘慈欣《三体中》提到的，如果一种生物能在更低的纬度生存，他就不怕降维打击，而且提到降维打击不可逆，宇宙将降到0维，回到原点。

对于上面的降维，线性代数中有一个比较学术化的术语称为“秩”，当一个变换能将当前维度（3*3的变换，当前维度就是3维，类推）降到1维，那么这个变换的秩为1，如果变道2维，这个矩阵的秩就是2。秩代表着变换后的维度。所以可以得出结论，一个矩阵的秩不能能大于这个矩阵的维度。因为不能升维，只能降维。

列空间与零空间：

对于满秩的变换，变换后在0向量的向量必定只有0向量，对于降维的变换就不一样的，如图：

上面二维变换，存在一条线被压缩到0向量，这个线上的任意向量变换后都在0向量。 

上面三维变换，也存在一条线被压缩到0向量，因为他的维度直降了1，如果维度降2呢（此时秩为1）：

可以看都，有一个平面都被压缩到原点了。

在线性代数中，一个变换的零空间实际就是这些被压缩到0向量的向量的集合，也就是上面的直线与平面。零空间又名“核”。对于线性方程组，零空间这个集合实际上就是其解的集合，所以不降维，有一个解，降维则有无数解，因为有一个（降一维）未知数无用，我们可以任意给值。

我们理解了零空间，就是变换后等于0向量的向量集合，那么列空间就是其互补的部分，变换后的张成空间就是其列空间。在线性代数中定义为所有列张成的空间为列空间，实际是一个意思。

 

非方阵：

非方阵，例如，3*2的方阵，在线性代数中，我们知道，他可以乘以一个二维向量，得到一个三维向量，实际上，3*2的方阵是可以增加纬度的。值得一提的是，输入的二维向量和输出的三维向量是完全不同的。实际上，它是将二维的 i j 向量强行放在三维中，而且放入后，本质还是一个平面，只不过这个平面所有的向量都是三维向量。

但这个3*2的矩阵任然是满秩的，其张成空间是三维中的一个平面（或者说将二维平面映射到三维空间中），所以本质还是二维的。

类似的，还有2*3的方阵，在线性代数中，输入为三维向量，输出为二维向量，恰巧，这个在实际生活中还是有用途的，例如，机械设计行业的轴测图，我们将三维的物体反映到纸上，其方阵为：

当然啦，你也可以认为这个矩阵是这样的：

想必搞过CAD或者其他三维设计的朋友应该熟悉把。

根据以上，还可以推理将二维压缩到一维上，就是一个1*2的矩阵，这看起来就比较奇怪，脑补下吧。

参考资料：

3Blue1Brown：行列式

3Blue1Brown：逆矩阵、列空间与零空间

3Blue1Brown：非方阵