矩阵的秩是指变换后的矩阵中数据所在的维度。
变换矩阵的秩决定输入矩阵经过变换后所处的维度。需要注意的是数据压缩可以减少信息降低数据本身的维度所在,但是低维数据变换到高维空间中仍会以相对于这一维空间的低维的形式存在,不会自行增添信息,所以二维正方形映射到三维空间中时仍是一个二维正方形。
当矩阵有无穷多组解时,需要找到极大线性无关组来表示解的空间。
Ax=b的完全解(即通解)=零空间的所有解+特解。(这里的特解是指能够体现出矩阵所在空间维度特征的解)。对于Ax=b我们知道这个方程不一定有解,在之前的章节中说明了是否有解取决于b是否在A的列空间中。
对于m*n的矩阵A,不满秩时,意味着通过消元,最终方程的解要么无解,要么无穷多解(特解+零空间所有向量)。
我们发现零空间实际上就是用来判断矩阵的各列向量是否是线性无关的,如果各列向量是线性无关的,那么零空间中只有零向量,如果各列向量是线性相关的,那么零空间中除了零向量还有其他向量。因此零空间反映的就是各列向量的线性组合。
- 一个矩阵A的零空间是指,能够被矩阵A映射到零点的所有向量所在的空间。
结合之前的总结可得Ax=b有解条件:
- 列空间角度:当且仅当b属于A的列空间时成立
- 线性组合角度:当且仅当b是A各列的线性组合时成立
- 矩阵变换角度:如果A各行线性组合后得到零行,那么b取相同运算方式也必将得到0