线性方程组与矩阵
线性方程组列对齐后可以写成矩阵乘法的形式
求解$A\cdot x=v $时, 即要求取向量x 经矩阵A变换后与向量v重合。
可以分为以下两种情况讨论
\(det(A)!=0\)
如果A的行列式不为0,则可以对向量v进行逆变换求解x;
即对v左乘一个能抵消A变换作用相反的矩阵
由此引出概念逆矩阵,记作\(A^{-1}\)
\(A^{-1}\cdot A=E\)
\(x=A^{-1}\cdot v\)
\(det(A)=0\)
如果A的行列式为0,则空间被压缩了,此时只有在此种情况才有解:v恰好落在压缩后的空间内。
秩
秩(rank)可以描述空间被压缩的情况
例如,对一个3*3的变换矩阵来说,如果空间被压缩成了一个平面,可以称矩阵的秩为2;如果是直线则为1;特殊的,如果没有被压缩,秩为3,称为满秩。
列空间
矩阵的秩等于由矩阵的列向量张成的空间(span)的维数。因此列向量是否线性相关也可以反应空间是否被压缩,行列式是否为0。
零空间
如果v是零向量,则对任意A矩阵,都存在x的解——零向量。