不是方阵有逆矩阵吗_深入浅出线性代数(3)-非方阵

本系列文章为3BLUE1BROWN-线性代数本质的系列视频的笔记，主要记录视频中讲的重要内容，有时候会加入自己的一些思考，建议大家可以边看视频边看本文。视频地址如下：

https://space.bilibili.com/88461692?from=search&seid=6059906507170296686​space.bilibili.com

本次的笔记内容是从视频第六章往后一节的附注的内容笔记，记述了非方阵在线性代数中的物理意义，以及我对视频后面思考题的理解。其余章节的笔记在：

• 深入浅出线性代数(1)-线性变换
• 深入浅出线性代数(2)-逆矩阵，列空间与零空间

---

之前所叙述的，都是在变换矩阵为方阵的情况下进行分析，即向量在线性变换矩阵的作用下，变换前后向量的维度不变。进一步的，考虑向量在不同维度之间的线性变换，我们可以推广至非方阵的情况。

非方阵的情况有两种：行数大于列数 以及 列数大于行数。

1. 矩阵行数大于列数

考虑线性变换矩阵

，变换之前向量

以及变换之后向量

，则变换的公式可写作:

可以看出，经过变换之后，二维空间的向量

变换到了三维空间的向量

，因此当线性变换矩阵

的行数大于列数时，此线性变化实际上实现的是一个

升维的操作。

• 由列空间定义可得，变换后的所有可能的向量
  所构成的空间为矩阵
  的所有列向量所张成的空间，而矩阵 仅有两个列向量，则
  的列空间仍是二维的（即两个基向量在3维空间中所张成的一个2维平面）。
• 变换之后列空间的维度与原始空间维度相同，说明矩阵
  是满秩的。

2. 列数大于行数

参考1的分析，当列数大于行数时，线性变换矩阵​

实现的是一个

降维的操作，对高维空间的信息进行压缩。此时变换后列空间的维度与原始空间维度不同，说明A不是满秩的。

3. 思考

此段视频最后提出一个思考题，思考在不同维度间线性变换的背景下，矩阵乘积和线性方程组等概念的意义。

3.1 矩阵乘积的思考

考虑两个线性变换矩阵​

，

​ ，两个向量​

，

​ 。

• 如若进行以下变换：

其几何意义是先将向量​

从二维空间变换到三维空间，再从三维空间变换回二维空间。如此，信息从低维映射到高维再映射回低维，其信息并没有被压缩损失，即经过特定变换，可以从

​中完整的恢复​

的信息。

设​

，则 ​

，我们可以从

​中完整的恢复​

的信息，则说明此线性变换存在逆变换，即

存在​，使得​

。此时矩阵​

是满秩的。

• 若进行如下变换：

其几何意义是先将向量​

从三维空间变换到二维空间，再从二维空间变换回三维空间。此时，若​

的所有可能向量在三维空间中并不位于同一平面上，则经过两次变换后，

​ 的信息相对于

​ 是损失了的（因为从三维到二维的压缩已经造成了不可逆的损失），我们无法从​

恢复​

，即损失不可逆。

简而言之，矩阵的乘积可看作不同维度间线性变换的过程，若涉及某个矩阵为降维变换，则代表信息会受到压缩，变换过程是不可逆的；反之，信息并未受到压缩，变换过程可逆。

3.2 线性方程组的思考

我们考虑一个方程组个数少于变量数的线性方程组：

用矩阵的形式写作：

从线性变换角度看，则可以看作是变换矩阵​

将向量​

从三维压缩到二维，此时要从二维向量​

求的三维向量​

是不可能的（或者说有无穷多种可能，参考深入浅出线性代数(2)-逆矩阵，列空间与零空间 中零空间的概念）。因此，若要使得两个变量有一一对应的关系（即线性方程组有唯一解），则变换矩阵

​ 的行数必须大于或等于列数，即线性方程组的方程个数要大于或等于未知变量的个数。