线性代数(13)——向量空间、维度和四大子空间(下)
向量空间、维度和四大子空间
- 零空间的基和秩-零化度定理
- 零空间及零空间的基
- 秩-零化度定理
- 列空间与零空间对比
- 零空间与矩阵的逆
- 深入理解零空间
- 左零空间
- 回顾已有的三个子空间
- 第四个子空间
- 研究子空间的意义
零空间的基和秩-零化度定理
零空间及零空间的基
一个齐次线性系统A⋅x=0A\cdot x=0A⋅x=0的解就是对应的系数矩阵的零空间。
首先通过一个简单的齐次线性方程组进行演示,
(−1231−4−13−354)⟹(107015000)⋅(x1x2x3)=(000)⟹(−7x3−5x3x3)=(−7−51)x3\begin{pmatrix}-1&2&3\\1&-4&-13\\-3&5&4\end{pmatrix}\Longrightarrow\begin{pmatrix}1&0&7\\0&1&5\\0&0&0\end{pmatrix}\cdot \begin{pmatrix}x_1\\x_2\\x_3\end{pmatrix}=\begin{pmatrix}0\\0\\0\end{pmatrix}\Longrightarrow\begin{pmatrix}-7x_3\\-5x_3\\x_3\end{pmatrix}=\begin{pmatrix}-7\\-5\\1\end{pmatrix}x_3 ⎝⎛−11−32−453−134⎠⎞⟹⎝⎛100010750⎠⎞⋅⎝⎛x1x2x3⎠⎞=⎝⎛000⎠⎞⟹⎝⎛−7x3−5x3x3⎠⎞=⎝⎛−7−51⎠⎞x3
该线性系统的零空间维度为1,向量 (-7, -5, 1)是该空间的一组基。
实际问题中会遇上更多的复杂情况,如下面这个复杂矩阵,
进一步的将解向量进行提取,得到下面的四个向量,
这实际上就是这四个向量的生成空间,同时也是这个复杂的线性系统的解,同样也是该线性系统系数矩阵的零空间的一组基,该零空间的维度是四维。
秩-零化度定理
回顾最开始通过Gauss-Jordan消元法得到的矩阵的行最简形式,
可以总结如下,一个m×nm×nm×n的矩阵,将其化为行最简形式,其主元列的个数为列空间的维度;如果已知主元列的数目就可以得到自由列的数目,自由列列数就是零空间的维度。列空间维度+零空间维度=nnn。
对于一个矩阵而言,行秩=列秩,统称为矩阵的秩(rank)。零空间的维度称为零化度(nullity),故可以得到秩-零化度定理:秩+零化度=nnn。
列空间与零空间对比
对于一个m×nm×nm×n的矩阵,
列空间 | 零空间 |
---|---|
Ax=vAx=vAx=v(vvv任取) | Ax=0Ax=0Ax=0 |
列空间是mmm维空间的子空间 | 零空间是nnn维空间的子空间 |
列空间的维度是行最简形式中主元列的数目 | 零空间的维度是行最简形式中自由列的数目 |
主元列对应原矩阵的列,是列空间的一组基 | 求取零空间的基需要求解齐次线性系统 |
零空间与矩阵的逆
当行最简形式不存在自由列时,零空间的维度为0。此时矩阵是满秩的。因为矩阵满秩的等价命题是矩阵存在逆矩阵,所以在矩阵可逆的命题中又多了一条等价命题。
深入理解零空间
- AAA的零空间就是Ax=0Ax=0Ax=0中,所有xxx组成的空间
- 零空间是一个集合,这个集合中的所有向量与AAA的行向量的点乘结果为0
- 这个集合中所有的向量与AAA的行空间中所有的向量垂直(正交)
左零空间
回顾已有的三个子空间
第四个子空间
矩阵的列空间与之对应的是矩阵的零空间。理论上也会存在一个与矩阵的行空间对应的空间,可以使用 Null(AT)Null(A^T)Null(AT)进行表示,称为左零空间。
线性系统 ATx=0A^Tx = 0ATx=0的解所对应的空间就是矩阵A的左零空间。之所以称为左零空间,源自于对该空间线性系统表达式的推导,
研究子空间的意义
子空间的维度比原空间的维度低,尤其是面对维度很高的数据时,不仅难分析而且计算量极大。如果可以降维,可以简化问题的研究。
在实际的研究中,很多情况下都会遇到 Ax=bAx=bAx=b,这样的线性系统,若AAA的行数大于列数(可以理解为样本数目大于特征数目),即方程数大于未知数个数。此时线性系统是无解的,因此很难学习到有用的知识。在AAA的列空间中寻找一个离bbb最近的b′b'b′。转而求解 Ax=b′Ax=b'Ax=b′。
线性代数(13)——向量空间、维度和四大子空间(下)相关推荐
- 线性代数(12)——向量空间、维度和四大子空间(上)
向量空间.维度和四大子空间 空间的概念 欧几里得空间 向量空间 广义向量空间 子空间 欧几里得空间的子空间 维度 概念 子空间和维度 行空间和矩阵的秩 行空间 行秩 列空间与列秩 行空间和列空间对比 ...
- 线性代数之 向量空间与基,子空间,列空间,零空间,秩
线性代数之 向量空间,基,子空间,列空间,零空间,秩 前言 向量空间 基 子空间 生成子空间 列空间 零空间 向量空间的维数 矩阵的秩 前言 本篇介绍向量空间的有关内容.向量空间实际上是一个群. 向量 ...
- 第九章向量空间,维度和四大子空间
9.1空间,向量空间和欧几里得空间 什么是空间? 空间就是一个集合. 欧几里得空间 欧几里得空间是有序实数元组的集合 (6,66)属于二维欧几里得空间 (3.14,0,sqrt(2))属于三维欧几里 ...
- 线性代数学习之向量空间,维度,和四大子空间
空间: 在上一次https://www.cnblogs.com/webor2006/p/14306046.html学习了诸多在线性代数中非常核心的概念(线性组合.线性相关.线性无关.生成空间,空间的基 ...
- Nature:13个维度,手把手教“研究er”如何做报告
点击上方,选择星标或置顶,不定期资源大放送! 阅读大概需要5分钟 Follow小博主,每天更新前沿干货 交流科研进展和想法除了公开发表论文,最好的方式无疑是公开演讲.报告.毕竟,通过自己的语言将自己的 ...
- astride包括那几个维度_据说宇宙有13个维度,那么各个维度都代表着什么?
你是哪里听来的13个维度? 弦理论算出来有26个维度,超弦理论算出来有10个维度,M理论算出来11个维度,就是没有13个维度的.... 弦理论.超弦理论.M理论一般都被人统称为弦理论,因为它们的基础都 ...
- Nature:13个维度,手把手教“研究er”如何做学术报告
↑ 点击蓝字 关注视学算法 作者丨蒋宝尚 来源丨AI科技评论 编辑丨极市平台 交流科研进展和想法除了公开发表论文,最好的方式无疑是公开演讲.报告.毕竟,通过自己的语言将自己的科研想法"讲&q ...
- 线性代数之 向量空间几何学(1)仿射
线性代数之 向量空间几何学(1)仿射 前言 仿射组合 仿射组合与向量空间 仿射无关性 总结 前言 本章是线性代数最后一节内容,向量空间与几何学. 仿射组合 定义仿射组合:对于RnR^nRn中的向量v⃗ ...
- 漫步线性代数八——向量空间和子空间
消元简化了线性方程组Ax=bAx=b,幸运的是它也简化了理论.存在性和唯一性的基本问题(一个解或没有解或无穷多个解)在消去之后很容易回答,我们现在就针对m×nm\times n系统讨论这些问题. 但消 ...
最新文章
- MySQL-性能优化-索引和查询优化
- 基于 HTTP 协议的 3 种实时数据获取技术
- reactjs jsx语法规则
- 552. 学生出勤记录 II
- 管道(Pipe)/createPipe
- python入门经典电子书-python从入门到精通pdf
- python自定义变量名有哪些_Python学习第161课——自定义变量和导出变量
- js基础-19-判断图片加载完成的方法
- 避坑宝典|win11升级最新预览体验版bug梳理
- Java教学视频全集,活见久
- Google 人工智能基本原则
- Hazelcast IMDG学习 Map java demo
- Python学习笔记_获取猫耳广播剧
- JAVA7新特性1---groovy
- 从西方的七宗罪入手,提升自己
- 【Mybatis】分页
- python图像处理(二)绘制函数图像
- 电商营销方式抢购,秒杀Redis原子出队列lpop方法作为剩余库存判断条件的实现方式(2)
- 院校解析||211大学分八档
- 2.5-2.7 1×1 卷积 Inception 吴恩达 第四门课 卷积神经网络 第二周 深度卷积网络