线性代数学习笔记3-4:描述线性变换的空间压缩情况(列空间、秩)
已经知道,矩阵对应线性变换,而线性变换可能会压缩空间
当然,空间被压缩降维的程度也有大有小:若被压缩为一维,则对应一条线;若被压缩为二维,则对应一个平面;
那么,如何衡量线性变换后的维度压缩程度呢?——使用列空间和秩的概念
列空间:线性变换后的向量空间
矩阵 A \mathbf A A的列空间,记为 C ( A ) C(\mathbf A) C(A),其定义如下:
- 列空间是:线性变换后,新的基向量的张成空间(张成空间:向量所有可能的线性组合构成的集合)
i.e. 基向量在线性变换后,能够描述出的空间 - 列空间是:矩阵的列向量张成的空间(因为矩阵 A \mathbf A A的各个列向量,就是变换后的基向量坐标)
矩阵 A \mathbf A A有 n n n列/ n n n个列向量,那么列空间一定是 R n \mathbf R^n Rn的子空间
注意,零向量一定在列空间中(因为列空间也是向量空间,任何向量空间必包含零向量,并且由此可知,线性变换必须保证原点位置不变)
进一步举例说明列空间:
- 2x4矩阵,由于列向量只有两个分量,列空间必为 R 2 \mathbf R^2 R2的子空间(行数量对应向量所属的坐标系的维数;行的数量为2,则向量最多两个坐标,这就限制了一个向量最多能描述的空间是 R 2 \mathbf R^2 R2)
若行向量无关,则满秩,此时列空间为二维平面(列秩为2,存在多余列向量) - 5x2矩阵,由于列向量有五个分量,列空间必为 R 5 \mathbf R^5 R5的子空间
即使列向量无关,即列向量最多张成一个平面,列秩最多为2(注意,这个平面不是 R 2 \mathbf R^2 R2,因为有5个坐标, R 2 \mathbf R^2 R2容不下,这个平面应该理解为五维空间 R 5 \mathbf R^5 R5中的二维平面)
秩:定量描述线性变换后的空间维度
矩阵 A \mathbf A A的秩是:
- 矩阵的秩是:线性变换后空间的维数(秩越小,变换后空间被压缩的程度越严重)
- 矩阵的秩是:列空间的维数=线性无关的列向量个数(严格说,列空间的维数是列秩,但是「秩」=「列秩」=「行秩」)
为什么「秩」=「列秩」=「行秩」?
把列看做列向量,则行是每个列向量在列空间各个坐标轴上的投影(坐标),行的数量则是列空间坐标系的维数
如果矩阵有m个不相关的列向量(变换后有m个不相关的基向量),就应该张成m维的列子空间,进而不相关的行向量个数(坐标分量个数)也应该是m
⇒ \Rightarrow ⇒矩阵满秩:线性变换后空间没有被压缩(线性变换前的空间维数=列空间的维数)
矩阵不是列满秩 ⟺ \iff ⟺矩阵的列向量线性相关(变换后存在着多余的、对张成空间没有贡献的基向量,列空间维数<原空间)
- 考虑3x3的矩阵和三维空间:
矩阵的秩为3,则线性变换后空间被仍充满整个三维空间,也称变换的秩为3;
矩阵的秩为2,则线性变换后空间被压缩为一个平面,也称变换的秩为2;
矩阵的秩为1,则线性变换后空间被压缩为一条直线,也称变换的秩为1; - 对于 n × n n \times n n×n的矩阵,秩最大为 n n n,意义是:变换后的空间维度最大为 n n n(变换后基向量的张成空间span最大为 n n n维)
- 推论:行列式为零 ⟺ \iff ⟺矩阵不满秩(两者意义相同:线性变换后空间被压缩降维)
线性代数学习笔记3-4:描述线性变换的空间压缩情况(列空间、秩)相关推荐
- 线性代数学习笔记(二十九)——方程组解的结构(一)
停更2年多了,做事得有始有终,继续更新... 本篇笔记回顾了线性方程组解的三种情况,并讨论了齐次线性方程组解的结构,并介绍了齐次线性方程组解的相关性质.其中重点讨论了基础解系定义,以及基础解系的求法和 ...
- 线性代数学习笔记2-2:向量空间、子空间、最大无关组、基、秩与空间维数
向量空间 向量空间就是一些向量的集合,并且满足:向量空间对于这些向量的线性组合封闭(任意向量间的加法.数乘,得到的向量仍属于这个向量空间) 具体来说,向量空间中的元素(向量)的加法和数乘满足8条公理 ...
- 线性代数学习笔记——第四章学习指南——n维向量空间
一.学习内容及要求 1. 内容: §4.1. n维向量空间的概念 线性代数学习笔记--第四十讲--n维向量空间的概念 线性代数学习笔记--第四十一讲--n维向量空间的子空间 §4.2. 向量组的线性相 ...
- 线性代数学习笔记10-4:左右逆、伪逆/M-P广义逆(从四个子空间和SVD角度理解)
下面讨论m×nm\times nm×n的秩为rrr的矩阵 对于不同情况,讨论逆矩阵 两侧逆矩阵 2-sided inverse 这也是一般所说的"逆矩阵"的含义 方阵A\bolds ...
- 线性代数学习笔记(二十二)——向量间的线性关系(二)
本篇笔记首先介绍了线性相关和线性无关的概念,关键是找到一组不全为零相关系数使得等成立:然后重点介绍了一些重要的结论,以及向量组线性相关和线性无关的几个充要条件. 1 线性相关与线性无关 线性相关:设 ...
- 线性代数学习笔记(十五)——初等变换(一)
本篇笔记首先讨论了矩阵的初等变换,包括初等行变换和初等列变换两类,每一类初等变换又有三种变换规则,需要注意该初等变换与行列式对应的性质没有任何关系:然后讨论了初等变换和标准形的关系,任意矩阵都可以通过 ...
- 线性代数学习笔记6-1:行列式与线性变换
行列式:用面积的变化描述线性变换的效果 之前说过,线性变换就是一种操纵空间和变换坐标轴的手段,它保持原点固定且网格平行等距: 有的线性变换将空间拉伸,有的线性变换将空间向内挤压(如剪切/切变变换),有 ...
- 线性代数学习笔记(几何版)
本博客仅用来记录重要概念. 线性代数学习请移步https://www.bilibili.com/video/av6731067 不得不说,这位up主讲的是真心好,尤其是点积叉积那一部分,直接刷新世界观 ...
- 线性代数学习笔记8-4:正定矩阵、二次型的几何意义、配方法与消元法的联系、最小二乘法与半正定矩阵A^T A
正定矩阵Positive definite matrice 之前说过,正定矩阵是一类特殊的对称矩阵: 正定矩阵满足对称矩阵的特性(特征值为实数并且拥有一套正交特征向量.正 / 负主元的数目等于正 / ...
最新文章
- include与jsp:include区别【转载】
- 网络管理员&MCSE2003之12: 第8章 应用管理模板和审核策略
- python学习日记day2
- boost asio 异步实现tcp通讯
- linux 6中启动模式,linux6.x启动流程
- 拼多多九鼎:信息披露无瑕疵 “注水”的是竞争对手
- windows下安装Redis测试
- [android] 手机卫士保存安全号码
- 跨云应用部署:在云存储服务之间复制文件
- android播放视频来源库,一个强悍而优美的Android视频播放器
- 对 Java 意义重大的 7 个性能指标
- 第24周SDAI缓解能否预测远期RA骨破坏受抑制
- 怎么python安装mysql库_python在windows上怎么安装mysql数据库
- 窘境遇到HR Manager
- 汉字GB2312编码字符集
- eclipse怎么将项目打包成jar文件
- 简单的Java 16方格排序游戏
- 四年Android面试遇到的问题整理,值得收藏!
- 【经济学视频课程】力量F的属性与…
- Python是什么编程语言