矩阵的列空间、行空间、维数、秩理解

列空间 ColA

对于 m×n 矩阵 A   列空间就是 A的各列的线性组合的集合,记为 ColA,是\large R^m的 一个子空间,由 矩阵的主元列构成,即Ax=b中,方程的解基本变量。

 

零空间 NulA

对于 m×n 矩阵 A   零空间就是 齐次方程 Ax=0 的 所有解得 集合 ,记 NulA,是\large R^n 的一个子空间,由 Ax=0 的解构成,即 Ax=0 的解中的 自由变量

 

子空间的基

\large R^n 中 子空间H的一组基是H中的一个线性无关集,它可以生成 H

 

维数 dimH

非零子空间H的维数(dimH)是H的任意一个基的向量个数

 

秩 rankA

矩阵A的秩(rankA)是A列空间的维数,也就是矩阵A主元列的个数

 

秩定理

如果一个矩阵A 有n列,则 rankA+ dimNulA=n

即列空间的维数和零空间的维数之和为n,也就是 主元列的个数+非主元列的个数为n,也就是 基本变量+自由变量的个数为 n

 

举例:

矩阵 A=

矩阵的列空间、行空间、维数、秩理解_第1张图片  

经过化简为

矩阵的列空间、行空间、维数、秩理解_第2张图片

显然主元列 为 第一列、第二列、第五列

列空间的基为 原来的矩阵的主元列

\large \begin{bmatrix} 2\\ -2 \\4 \\-2 \end{bmatrix}\large \begin{bmatrix} 6\\ -3\\ 9\\3 \end{bmatrix}\large \begin{bmatrix} 3\\0\\3 \\3 \end{bmatrix}           维数为3

零 空间 即: Ax=0

矩阵的列空间、行空间、维数、秩理解_第3张图片

可以得出   \large \begin{bmatrix} x1\\ x2 \\x3 \\x4 \\x5\\x6 \end{bmatrix} =\begin{bmatrix} 3x_3-3x_6 \\ -x_4 \\x_3 \\ x_4 \\x_5 \\x_6\end{bmatrix} = x_3* \begin{bmatrix} 3\\ 0 \\1 \\ 0 \\0 \\ 0 \end{bmatrix} + x_4*\begin{bmatrix} 0\\ -1 \\1 \\ 0 \\0 \\ 0 \end{bmatrix} + x_6 *\begin{bmatrix} -3\\ 0\\0 \\ 0 \\0 \\ 1\end{bmatrix}   

所以零空间为     矩阵的列空间、行空间、维数、秩理解_第4张图片  维数为3

 

由此可以看出 列空间 就是主元列 、 零空间就是非主元列

满秩矩阵

所以可以看出,满秩矩阵就是 rankA=n 的矩阵 ,也就是 全部都是主元列 ,也就是所有列都是 线性无关。

行满秩矩阵 就是 行向量之间线性无关 ,列满秩矩阵 就是 列向量之间线性无关

对于方阵 来说  满秩矩阵 可以说明 这是一个 可逆矩阵(非奇异矩阵)

满秩矩阵是一个很重要的概念, 它是判断一个矩阵是否可逆的充分必要条件

一个方阵A是可逆的当且仅当A的行列式不等于0.

因为当A的行列式等于0,则A的行是线性相关的,即A的转置是线性相关的,则A的转置不可逆,则A就不可逆了。

 

 

 

 

 

 

 

 

 

你可能感兴趣的:(线性代数,列空间零空间,秩,维数)