线性代数笔记:左/右乘列/行满秩,秩不变

左/右乘列/行满秩,秩不变

  • 如何理解 左乘列满秩,右乘行满秩,秩不变

几何解释

  • 假如有线性方程组, A B = C AB=C AB=C,矩阵 A A A 列满秩

  • 矩阵 A A A 的列向量就可以构成这个 n n n 维空间的一组基

    • 为什么?

    • [ i ⃗   ,   j ⃗   ,   k ⃗ ] ⋅ [ a b c ] = a ⋅ i ⃗ + b ⋅ j ⃗ + c ⋅ k ⃗ = v ⃗ \displaystyle{ \left[\begin{array}{lll} \vec{i} \ ,\ \vec{j} \ ,\ \vec{k} \end{array}\right]\cdot \left[\begin{array}{lll} a \\ b \\ c \end{array}\right]= a\cdot\vec{i}+b\cdot\vec{j}+c\cdot\vec{k}=\vec{v} } [i  , j  , k ] abc =ai +bj +ck =v .

    • 将它代入到三维空间里理解,矩阵 A A A 其实就是 i ⃗ , j ⃗ , k ⃗ \vec{i},\vec{j},\vec{k} i ,j ,k .

    • 这个角度的线性方程组,向量 C C C 其实表示的是,在以矩阵 A A A 的列向量构成的下的向量 B B B .

  • 矩阵 A A A 的列向量作为基底的例子

    • [ i ⃗   ,   j ⃗   ,   k ⃗ ] ⋅ [ 1 2 3 ] = 1 ⋅ i ⃗ + 2 ⋅ j ⃗ + 3 ⋅ k ⃗ = ( 1 , 2 , 3 ) \displaystyle{ \left[\begin{array}{lll} \vec{i} \ ,\ \vec{j} \ ,\ \vec{k} \end{array}\right]\cdot \left[\begin{array}{lll} 1 \\ 2 \\ 3 \end{array}\right]= 1\cdot\vec{i}+2\cdot\vec{j}+3\cdot\vec{k}=(1,2,3) } [i  , j  , k ] 123 =1i +2j +3k =(1,2,3) .
    • i ⃗ = ( 1 , 0 , 0 )   ,   j ⃗ = ( 0 , 1 , 0 )   ,   k ⃗ = ( 0 , 0 , 1 ) \vec{i}=(1,0,0)\ ,\ \vec{j}=(0,1,0)\ ,\ \vec{k}=(0,0,1) i =(1,0,0) , j =(0,1,0) , k =(0,0,1) .
    • 比如这个东西, ( 1 , 2 , 3 ) (1,2,3) (1,2,3) 其实就是 C C C,它表示的是 B B B 这个向量在三维空间标准正交基下的一个向量
  • 有了以上的结论之后,那么如果 A A A 可以构成一组基, B B B 就可以被完整的在这个空间中表示,

    B B B 的信息不会增加也不会缺损(前提是 A A A 是列满秩的,只有 A A A 列满秩才能构成全体空间的一组基)

  • 这意味着,经过 A A A 表示的 B B B,秩不会发生改变,即矩阵左乘列满秩,被乘矩阵的秩不变。

  • B B B 本来是直线,被基表示后还是直线,本来是点,被表示后还是点

    (当然前提还是 A A A 必须能构成全体空间的基底)

  • 行满秩做一个转置,然后同理可得就行

    • 假设 N N N 行满秩,则 N T N^T NT 列满秩
    • M N = D ⇒ ( M N ) T = C T ⇒ N T M T = D T MN=D\Rightarrow (MN)^T=C^T\Rightarrow N^TM^T=D^T MN=D(MN)T=CTNTMT=DT .
    • N T = A N^T=A NT=A M T = B M^T=B MT=B D T = C D^T=C DT=C .
    • N T M T = D T ⇒ A B = C N^TM^T=D^T\Rightarrow AB=C NTMT=DTAB=C . 同理可得.

你可能感兴趣的:(线性代数,笔记)