十、矩阵零空间、线性无关、列空间、列空间的基、零度、秩等概念的整合

矩阵的零空间可以判断矩阵的列向量集合是否线性无关,且可以求出矩阵列空间的基

假设矩阵A:

\mathbf{A} = \begin{bmatrix} 1 & 1 & 1 & 1\\ 2 & 1 & 4 & 3\\ 3 & 4 & 1 & 2 \end{bmatrix}

1. 矩阵A的零空间:

N(\mathbf{A}) = N(rref(\mathbf{A})) = \left \{ \vec{x} \in \mathbb{R}^4 | \mathbf{A} \vec{x} = \vec{0} \right \}

N(\mathbf{A}) = \begin{bmatrix} x_1\\ x_2\\ x_3\\ x_4 \end{bmatrix} = x_3 \begin{bmatrix} -3\\ 2\\ 1\\ 0 \end{bmatrix} + x_4 \begin{bmatrix} -2\\ 1\\ 0\\ 1 \end{bmatrix} = span \left ( \begin{bmatrix} -3\\ 2\\ 1\\ 0 \end{bmatrix}_, \begin{bmatrix} -2\\ 1\\ 0\\ 1 \end{bmatrix} \right )

矩阵A的零空间是一个包含0向量的平面

2. 矩阵A的列向量集合是否线性无关?

S = \left \{ \begin{bmatrix} 1\\ 2\\ 3 \end{bmatrix}_, \begin{bmatrix} 1\\ 1\\ 4 \end{bmatrix}_, \begin{bmatrix} 1\\ 4\\ 1 \end{bmatrix}_, \begin{bmatrix} 1\\ 3\\ 2 \end{bmatrix} \right \}

x_1\begin{bmatrix} 1\\ 2\\ 3 \end{bmatrix} + x_2\begin{bmatrix} 1\\ 1\\ 4 \end{bmatrix} + x_3\begin{bmatrix} 1\\ 4\\ 1 \end{bmatrix} + x_4\begin{bmatrix} 1\\ 3\\ 2 \end{bmatrix} = \begin{bmatrix} 0\\ 0\\ 0 \end{bmatrix}

如果矩阵的零空间仅包含0向量的话,矩阵的列向量集合线性无关,如果除了0向量外,还包含其他向量,那么列向量集合线性相关。因为矩阵A的零空间是一个包含0向量的平面,即x_1,x_2,x_3,x_4可以不全为0,所以矩阵A的列向量集合线性相关。

3. 矩阵A的列空间:

C(\mathbf{A}) = \left \{ \mathbf{A} \vec{x} | \vec{x} \in \mathbb{R}^4 \right \} = span\left ( \begin{bmatrix} 1\\ 2\\ 3 \end{bmatrix}_, \begin{bmatrix} 1\\ 1\\ 4 \end{bmatrix}_, \begin{bmatrix} 1\\ 4\\ 1 \end{bmatrix}_, \begin{bmatrix} 1\\ 3\\ 2 \end{bmatrix} \right )

列向量集合张成了列空间

4. 列空间的基

基是张成子空间的向量的集合,且该集合线性无关。列向量集合可以张成列空间,但如果列向量集合线性相关,那么列向量集合就不是基。求列空间的基时,需要消去多余的列向量,那么哪些才是多余的列向量?求解0空间时,自由变量所在的列的列向量即为多余的列向量。

假设x_3 = -1, x_4 = 0,那么通过0空间,可以计算出:x_1 = 3, x_2 = -2,即前两个列向量的线性组合,可以等于第三个列向量,因此第三个列向量是多余的,同理,第四个列向量也是多余的,最终,列空间的基为:

S^{'} = \left \{ \begin{bmatrix} 1\\ 2\\ 3 \end{bmatrix}_, \begin{bmatrix} 1\\ 1\\ 4 \end{bmatrix} \right \}

5. 子空间的维数

一个子空间的维数,等于该子空间一个基底的元素个数。对于给定的子空间,所有基底含有相同数量的元素(维数相同)

6. 零度

零空间的维数,又称零度,等于行最简化阶梯型矩阵的自由变量的个数。

7. 秩

列空间的维度,又称秩,等于行最简化阶梯型矩阵的主变量的个数。

猜你喜欢

转载自blog.csdn.net/gutsyfarmer/article/details/90513733