学习笔记: 线性代数-零空间的基 与 秩-零度化定理

简介: 线性代数个人学习笔记

零空间是对于一个矩阵$A$,满足线性系统$Ax=0$,所有的解$x$组成的向量空间。由于矩阵$A$零空间本身隐藏在矩阵$A$的内部,所以它的存在相对抽象。

构造零空间的基

构造一个矩阵$A$的零空间的基,本质是对求出线性系统$Ax=0$的解空间进行简单变形,从而得到零空间的基。

  • 示例说明:
    存在矩阵A,通过高斯消元求取它的行最简形式:

    从系数矩阵A 的行最简形式得到线性系统$Ax=0$的解$\vec x$的形式如下:

    这个解的形式显示了组成线性系统$Ax=0$的任意一个解的内部分量所存在的线性关系,$x_1$和$x_2$这两个分量可以由其它四个分量$x_3,x_4,x_5,x_6$的线性组合所表示。将所有解改写成列向量形式:

    从解的列向量形式可以看到对分量$x_3,x_4,x_5,x_6$取任意实数$R$,就可以得到线性系统$Ax=0$的所有解空间的其中一组解$\vec x=(x_1,x_2.x_3,x_4,x_5,x_6)$,这个解可通过单独提出分量$x_3,x_4,x_5,x_6$拆分成以下形式的线性组合进行表示:

    拆分后得到的四个线性无关的向量$\vec v_1=(1,-2,1,0,0,0),\vec v_2=(2,-3,0,1,0,0),\vec v_3=(3,-4,0,0,1,0),\vec v_4=(5,-6,0,0,0,1)$,通过这四个向量的线性组合$k_1 \vec v_1+k_2 \vec v_2+k_3 \vec v_3+k_4 \vec v_4$就可以表示出线性系统的解$\vec x$,意味着线性系统的解$\vec x$构成的空间就是向量$\vec v_1, \vec v_2, \vec v_3,\vec v_4$的生成空间,也就是系线性系统系数矩阵$A$的零空间。由空间的基的定义(给定$n$维空间的一组基,则空间中的任意一个向量都可以表示成这组基的线性组合)可知,这个四个线性无关向量$\vec v_1, \vec v_2, \vec v_3,\vec v_4$就是它们生成空间的基,也是线性系统系数矩阵$A$的零空间的基,这个空间的维度就是$4$

综上,对于线性系统$Ax=0$,把系数矩阵$A$化为行最简形式之后,自由列的列数就是矩阵A的零空间的维度:

矩阵的行最简形式的一般形式


秩-零度化定理

对于一个$m*n$的矩阵有,将其化为行最简形式后,主元列数为其列空间的维度,也就是矩阵的秩,同时也是矩阵行空间的维度。当求出矩阵的主元列列数$r$,则矩阵的自由列列数(也就是矩阵的零空间的维度)等于$n-r$。就有 $\color {#e94513} {矩阵的列空间的维度+ 零空间的维度 = n}$ 。

列空间的维度也就是矩阵的秩,零空间的维度的专业名词叫做$零化度(Nullity)$
$\therefore 秩-零度化定理: \ \ \ 秩(rank) +零化度(Nullity) = n $

零空间的维度为0

零空间的维度等于一个矩阵的行最简形式中自由列的个数,当一矩阵全部都是主元列的时候,也就是一个$m*n$的矩阵的列空间的维度为$n$的时候,矩阵的零空间维度为0。对于一个方阵来说,即为满秩的时候,矩阵的零空间维度为0


理解上一章节线代--零空间中最后的疑惑
为什么对于两个平面(二维欧式空间),它们在三维空间内不可能正交的,它们只可能在四维空间中出现正交。

首先,矩阵的零空间是与矩阵的行空间正交的一个空间,零空间内的任意向量垂直于行空间的所有向量;
对于一个$m*n$的矩阵来说,行空间和零空间都是一个$n$维空间的子空间;
假设矩阵的行空间是一个二维欧式空间的话,那么矩阵的零空间的维度是$n-2$;
如果$n=3$,就是在一个三维空间内,同时能存在一个二维子空间和一个一维子空间正交;
当$n \ge 4$,就是在一个四维以上的空间内,当存在一个二维的子空间(矩阵的行空间)的前提下,能找到另一个二维子空间(矩阵的零空间)与矩阵的二维行空间正交。所以两个二维欧式空间正交只能在四维以上的空间内发生。

目录
相关文章
|
8月前
|
人工智能 自然语言处理 语音技术
《AI赋能鸿蒙Next:为特殊人群打造无障碍交互新体验》
在科技飞速发展的今天,鸿蒙Next设备借助人工智能技术,显著提升了特殊人群的无障碍交互体验。针对视障人群,提供精准屏幕朗读、视觉辅助智能问答和导航避障辅助;面向听障人群,实现AI声音修复、实时字幕与语音转文字;助力语言障碍者和老年人群体,通过AI优化交流与操作体验。开发者可利用鸿蒙Next的AI能力,深入了解用户需求,进行测试与优化,共同创造友好、便捷的无障碍环境,让特殊人群更好地融入数字社会,享受科技带来的美好生活。
421 8
|
9月前
|
机器学习/深度学习 人工智能 自然语言处理
GLM-4V-Flash:智谱 AI 免费开放的图像理解大模型 API 接口
智谱AI推出的GLM-4V-Flash是一款专注于图像理解的免费开放大模型,提供API接口支持用户上传图片URL或Base64编码图片获取详细的图像描述。该模型通过深度学习和卷积神经网络技术,简化了图像分析流程,提高了开发效率,适用于内容审核、辅助视障人士、社交媒体、教育和电子商务等多个应用场景。
2700 14
GLM-4V-Flash:智谱 AI 免费开放的图像理解大模型 API 接口
|
9月前
|
Unix Linux 虚拟化
VMware Workstation 17.6.2 发布下载,现在完全免费无论个人还是商业用途
VMware Workstation 17.6.2 发布下载,现在完全免费无论个人还是商业用途
44740 16
VMware Workstation 17.6.2 发布下载,现在完全免费无论个人还是商业用途
|
Linux Windows
Nomachine 最简安装与使用指南
这是一篇2022年Nomachine软件的极简安装与使用指南,包括Windows和Linux系统下的安装步骤,以及如何在Windows系统上通过Nomachine远程控制Linux系统的方法。
Nomachine 最简安装与使用指南
|
机器学习/深度学习 Python
tanh函数
本文探讨了高等数学中的tanh函数,即双曲正切函数,其定义为 $\tanh(x) = \frac{e^x - e^{-x}}{e^x + e^{-x}}$,导数为 $1 - \tanh^2(x)$。tanh函数广泛适用于各类场景,并在神经网络中有重要应用。提供的Python代码绘制了tanh函数及其导数的图像。
813 1
|
安全
Mac 使用 rar 命令行工具解压和压缩文件
Mac 使用 rar 命令行工具解压和压缩文件
541 1
|
机器学习/深度学习 传感器 算法
植保机器人病虫害检测
植保机器人病虫害检测
309 2
|
机器学习/深度学习 人工智能 自然语言处理
服务行业自动化
服务行业自动化
308 1
|
存储 SQL 数据库连接
数据输入输出概念详解与代码示例
在编程领域,数据的输入与输出是极为关键的环节,它们构成了程序与外界交互的桥梁。数据的输入是指程序从外部获取数据的过程,而数据的输出则是程序将处理后的数据展现给外部用户或系统的过程。了解并掌握数据输入输出的概念对于编写高效、实用的程序至关重要。
312 0