学习笔记: 线性代数-矩阵的四大子空间 之 矩阵的左零空间

简介: 线性代数个人笔记

对于一个$m*n$的矩阵$A$,有四个基本的子空间

  • ①它的列空间可以表示为: $Col(A)$,假设维度为$r$;
  • ②它的零空间可以表示为: $Null(A)$,零空间是矩阵的行空间的正交空间,维度为$n-r$;
  • ③它的行空间可以表示为: $Col(A^T)$,矩阵的行向量转置后变成列向量,所以矩阵行向量构成的行空间在矩阵转置后对应矩阵的列空间,进而表示为转置矩阵的列空间,维度等于矩阵列空间的维度也就是矩阵的秩$r$;
  • ④它的左零空间$Null(A^T)$,指的是矩阵转置后,其列向量变成了行向量,转置矩阵构成的线性方程组$A^{T}x=0$的解$x$所构成的向量空间就是矩阵$A$的左零空间,它是矩阵列空间的正交空间,维度等于$m-r$。

左零空间的"左"释意

一个矩阵的左零空间是矩阵的列空间的正交空间,矩阵转置后原矩阵的列空间变为行空间,建立线性系统$A^{T}x=0$,则这个线性系统的解$x$就是原矩阵列空间的正交空间,也称为左零空间

求矩阵$A$的转置的零空间,建立如下线性系统
$A^Tx=0 \to (A^{T}x)^{T} = 0$
$x^{T} \cdot A = 0$
$x^{'} \cdot A =0 $
可以看到,化简到最后,求矩阵$A$的转置$A^{T}$的零空间,化成了与直接与矩阵A关联的线性系统$x^{'} \cdot A =0 $,相比直接求矩阵$A$的零空间$x$右乘的形式$A \cdot x=0$,线性系统$x^{'} \cdot A =0 $的解$x^{'}$左乘了矩阵$A$,所以,称矩阵$A$的转置$A^{T}$的零空间为矩阵$A$的左零空间。


目录
相关文章
|
4月前
|
存储 算法 Python
稀疏矩阵是矩阵中大部分元素为零的矩阵。
稀疏矩阵是矩阵中大部分元素为零的矩阵。
|
5月前
线性代数——(期末突击)矩阵(上)-概念篇(矩阵的定义、矩阵的运算、特殊矩阵、初等变换)
线性代数——(期末突击)矩阵(上)-概念篇(矩阵的定义、矩阵的运算、特殊矩阵、初等变换)
101 7
|
6月前
|
机器学习/深度学习 存储 人工智能
利用前缀和计算二维矩阵子矩阵的和
利用前缀和计算二维矩阵子矩阵的和
68 0
|
6月前
|
机器学习/深度学习 存储 算法
C# | 凸包算法之Graham,快速找到一组点最外侧的凸多边形
这篇关于凸包算法的文章,本文使用C#和Graham算法来实现凸包算法。 首先消除两个最基本的问题: 什么是凸包呢? 凸包是一个包围一组点的凸多边形。凸多边形是指多边形中的每个内角都小于180度的多边形。 凸包算法有什么用呢? 凸包算法的作用是找到这个凸多边形,并且使用最少的点来绘制出它的轮廓。凸包算法在计算机图形学、计算几何和机器学习等领域中有着广泛的应用。
143 0
|
机器学习/深度学习 C语言 C++
C语言计算N*N矩阵的转置、平均值、对角线元素之和、周边元素之和
C语言计算N*N矩阵的转置、平均值、对角线元素之和、周边元素之和
246 0
|
数据采集 数据可视化 大数据
|
机器学习/深度学习 移动开发
学习笔记: 线性代数-子空间和维度
线性代数个人学习笔记
265 0