向量空间:
若存在一个向量空间为,则该空间中有个元素,为维向量空间,表示如下:
矩阵的4个空间:
1.列空间:
如上面的矩阵,由这n个m维向量所张成的空间就是矩阵的列空间,记作。
例1:一个3×3矩阵
,,
显然,V1,V2,V3线性无关,有三个基底,对这三个列向量线性组合,可以表示三维空间中任一向量,意味着V1,V2,V3这3个矩阵的列向量张成的空间为一个3维空间,则矩阵的列空间为一个三维空间。
例2:
,,
显然,线性相关,共有两个基底,在一个三维空间中,张成的一个二维平面上的任意一个向量。这时,的列空间为一个二维空间。
总结:对任一个m×n的矩阵,以其n个列向量为基底张成的空间为该矩阵的列空间。可以想象,因为矩阵每一个列向量的维度为m维,其张成空间的最大维度必然为m维度,则矩阵A的列空间一定为或者空间的子空间。
2.零空间:
矩阵A,向量x,若有,则所有满足条件的x集合成的空间为矩阵A的零空间,记做。
对上矩阵,只有向量 才能满足条件,也即:矩阵A的零空间为一个0维度的空间(零空间≠0维空间)。
对于矩阵,只有向量 (为任意实数)才能满足条件,矩阵的零空间为一个1维的空间(直线)。
3.行空间:
与列空间相反,把所有的行看成向量,也能张成一个空间,该空间为A的行空间记作
4.左零空间:
左零空间为矩阵A的转置的零空间。
矩阵的秩:
矩阵的秩的定义为列空间的维度数,记为r,那么对于矩阵A1来说C(A1)的维度数位3,则矩阵的秩为3。此外,对于一个m×n的矩阵,零空间的维度和矩阵列空间的维度满足:零空间维度=n-r。
如何理解这个n-r,我们来回顾下定义,本质上零空间为向量x经过A1投影后被投影到空间原点的x的集合,向量x为一个n维向量,投影结果为Ax,Ax为列空间中的一个向量其维度必然等于列空间的维度r,则必然有n-r个维度的"信息"被压缩,所以零空间的维度就必然等于n-r。(或者理解为,列空间补全了n-r个维度的信息后,可以变为原x所在的空间)