形象理解線性代數(三)——列空間、零空間(核)、值域、特徵值(特徵向量)、矩陣與空間變換、矩陣的秩
這裡,我們還是要以 形象理解線性代數(一)——什麼是線性變換?為基礎。矩陣對向量的作用,可以理解為線性變換,同時也可以理解為空間的變換,即(m*n)的矩陣會把一個向量從m維空間變換到n維空間。
一、矩陣的列空間與矩陣的秩以及值域的關係
矩陣的列空間,其實就是矩陣的列所組成的空間。比如我們考慮一個(3*2)的矩陣,他的列空間就是向量和向量所能組成的空間。在這裡,我們有兩個向量,所以矩陣的列秩為2(在兩向量線性不想關的情況下,表現在圖中即兩個向量不共線)。如果共線,那麼向量可以寫成的線性表示,這個時候,這兩個向量所張成的空間只能是一條直線,所以秩變成了1。
一個矩陣中的m和n不能等價於矩陣的秩。矩陣的秩,其實就是矩陣的列空間所張成的空間的維度。
從線性變換的角度理解的值域,其實就是從空間角度理解的矩陣的列空間。
二、矩陣與空間變換
同樣我們考慮上面的矩陣,言外之意就是把二維空間轉化為三維空間。在原二維空間中的一個向量,經過矩陣A變換後,可以寫成:,即向量和向量的線性組合。兩個向量(不共線)只能組成平面,而不能形成一個立方體。也就是說,輸入的定義域是一個二維平面,而輸出(值域)同樣也會是一個平面,只不過這個平面是在三維空間中的一個帶有角度的平面。而這個空間變換的值域,其實就是上面所說的,矩陣的列空間所張成的平面。
三、零空間
零空間是的所張成的空間。如果說除去零空間還存在,那麼就一定意味著空間是被壓縮了的,因為只有壓縮之後才能把一條直線壓縮到零點上。言外之意,矩陣A的列秩不滿,矩陣A的列向量具有線性相關性。
四、矩陣的特徵值和特徵向量
矩陣的特徵值和特徵向量,是對方陣而言,非方陣沒有這個概念。言外之意,就是將n維空間變換到n維空間。
我們來看特徵值和特徵向量的定義,。我們來結合矩陣與空間變換的理解,矩陣對向量的作用,就是相當於把原來的空間變換到新的空間;如果我們用矩陣是線性變換的理解(形象理解線性代數(一)——什麼是線性變換?),那麼說就是對原來的基底的變換。
從空間的角度來理解,對於向量
對於,其實就是相當於B矩陣對向量的作用,使得某個向量壓縮到零點,也就意味著矩陣B非滿秩,也就意味著B的行列式為0。所以我們可以用來求解。