线性代数--列空间、零空间

矩阵的列空间和零空间

列空间关注的是使得Ax=b的成立的b, 零空间关注的是当b为零向量时的x的取值

举个例子:

列空间
A是如下矩阵
?????123411112345?????
因为A是三个三维向量, 不可能覆盖所有的四维空间, 所以对于Ax=b这个式子来说, 肯定会有b不存在的情况, 我们要找的就是b什么时候存在。

根据一般思维, 先研究b为零向量时, 这时候Ax=b肯定是成立的。 除此之外还有没有什么情况呢? 肯定是有的, 当b为a中某列或者某列的 c 倍时, 也是成立的。 也就是说当b矩阵为A矩阵某列的线性组合时, Ax=b就是成立的。

零空间
零空间关注的是:当b为零向量时x的取值。 容易知道, 当b为零向量时, x为零向量时Ax=b是成立的, 因为任何向量乘以零向量结果都是零向量。 那还有没有成立的情况呢? 注意上面的那个A矩阵, 它的前两列的加起来是等于第三列的, 所以(列一加列二减列三)结果也是零向量。 同样 c * (列一加列二减列三) 也是成立的。也就是说此时使得Ax=b成立的 x = 。 此时零空间为R3中一条过原点的直线。

时间: 2024-09-23 20:15:52

线性代数--列空间、零空间的相关文章

【线性代数】向量空间

对称矩阵      假设有一矩阵A,其中Aij=Aji,则称这个矩阵为对称矩阵. 对称矩阵有如下性质: 也就是说:1.一个对称矩阵的转置和其逆是相等的:2.一个对称矩阵可以由一个矩阵和其转置矩阵相乘得到. 向量空间      向量空间即空间中向量的四则运算得到的向量人在空间中.     1.二维情况下,其子空间有       a.零向量(0,0)       b.过零点的直线       c.R2整个空间    2.三维情况下,其子空间有       a.零向量(0,0,0)       b.过

【线性代数】矩阵的零空间

矩阵A的零空间就Ax=0的解的集合. 零空间的求法:对矩阵A进行消元求得主变量和自由变量:给自由变量赋值得到特解:对特解进行线性组合得到零空间. 假设矩阵如下: 对矩阵A进行高斯消元得到上三角矩阵U,继续化简得到最简矩阵R: 由于方程Ax=0的右侧是零向量,所以只对矩阵A进行消元不会影响解,因此不需要增广矩阵,所以有: 从上面的高斯消元的结果可以看出,矩阵A的秩为2,其中第1,3列为主元列,2,4列为自由列,对应于方程主来说,形式转变如下: 从上式可以看出,x2,x4是自由变量,我们可以随意赋值

机器学习--线性代数基础

数学是计算机技术的基础,线性代数是机器学习和深度学习的基础,了解数据知识最好的方法我觉得是理解概念,数学不只是上学时用来考试的,也是工作中必不可少的基础知识,实际上有很多有趣的数学门类在学校里学不到,有很多拓展类的数据能让我们发散思维,但掌握最基本的数学知识是前提,本文就以线性代数的各种词条来做一下预热,不懂的记得百度一下. 请尊重原创,转载请注明来源网站www.shareditor.com以及原始链接地址 矩阵与方程组 还记得n*n方程组是怎么求解的吗?这个术语叫"回代法",即转成三

【线性代数】图与网络

       前面的关于线性代数的文章都是从数学的角度来讲解的,本文将换个角度来讲解问题.导师时常告诉我,凡事都要想想它的物理或实际意义,需要透过现象看本质,这样就能更加深刻的理解,这样就可以看看线性代数有什么实际的用途.        假设有如下电路网络: 图中有1,2,3,4号节点,y1,y2,y3,y4,y5五条边,箭头的指向标明可以电流流向.我们假设电流的出发点设为-1,到达点设为1,则我们可以通过矩阵来表示上述网络: 矩阵零空间的物理意义 我们首先考虑矩阵A的零空间,则有:      

【线性代数】矩阵的四个基本子空间

矩阵的四个基本子空间 1.零空间         矩阵A的零空间就Ax=0的解的集合.假设矩阵的秩为r,矩阵为m*n的矩阵,则零空间的维数为n-r.因为秩为r,则自由变量的个数为n-r,有几个自由变量,零空间就可以表示层几个特解的线性组合,也即是零空间的维数为自由变量的个数. 2.列空间        矩阵A的列空间就是矩阵A中各列的线性组合.假设矩阵的秩为r,矩阵为m*n的矩阵,则列空间可以表示为r个主元的线性组合,即零空间的维数为r. 3.行空间         在线性代数中,我们一般习惯将

《 线性代数及其应用 (原书第4版)》—— 导读

前 言学生和教师对本书前三版本的反响十分令人满意. 第4版在第3版的基础上为课程教学和软件技术应用提供了更多支持. 像以前一样,本书给出最新的线性代数基本介绍和一些有趣应用,使得已完成大学第二学期数学课程(如学完微积分)的学生容易接受.本书的主要目的是帮助学生掌握以后课程学习所需要的基本概念和基本技能,教材的选题是根据"线性代数课程研究小组"的建议,该建议基于认真分析学生的实际需要和许多不同专业使用线性代数知识的共同点而提出. 希望这门课能够成为对大学生最有用和最有趣的数学课程之一.新

【线性代数】线性方程组的求解

       上一篇文章讲述了Ax=0的解和矩阵A的零空间,这里我们讨论Ax=b的解以及矩阵A的列空间.        Ax=0是肯定有解的,因为总存在x为全零向量,使得方程组成立.而Ax=b是不一定有解的,我们需要高斯消元来确定.我们还是利用上一篇讲述了Ax=0的解的矩阵A来举例说明: 我们可以得到上述方程组的增广矩阵(等式右侧不是全零向量,消元时值会改变,所以需要用增广矩阵)如下: 然后我们进行高斯消元可以得到: 从上面的矩阵可以看出,等式成立必须有: 我们假设一个满足上面条件的b向量,例如

《 线性代数及其应用 (原书第4版)》——2.8 R^n的子空间

2.8 的子空间 本节讨论 中重要的向量子集,称为子空间. 通常子空间与某个矩阵 A有关,它们提供了关于方程 Ax=b的有用信息. 本节的概念和术语将在本书以下部分经常出现. 定义 中的一个子空间是 中的集合 H,具有以下三个性质: 零向量属于H. 对 H中任意的向量u 和v ,u+v 属于H . 对 H中任意向量 u和数c,cu属于H .换句话说,子空间对加法和标量乘法运算是封闭的. 你将在以下例子看到,第1章中所讨论的向量集合大部分是子空间. 例如,通过原点的一个平面是一种很典型的子空间,可

【线性代数】最小二乘与投影矩阵

        前一篇文章<正交投影>中我们讲述了正交投影,现在我们来从正交投影的角度来看看我们熟悉的最小二乘法.我记得最早知道最小二乘法是在大一上高数课的时候,我们首先回顾一下什么是最小二乘法. 1.最小二乘法         最近机器学习比较火,机器学习中的许多算法都是对信息进行分类,比如说支持向量机就是根据已知信息来分类,神经网络可以找到输入输出的关系(当然,不能给出具体的数学表达式),这两种算法都能找到输入与输出的关系,分类和回归总是相辅相成的.以后有时间也准备写写关于机器学习方面的算