3.5 矩阵 $4$ 个空间和方程 $A\mathbf{x}=\mathbf{y}$ 的关系
矩陣 444 個空間和方程 Ax=yA\mathbf{x}=\mathbf{y}Ax=y 的關(guān)系
已經(jīng)介紹了矩陣 AAA 的 333 個空間,列空間 {Av}\{A\mathbf{v}\}{Av} :矩陣列向量組張成的空間;行空間 {ATu}\{A^T\mathbf{u} \}{ATu}:矩陣行向量組張成的空間;零空間 {x:Ax=0}\{\mathbf{x}:A\mathbf{x}=\mathbf{0}\}{x:Ax=0} :行空間的正交補空間。那必然存在列空間的正交補空間,稱為左零空間 {x:ATx=0}\{\mathbf{x}:A^T\mathbf{x}=\mathbf{0}\}{x:ATx=0} 。
因為 ATx=[a1Txa2Tx?anTx]=0A^T\mathbf{x}=\left[ \begin{matrix} \mathbf{a^T_{1}}\mathbf{x} \\ \mathbf{a^T_{2}}\mathbf{x} \\ \vdots \\ \mathbf{a^T_{n}}\mathbf{x} \end{matrix} \right] = \mathbf{0}ATx=??????a1T?xa2T?x?anT?x???????=0 ,該式的幾何圖像是:向量 x\mathbf{x}x 與矩陣 AAA 列向量組垂直,即向量 x\mathbf{x}x 垂直矩陣 AmnA_{mn}Amn? 列空間,第一章介紹了空間正交分解和空間的正交補空間,矩陣左零空間就是矩陣列空間的正交補空間!
定義 矩陣 AmnA_{mn}Amn? 左零空間 矩陣列空間的正交補空間 {x:ATx=0}\{ \mathbf{x}:A^T\mathbf{x}=\mathbf{0} \}{x:ATx=0} ,是 mmm 維子空間,左零空間維度為 m?rm-rm?r ,與列空間垂直。記為 LnullA={x:ATx=0}Lnull A = \{\mathbf{x}:A^T\mathbf{x}=\mathbf{0}\}LnullA={x:ATx=0} 。
方程 Ax=yA\mathbf{x}=\mathbf{y}Ax=y 值域為 mmm 維子空間。矩陣 444 個空間中,列空間和左零空間是 mmm 維子空間,且是空間的正交分解,列空間是方程值域(值空間),左零空間是列空間的正交補空間,即 nnn 維空間中不存在向量 x\mathbf{x}x 能使 AxA\mathbf{x}Ax 是左零空間的非零向量。
方程 Ax=yA\mathbf{x}=\mathbf{y}Ax=y 定義域為 nnn 維子空間。矩陣 444 個空間中,行空間和零空間是 nnn 維子空間,且是空間的正交分解。零空間是方程 Ax=0A\mathbf{x}=\mathbf{0}Ax=0 解空間,則不位于零空間的任意非零向量 x\mathbf{x}x ,向量 AxA\mathbf{x}Ax 必不等于零向量,因為行空間是零空間的正交補空間,所以行空間是方程的非零解空間。非零解空間是方程 Ax=y,y≠0A\mathbf{x}=\mathbf{y},\mathbf{y}\ne\mathbf{0}Ax=y,y?=0 的解空間。
重要性質(zhì) 行空間是方程的非零解空間,列空間是方程的值空間,它們維度均為 rankArank ArankA ,這兩個空間內(nèi)函數(shù) Ax=yA\mathbf{x}=\mathbf{y}Ax=y 是一一映射!
證:該映射顯然是滿射,因為列空間定義為 {Av}\{A\mathbf{v}\}{Av} ,則列空間中任意向量都對應(yīng)行空間中向量 v\mathbf{v}v 。
假設(shè)不是單射,則令兩個位于非零解空間的不同向量 x1,x2\mathbf{x_1},\mathbf{x_2}x1?,x2? ,它們映射到同一向量 y\mathbf{y}y ,即 Ax1=yA\mathbf{x_1}=\mathbf{y}Ax1?=y 和 Ax2=yA\mathbf{x_2}=\mathbf{y}Ax2?=y ,則 A(x1?x2)=y?y=0A\mathbf{(x_1-x_2)}=\mathbf{y}-\mathbf{y}=\mathbf{0}A(x1??x2?)=y?y=0 ,即向量 (x1?x2)\mathbf{(x_1-x_2)}(x1??x2?) 位于零空間。又根據(jù)假設(shè),x1,x2\mathbf{x_1},\mathbf{x_2}x1?,x2? 位于非零解空間,則它們的線性組合也位于非零空間,即向量 (x1?x2)\mathbf{(x_1-x_2)}(x1??x2?) 位于非零解空間。向量 (x1?x2)\mathbf{(x_1-x_2)}(x1??x2?) 同時位于非零解空間和零解空間,這兩個空間又是正交互補的,只有這個向量是零向量,所以 x1?x2=0\mathbf{x_1} - \mathbf{x_2} = \mathbf{0}x1??x2?=0 ,與假設(shè)矛盾,故映射是單射。
行空間和列空間內(nèi)函數(shù) Ax=yA\mathbf{x}=\mathbf{y}Ax=y 是一一映射,則存在唯一逆映射,逆映射對應(yīng)矩陣即是矩陣 AAA 的偽逆。根據(jù)該性質(zhì)計算偽逆是線性代數(shù)最波瀾壯闊的圖像,本書后面章節(jié)會詳細介紹。
總結(jié)
以上是生活随笔為你收集整理的3.5 矩阵 $4$ 个空间和方程 $A\mathbf{x}=\mathbf{y}$ 的关系的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 3.4 矩阵 $A,A^T,A^TA,A
- 下一篇: 4.1 简单方程的解