高等数学 / 系统课时
连接列空间零空间与秩
连接列空间零空间与秩
矩阵既把输入向量映射到输出空间,也可能把某些输入压到零向量。列空间描述“能产生哪些输出”,零空间描述“哪些输入会消失”,而秩零度定理说明:输入空间的自由度会在这两部分之间完整分配。
学习目标
- 理解列空间、零空间、秩与零度各自描述的对象
- 能用秩零度定理连接输入维数、有效输出维数与失去的自由度
- 能从矩阵结构判断线性映射是否存在冗余输入方向
列空间描述可达输出
设 是一个 矩阵。矩阵的列向量属于 ,它们所有线性组合构成列空间
当输入为 时, 本质上就是用 的各个分量作为系数,对 的列向量做线性组合。因此,所有可能输出恰好组成列空间。
列空间的维数称为矩阵的秩:
秩越大,说明映射能产生的独立输出方向越多。
零空间描述被消掉的输入
零空间定义为
它包含所有会被矩阵映射成零向量的输入。零空间的维数称为零度:
如果零空间只包含零向量,那么没有非零输入会在映射中完全消失;如果零空间维数大于 ,就说明存在某些独立输入方向对输出没有贡献。

秩零度定理连接两种结构
对于 矩阵 ,定义域是 。秩零度定理给出
这个公式可以直接理解为输入自由度的守恒:总共有 个独立输入方向,其中一部分真正影响输出,形成列空间;其余部分落入零空间,被映射成零。
例如
它有 个输入变量,所以定义域维数是 。两行独立,且两列可以提供两个独立输出方向,因此 。由秩零度定理立即得到
这意味着三维输入中有两个独立方向会反映到输出中,还有一个独立方向会被矩阵完全消掉。
从方程组看秩与零度
研究齐次方程组 时,零空间就是全部解的集合。若矩阵有 个未知量、秩为 ,那么主元变量有 个,自由变量有 个。
因此
这里的“自由变量个数”并不是消元技巧带来的偶然现象,而是零空间维数的坐标化表达。每个自由变量对应零空间中的一个独立自由度。
用秩判断映射是否丢失信息
如果 有 列且 ,那么零度为 ,映射不会把两个不同输入压成同一个输出;这对应列向量线性无关。
如果 ,则零度大于 ,必然存在非零向量 满足 。于是对任意输入 ,
也就是说,沿着零空间方向改变输入,不会改变输出。列空间告诉我们输出能到哪里,零空间告诉我们输入中哪些变化无法被输出观察到,而秩零度定理把这两种结构统一到同一个自由度计数关系中。