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 AA 是一个 m×nm\times n 矩阵。矩阵的列向量属于 Rm\mathbb{R}^m,它们所有线性组合构成列空间

Col⁡(A).\operatorname{Col}(A).

当输入为 x∈Rnx\in\mathbb{R}^n 时,AxAx 本质上就是用 xx 的各个分量作为系数,对 AA 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:

rank⁡(A)=dim⁡(Col⁡(A)).\operatorname{rank}(A)=\dim(\operatorname{Col}(A)).

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

Null⁡(A)={x∈Rn∣Ax=0}.\operatorname{Null}(A)=\{x\in\mathbb{R}^n\mid Ax=0\}.

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:

nullity⁡(A)=dim⁡(Null⁡(A)).\operatorname{nullity}(A)=\dim(\operatorname{Null}(A)).

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 00,就说明存在某些独立输入方向对输出没有贡献。

输入自由度在列空间与零空间之间分配

秩零度定理连接两种结构

对于 m×nm\times n 矩阵 AA,定义域是 Rn\mathbb{R}^n。秩零度定理给出

rank⁡(A)+nullity⁡(A)=n.\operatorname{rank}(A)+\operatorname{nullity}(A)=n.

这个公式可以直接理解为输入自由度的守恒:总共有 nn 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

A=[123011].A= \begin{bmatrix} 1 & 2 & 3\\ 0 & 1 & 1 \end{bmatrix}.

它有 33 个输入变量,所以定义域维数是 33。两行独立,且两列可以提供两个独立输出方向,因此 rank⁡(A)=2\operatorname{rank}(A)=2。由秩零度定理立即得到

nullity⁡(A)=3−2=1.\operatorname{nullity}(A)=3-2=1.

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 Ax=0Ax=0 时,零空间就是全部解的集合。若矩阵有 nn 个未知量、秩为 rr,那么主元变量有 rr 个,自由变量有 n−rn-r 个。

因此

nullity⁡(A)=n−r.\operatorname{nullity}(A)=n-r.

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 AA 有 nn 列且 rank⁡(A)=n\operatorname{rank}(A)=n,那么零度为 00,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 rank⁡(A)<n\operatorname{rank}(A)<n,则零度大于 00,必然存在非零向量 zz 满足 Az=0Az=0。于是对任意输入 xx,

A(x+z)=Ax.A(x+z)=Ax.

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。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

连接列空间零空间与秩

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通