假设 A = LU,L 表示下三角矩阵,U 表示上三角矩阵。则 矩阵A 的秩 = U 的主元列数。矩阵A 的列空间与矩阵 L 的列空间相同,矩阵A 的行空间 与矩阵U 的行空间相同。
A = L U = [ 1 0 0 2 1 1 − 1 0 1 ] [ 3 0 3 0 1 1 0 0 0 ] A = LU = \begin{bmatrix}1 &0 &0\\ 2 &1 &1\\ -1 &0 &1\end{bmatrix}\begin{bmatrix}3 &0 &3\\ 0 &1 &1\\ 0 &0 &0\end{bmatrix} A=LU=⎣⎡12−1010011⎦⎤⎣⎡300010310⎦⎤
列空间 | 列零空间 | 行空间 | 行零空间 | |
---|---|---|---|---|
维度 | 2 | 1 | 2 | 1 |
基 | [ 1 2 − 1 ] \begin{bmatrix}1\\ 2\\ -1\end{bmatrix} ⎣⎡12−1⎦⎤, [ 0 1 0 ] \begin{bmatrix}0\\ 1\\ 0\end{bmatrix} ⎣⎡010⎦⎤ | [ − 1 − 1 1 ] \begin{bmatrix}-1\\ -1\\ 1\end{bmatrix} ⎣⎡−1−11⎦⎤ | [ 3 0 3 ] \begin{bmatrix}3\\ 0\\ 3\end{bmatrix} ⎣⎡303⎦⎤, [ 0 1 1 ] \begin{bmatrix}0\\ 1\\ 1\end{bmatrix} ⎣⎡011⎦⎤ | [ 1 0 1 ] \begin{bmatrix}1\\ 0\\ 1\end{bmatrix} ⎣⎡101⎦⎤ |
因为矩阵 U U U 有两个主元列,所以矩阵 A A A的列空间的维度为 2。因为矩阵A可以看作矩阵 L的列 经过 矩阵U 变换后得到,所以矩阵A 的列与矩阵L 的列是线性相关的,所以矩阵 A 的列空间 与 矩阵L 的列空间相同。同理,矩阵A也可以看作是 矩阵U的行经过矩阵L变换后得到,所以矩阵 A 的行与矩阵U的行是线性相关的,所以矩阵A 的行空间与矩阵U的行空间相同。
矩阵A 的零空间,因为矩阵 A 有3列,所以零空间的维度 d = 3 − 2 = 1 d = 3 - 2 = 1 d=3−2=1。令 x ∈ N ( A ) x \in N(A) x∈N(A),则有 A x = L U x = 0 → U x = 0 Ax = LUx = 0 \rightarrow Ux = 0 Ax=LUx=0→Ux=0,矩阵U 有一个自由变量,令其为 1,可以得到零空间的特解 x p = [ − 1 − 1 1 ] x_p =\begin{bmatrix}-1\\ -1\\ 1\end{bmatrix} xp=⎣⎡−1−11⎦⎤,所以零空间 N ( A ) N(A) N(A) 的基为 x p x_p xp。
矩阵A 的转置的零空间又称为矩阵A的左零空间,因为矩阵A 有3行,所以矩阵A 的左零空间的维度 d = 3 − 2 = 1 d = 3 - 2 = 1 d=3−2=1。令 x ∈ N ( A T ) x \in N(A^T) x∈N(AT),则有 A T y = 0 → y T A = 0 A^Ty =0 \rightarrow y^TA=0 ATy=0→yTA=0,即向量 y 的转置经过 A 转换后得到零矩阵。另 A = L U → L − 1 A = U A = LU \rightarrow L^{-1}A = U A=LU→L−1A=U,即: [ 1 0 0 − 2 1 1 1 0 1 ] A = [ 3 0 3 0 1 1 0 0 0 ] \begin{bmatrix}1 &0 &0\\ -2 &1 &1\\ 1 &0 &1\end{bmatrix}A = \begin{bmatrix}3 &0 &3\\ 0 &1 &1\\ 0 &0 &0\end{bmatrix} ⎣⎡1−21010011⎦⎤A=⎣⎡300010310⎦⎤,观察 L − 1 L^{-1} L−1的最后一行可以发现, [ 1 0 1 ] A = [ 0 0 0 ] \begin{bmatrix}1 &0 &1\end{bmatrix}A=\begin{bmatrix}0 &0 &0\end{bmatrix} [101]A=[000],所以 y T = [ 1 0 1 ] → y = [ 1 0 1 ] y^T = \begin{bmatrix}1 &0 &1\end{bmatrix} \rightarrow y = \begin{bmatrix}1\\ 0\\ 1\end{bmatrix} yT=[101]→y=⎣⎡101⎦⎤