逆マップとベクトル空間
記事ディレクトリ
1. 逆マッピング
マトリックスの本質はマップです。m×nm×nの場合メートル×nの行列、乗算y = A xy = Axy=A xの機能は、 nnからベクトルを変換することです。n次元の元の空間のxxx-座標位置、 mmにマッピングm次元ターゲット空間yyy座標位置。これはフォワード マッピングのプロセスです。次に、結果ベクトルの座標yy がyは元のベクトルの座標xxxの場合、このプロセスは逆マッピングと呼ばれます。逆マッピングもマッピング プロセスであるため、逆マッピングを表す行列は次のように呼ばれます。A − 1 A^{-1}あ− 1。
上の式から、元の行列と逆行列の関係が全単射であることが明確にわかります。これは逆行列が存在するための必要十分条件でもあります。
1. チャンキー行列マッピングは元に戻せません
マッピングは元のベクトル空間を圧縮して、単射条件を満たさないようにします。つまり、元の空間はターゲット空間に対して多対 1 の状況になります。
2. 高くて薄いマトリックス マッピングは元に戻せません
ターゲット ベクトル空間は元の空間ベクトルで完全にカバーできず、全射条件が満たされません。ターゲット空間と元の空間の間に多対 1 の状況が存在します。
3. 正方行列逆写像の存在条件
正方行列の列ベクトルが線形関係にあり、short 行列と total 行列のすべての条件を組み合わせると、逆写像は存在しません。
正方行列の列ベクトルが線形関係にある場合、逆写像が発生します。なぜでしょうか? 後ほど説明があります。
2. ベクトル空間とその部分空間
1. ベクトル空間
1) 最も一般的なベクトル空間: R n R^nRn
RnR^nRnスペースはすべてのnnで構成されますn成分の列ベクトル
2) ベクトル空間の一般定義
ベクトル空間はR n R^nに限定されませんRn、もちろん、狭い意味でのベクトル空間についてのみ説明します (行列、関数空間などの一般化されたものや複素体への拡張については説明しません)。次に、ベクトル集合 VV について説明します。V 、 V 内の任意のuu がu和 v v v 、 u + v u + vである限りu + v はまだVVVでは、同時にスカラーcc をc 、 cu cuを満たす限りまだVVにいるのねV、次に設定されたVVV はベクトル空間を構成します。
2. 亜空間
サブセットとセットの間の関係を使用して、部分空間とベクトル空間の間の関係を比較します。ベクトル空間UUの場合U、彼のサブセットVVV はベクトル空間でもあります (ベクトル加算とスカラー倍算のプロパティ要件を満たします)。その場合、VVV是 U U Uの亜空間。
m × nm \times nメートル×n行列AAA、行列に含まれる 4 つの非常に重要な部分空間: 列空間、NULL 空間、行空間、および左 NULL 空間。
1) 列スペース
マトリックスAAの場合Aに関する限り、nnんmm__m次元の列ベクトル、次にAAAの列スペースには、すべてのnnんmm__m次元の列ベクトルの線形結合。各列はR m R^mにあるのでRm空間であり、列空間内の任意の 2 つのベクトルの合計と、任意のベクトルと任意のスカラーの量的積は、引き続き列ベクトルの線形結合として表現できます。これは、列空間 C ( A ) C( A ) が次のように表現されることを意味します。C ( A )はベクトル空間であり、R m R^mRm空間の部分空間。
2) 空白スペース
m×nm×nの場合メートル×n行列AAAに関する限り、すべてはA x = 0 Ax=0あ×=0のベクトルxxxの集合は行列AAAの null 空間。 N ( A ) N(A)と表記されます。N ( A )、行列AAAの列はxxAAの場合、 x はゼロ ベクトルの一意の解のみを持ちます。Aの列はxxxにはゼロ以外の解があります。null 空間は、 m × nm \times n
のベクトル空間でもあります。メートル×nの行列の場合、ヌル空間内のベクトルはnnn次元なので、ヌル空間はR n R^nRnの部分空間
3) 行間
m×nm×nの場合メートル×n行列AAA、その行空間は行列の各行のベクトルによって形成される空間です。それでは、AAAの行ベクトルは、転置後はA n A^nあnの列ベクトルしたがって、行列AA転置後のAの行スペースはATA^TあTの列空間。 C ( AT ) C(A^T)として表されます。C ( Aた)、AAAの行ベクトルにはnnがありますn個のコンポーネントがあるため、行スペースはR n R^nRnの部分空間
4) 左空白スペース
転置行列の観点から理解すると理解しやすくなります。m×nm×nの場合メートル×n行列AAA、彼の左のヌル空間は転置行列ATA^TあAT x = 0 A^Tx =0を満たすTのヌル空間あT ×=0 の場合は、 N ( AT ) N(A^T)と表します。N ( Aた)。
左ヌル空間の関連するプロパティを取得するのは難しくありません。それはR m R^mRm空間の部分空間。
これで、正方行列内の列ベクトルのみが線形関係にある場合に、なぜ逆写像が存在するのかに答えることができます。
マトリックスAAの場合Aには逆マッピングがあります。これは、マッピングされた点を一意に復元できることを意味します。したがって、明らかにヌル空間N ( A ) N(A)N ( A )は 1 次元の直線や 2 次元の平面に対応できず、元の空間では0 00ベクトル、つまり行列が可逆であれば、そのN ( A ) N(A)N ( A )は0 0でなければなりません0次元。
AAの場合Aのヌル空間はゼロ次元ではなく、列空間に線形結合されたゼロ ベクトルのセットが複数あります。つまり、元の空間の複数のベクトルがゼロ ベクトルにマッピングされており、これは準拠していません。 1対1の関係に。
3. ランク
行列の列ベクトルまたは行ベクトルの範囲空間の次元、行列の線形独立列の数。
1) 列スペースとヌルスペースの関連付け
マトリックスAA列スペースC ( A ) C(A)C ( A )の次元は行列AAですAランクrrr。
ヌル空間、幾何学的に言えば、ヌル空間は元の空間の行列AAA はターゲット空間の原点のベクトル空間にマップされますが、定義上、これは列空間内にも存在する必要があります。このm × nm × nメートル×nの行列マッピングの作用によりxxxは0 0に圧縮されます0 (つまり、点の次元) の場合、xxx次元領域は列空間で0 00次元の点なので、行列の線形マッピングの後、前後の空間次元の差もxxx、AAAが変換される元の空間はnnですn次元、マップされた列空間はrrr-次元、2 つの空間の次元の差n − rn -rn−rは空間圧縮の次元です。n− rn - rn−rはヌル空間N ( A ) N(A)N ( A )寸法。
2) 列スペースと行スペースの関連付け
行列では、線形に独立した行ベクトルの数が実際に線形に独立した列ベクトルの数と等しいことを見つけるのは難しくありません。
したがって、行スペースC ( AT ) C(A^T)と結論付けることができます。C ( AT )rrでもありますr。
3) 行間と左空白スペース
上記の 2 つの関連するステートメントから、C ( ATC(A^TC ( AT ) の寸法はrrr、一方、行列ATA^TあTに対応するマッピング前の元の空間はmmm、次に左のヌル空間N ( AT ) N(A^T)N ( AT )の次元はm − rm - rメートル−r。