⾸发于

写⽂章
学渣的笔记流—MIT各种数学

Transformationmatrix:12]
变换矩阵

àlandson1

,43⼆21
»
3 4

†landson2
;落在2上

线性代数的本质06 逆矩阵、列空间、秩与零空间
三少爷的键
已关注
⼯科顶级学渣

27 ⼈赞同了该⽂章

06 逆矩阵、列空间、秩与零空间

https://www.bilibili.com/video/av6240005?
from=search&seid=12805872892382467495
www.bilibili.com/video/av6240005?from=search&seid=12
805872892382467495

本讲通过线性变换来了解逆矩阵、列空间、秩和零空间的概念。

之前的讨论表明，线性代数的操作对于控制空间有很⼤的作⽤，这对计算机图形学和机器⼈学很
有⽤。⽽线性代数的作⽤还体现在，它可以帮助我们求解特定的⽅程组⸺线性⽅程组。

线性⽅程组可以写成矩阵的形式

，这个⽅程包含⼀个系数矩阵A= ，未知数向量x= ，常数项v= 。⽅

程可写做Ax=v。矩阵A是⼀种线性代换，求解x的过程，就是寻找⼀个向量x，使它在变换之后能
够与向量v相重合。

例：⼆阶线性⽅程组 。

⼆阶矩阵A⾏列式的值为0与否，决定了这个线性操作是否把空间压缩成⼀条直线。若⾏列式不为
0，空间未被挤压为零⾯积区域。这种情况下，有且仅有⼀个向量在经过线性变换后，与常数向
量重合，可以通过逆向变换来找到这个向量。逆向变换实际上它对应着另⼀个线性变换，称之为

A的逆，记作 。例如，A是⼀个逆向旋转90度的变换A= ，那么A的逆就是顺时

针旋转90度的变换 。如果A= 是向右的剪切变换，则A的逆就是向左的剪切

变换 。

矩阵A的变换，和它的逆变换相继发挥作⽤就会回到原始状态。从矩阵乘法的⻆度记为

。它们的作⽤结果就是“什么都不做”，称为恒等变换I= 。

在⽅程两侧同时乘上A的逆矩阵，就可以求解向量⽅程 。在⼏何上就代
表对v做⼀个逆向变换，追踪v就可以得到解向量。

⾼维空间中，同样只要⾏列式不等于0，线性变换就没有把空间压缩到⼀个更低维度的状态，总
能找到⼀个原空间的向量，再经过矩阵A的变换之后，与常数项向量重合。解⽅程的过程只需要
⽤A的逆矩阵与向量v相乘。

当⾏列式为零的时候，该变换将空间压缩到了更低的维度上。这时不存在逆变换，⽆法把⼀个直
线“解压缩”成⼀个平⾯空间。此时如果向量v恰好在这条直线上，那么⽅程有解。

在三维空间中，⾏列式为零也有不同的情况，⼀个变换将空间压缩成⼀个直线，⽐之压缩成⼀个
平⾯，解向量的存在难度更⾼。

线性变换的结果是⼀条直线时，维度为1，我们称该变换的“秩”为1。如果变换的结果是⼀个平
⾯，称这个变换的秩为2。所以秩代表着线性变换之后的空间维数。对于⼀个2×2矩阵，它的秩
的最⼤值为2。

在三维空间中，矩阵的秩为2意味着将三维空间压缩到了⼀个平⾯，但是与秩为1的情况相⽐，压
缩不是那么严重。如果线性变化后仍可以充满三维空间，则矩阵的秩为3。

不管是⼀条直线，⼀个平⾯还是三维空间。所有可能的线性变换结果的集合，称为矩阵的列空
间。它是矩阵的列向量张成的空间，⽽秩就是列空间的维数。当秩达到最⼤时的时候，就与列数
相等，称之为“满秩”。注意，零向量必须得包含在列空间中，因为线性变换保持零点不变。在满
秩变换中，只有零向量在变换之后在零点。对于⾮满秩的矩阵⽽⾔，它将空间压缩到⼀个更低的
维度上，有⼀系列的向量在变换之后能够成为0向量。例如三维空间被线性变换压缩成⼀个平
⾯，则会有⼀整条线的变量在变换后落在原点。

这些经过线性变换后落在原点上的向量的集合，称为矩阵的“零空间”，或者“核”。对⽅程Ax=v
⽽⾔，v恰好等于零向量时，零空间就是⽅程所有的解。

06补充 ⾮⽅阵

【熟⾁】线性代数的本质 - 06补充说明 -
⾮⽅阵_哔哩哔哩 (゜-゜)つロ ⼲杯~-…
bilibili
www.bilibili.com/video/av6241342/?spm_id_
from=333.788.videocard.1

之前我们介绍了2x2矩阵表示⼆维向量到⼆维向量的线性变换，3x3矩阵对应三维空量到三维向
量的线性变换，这⼀讲讨论⾮⽅阵。

实际上不同维度向量之间的变换是存在的，例如⼀个⼆维向量到三维向量的变换：

同样的，如果能够满⾜⽹格线保持平⾏且等距分布，原点映射为⾃身，就称它是线性变换。

寻找变换所对应矩阵的⽅法与之前相同，追踪基向量在变换之后的坐标，将它作为矩阵的列向

量，例如 。注意到这个变换的矩阵是三⾏两列的，即3x2矩阵，矩阵的列空间是三

维空间中，⼀个过原点的⼆维平⾯。因为列空间的维数与输⼊空间的维数相等，这个矩阵仍旧是
“满秩”的（列满秩）。

⽽⼀个2x3矩阵则表示，原空间是三维的，⽽线性变换之后落在⼆维空间中。同样的也可以将⼆
维空间经过线性变换，压缩到⼀维空间即数轴上，其变换矩阵为1x2矩阵。

这是⼀类⾮常有意义的变换，它与“点积”紧密相关。

编辑于 2020-03-04 09:40

「真诚赞赏，⼿留余⾹」

赞赏

还没有⼈赞赏，快来当第⼀个赞赏的⼈吧！

矩阵 线性代数 空间

发布⼀条带图评论吧

8 条评论 默认 最新

LLLLxT
题主，第三⾏，有点⼩失误------图⽚的数字上错了
2020-03-04 回复 2

雷诺德
惊喜发现原来博主还有更新的~~ 不过我觉得3B1B的东⻄⾜够通俗，伸⼿党更想看到博主后
续更新MIT的概率论哈哈哈
2020-03-04 回复 1

三少爷的键 作者

港真，我也不知道你能等到的概率有多⼤
2020-03-04 回复 2

深海⻥
⾮常厉害哦
2020-05-19 回复 喜欢

inspire
为什么由⾯压缩到了线，没有逆变换呢？我想不通这个。
2020-05-08 回复 喜欢

慕容⽟涵
经过某⼀条线的平⾯有⽆数个，你不清楚是哪⼀个线性变换--矩阵A导致了这种特定空
间的压缩，即从⼀个特定平⾯到了这⼀条直线。也就是说你要从直线出发时，你并不
清楚该向哪⾥去变。⽽同维空间的线性变换是有迹可循的，⼀⼀对应的（类⽐于函数
的映射）。
2022-10-05 回复 2

求知者 慕容⽟涵
谢谢解惑。
2022-11-18 回复 喜欢

Haishuo
感谢 要是国内⽼师都能这样上课就好了
2020-04-02 回复 喜欢

⽂章被以下专栏收录

学渣的笔记流—MIT各种数学
MIT 数学类公开课笔记

推荐阅读

矩阵基础 | ⼆次型和正定性 线性回归基础（1）：伪逆矩阵

正定矩阵这个词相信⼤家⼀定不陌 多变量线性回归问题，⽤ 正规⽅程

⽣，本⽂主要⽬的是介绍什么是正 （最⼩⼆乘法的矩阵形式）求解，
定矩阵以及如何通过其他性能指标 得到参数的估计值为：
来判断⼀个矩阵是否是正定的。 参 \hat{\boldsymbol{w}}^* =
考⾃《矩阵分析与应⽤第⼆版》张 (\boldsymbol{X}^T
贤达 著矩阵的⼆次型任意⼀… 线性代数（⼀）矩阵、矩阵乘 线性代数导学（三）：什么是 \boldsymbol{X})^{-1}\boldsymb…
法的由来 矩阵的秩？ …

达布⽜学习... 发表于矩阵分析 ⻢同学 Troub... 发表于视觉图像与... ⼜⽋ 发表于机器学习与...

赞同 27 8 条评论 分享 喜欢 收藏 申请转载