矩阵和秩－零化度定理

快捷方式: 差异，相似，杰卡德相似系数，参考。

矩阵和秩－零化度定理之间的区别

矩阵 vs. 秩－零化度定理

數學上，一個的矩陣是一个由--（row）--（column）元素排列成的矩形阵列。矩陣--的元素可以是数字、符号或数学式。以下是一个由6个数字元素构成的2--3--的矩阵： 大小相同（行数列数都相同）的矩阵之间可以相互加减，具体是对每个位置上的元素做加减法。矩阵的乘法则较为复杂。两个矩阵可以相乘，当且仅当第一个矩阵的--数等于第二个矩阵的--数。矩阵的乘法满足结合律和分配律，但不满足交换律。 矩阵的一个重要用途是解线性方程组。线性方程组中未知量的系数可以排成一个矩阵，加上常数项，则称为增广矩阵。另一个重要用途是表示线性变换，即是诸如. 秩－零化度定理是线性代数中的一个定理，给出了一个线性变换或一个矩阵的秩和它的零化度之间的关系。对一个元素在域\mathrm中的m \cdot n矩阵\mathrm，秩－零化度定理说明，它的秩（rank A）和零化度（nullity A）之和等于n： 同样的，对于一个从F-线性空间\mathrm射到\mathrm-线性空间\mathrm的线性变换 \mathrm \;: \; \; \mathrm \rightarrow \mathrm ， \mathrm的秩是它的象的维度，\mathrm的零化度是它的核（零空间）的维度。我们有： 实际上定理在更广的范围内也成立，因为\mathrm和\mathrm可以是无限维的。.

同构

在抽象代数中，同构（isomorphism）指的是一个保持结构的双射。在更一般的范畴论语言中，同构指的是一个态射，且存在另一个态射，使得两者的复合是一个恒等态射。 正式的表述是：同构是在数学对象之间定义的一类映射,它能揭示出在这些对象的属性或者操作之间存在的关系。若两个数学结构之间存在同构映射，那么这两个结构叫做是同构的。一般来说，如果忽略掉同构的对象的属性或操作的具体定义，单从结构上讲，同构的对象是完全等价的。.

同构和矩阵 · 同构和秩－零化度定理 · 查看更多 »

矩阵

數學上，一個的矩陣是一个由--（row）--（column）元素排列成的矩形阵列。矩陣--的元素可以是数字、符号或数学式。以下是一个由6个数字元素构成的2--3--的矩阵： 大小相同（行数列数都相同）的矩阵之间可以相互加减，具体是对每个位置上的元素做加减法。矩阵的乘法则较为复杂。两个矩阵可以相乘，当且仅当第一个矩阵的--数等于第二个矩阵的--数。矩阵的乘法满足结合律和分配律，但不满足交换律。 矩阵的一个重要用途是解线性方程组。线性方程组中未知量的系数可以排成一个矩阵，加上常数项，则称为增广矩阵。另一个重要用途是表示线性变换，即是诸如.

矩阵和矩阵 · 矩阵和秩－零化度定理 · 查看更多 »

秩 (线性代数)

在线性代数中，一个矩阵A的列秩是A的线性獨立的纵列的极大数目。类似地，行秩是A的线性獨立的横行的极大数目。 矩阵的列秩和行秩总是相等的，因此它们可以简单地称作矩阵A的秩。通常表示为r(A)，rk(A)或rank A。.

矩阵和秩 (线性代数) · 秩 (线性代数)和秩－零化度定理 · 查看更多 »

线性映射

在数学中，线性映射（有的书上将“线性变换”作为其同义词，有的则不然）是在两个向量空间（包括由函数构成的抽象的向量空间）之间的一种保持向量加法和标量乘法的特殊映射。线性映射从抽象代数角度看是向量空间的同态，从范畴论角度看是在给定的域上的向量空间所构成的范畴中的态射。 “线性算子”也是与“线性映射”有关的概念。但是不同数学书籍上对“线性算子”的定义存在区别。在泛函分析中，“线性算子”一般被当做“线性映射”的同义词。而有的书则将“线性算子”定义为“线性映射”的自同态子类（详见下文）。为叙述方便，本条目在提及“线性算子”时，采用后一种定义，即将线性算子与线性映射区别开来。.

矩阵和线性映射 · 秩－零化度定理和线性映射 · 查看更多 »

零空间

在数学中，一个算子 A 的零空间是方程 Av.

矩阵和零空间 · 秩－零化度定理和零空间 · 查看更多 »