非方阵：输入维度和输出维度可以不同

这一页在记什么

方阵表示同维空间到同维空间的线性变换，但非方阵也有清晰几何意义。

核心规则是：

矩 阵 表 示 从 到 的 线 性 变 换 。

列数决定输入维度，行数决定输出维度。

这一集真正解决的困惑

前面多数例子是或方阵，容易让人以为矩阵只表示“同一个空间内部的变换”。但很多实际问题不是这样：

输入有个特征，输出有个指标；
方程数和未知数不一样；
数据从低维嵌入高维，或从高维压缩到低维。

非方阵就是这种“输入维度和输出维度不同”的线性变换。

最重要的读法是：

列 数 看 输 入 ， 行 数 看 输 出 。

这句话很小，但能救很多矩阵尺寸混乱。

尺寸怎么读

：二维输入，三维输出

矩阵有两列，说明输入空间有两个标准基向量；每列有三个分量，说明输出落在三维空间。

所以它可以把一个平面线性地放进三维空间中。

这两列分别表示二维输入空间的两个基向量，在三维输出空间中的落点。因此矩阵的列空间是三维空间中的某个至多二维子空间。

：三维输入，二维输出

矩阵有三列，说明要追踪三个输入基向量；每列是二维向量，说明输出在平面中。

它可以理解成把三维信息压到二维，例如投影。

：向量到数字

矩阵把维向量映射到一个数。下一集的点积和对偶性，就是从这个方向继续展开。

和考研线代的连接

1. 矩阵尺寸先读输入输出

看到，先翻译：

输入是维；
输出是维；
有个列向量，每个列向量在中。

2. 秩有天然上界

因为列空间在中，并且最多由个列向量张成：，这不是死记，而是维度限制。

3. 方程组未知数和方程数

中：

是未知数个数；
是方程个数；
必须在中。

这能帮助你先判断题目结构。

把它变成自己的判断规则

看到矩阵尺寸，先读成一句话：

矩阵尺寸	读法
	从到
	二维输入到三维输出
	三维输入到二维输出
	维输入到数轴
	一个数输入到维输出，通常是一条方向线

然后再判断列空间、零空间、秩的上界。

易错点

看到非方阵就失去几何直觉。其实只是输入输出维度不同。
把行数误认为输入维度。列数才是输入维度。
忘了非方阵通常没有普通逆矩阵，但仍然可以讨论列空间、零空间和秩。
把“满秩”误解成一定等于行数或列数，要看是行满秩还是列满秩。

我疑惑的地方

疑惑 1：为什么列数是输入维度？

因为矩阵乘法要求的分量数等于的列数。

如果有列，那么，输入正好提供个系数，用来线性组合的个列向量。

疑惑 2：非方阵为什么通常没有逆矩阵？

普通逆矩阵要求变换能在两个方向之间一一对应地倒回去。非方阵输入输出维度不同，通常做不到全局一一对应。

例如把三维压到二维，必然丢掉某些方向；把二维放进三维，输出也不可能覆盖整个三维空间。

所以非方阵仍然能有秩、列空间、零空间，但不能像方阵那样随便谈。

下次遇到怎么办

遇到非方阵，先做四步：

标出。
写出。
判断列空间在中，零空间在中。
记住。

这会让你在方程组、秩、线性变换题里少很多维度错乱。

更高层次的见解

非方阵提醒你：矩阵不是“方形数字表”才有意义。它的本质是线性映射，而线性映射完全可以连接不同维度的空间。

这也为后面很多应用打开门：降维、投影、特征提取、参数到观测量的线性模型，本质上都可以用非方阵描述。

本集复看问题

为什么矩阵表示二维到三维？
矩阵的列向量属于哪个空间？
为什么？
非方阵为什么通常不能谈普通逆矩阵？
我能不能一眼说出中和分别属于哪个空间？

考研笔记