0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 1 year has passed since last update.

データサイエンスのための線形代数 第19回 行列関数の値域

Last updated at Posted at 2023-04-30

本記事は数学講座5.3 行列関数の値域を勉強して投稿したメモです。詳細は元の素晴らしい講座のページをチェックしてください。

:sunny: [まとめ] ランクの性質

  • ランクの値の範囲
0\le rank(A_{m\times n})\le\min(m,n)
  • 転置行列のランク
rank(A)=rank(A^\mathrm{T})
  • 合成関数のランク
rank(AB)\leq\min\Big(rank(A),rank(B)\Big)
  • $P,Q$がフルランクの行列であれば:
rank(PA)=rank(AQ)=rank(PAQ)=rank(A)
  • $A,B$が同じ形の行列であれば:
rank(A+B)\le rank(A)+rank(B)

列ベクトル行列関数の値域

自然な定義域で、列ベクトル行列関数$Ax=y$の値域が$A$の列空間です。即ち:$値域=colsp(A)$

例えば、$A$が$m\times n$のぎょうれであり、列ベクトル行列関数$Ax=y$の自然定義域が$R^n$であり、自然定義域での認識なベクトル$x$が$R^n$の自然基底の{$e_1,e_2,e_3...e_n$}で表せます。

\boldsymbol{x}=x_1\boldsymbol{e}_1+x_2\boldsymbol{e}_2+\cdots+x_n\boldsymbol{e}_n,\quad x_{1,2,\cdots,n}\in\mathbb{R}

$A$の列ベクトルが$c_1,c_2,..c_n$: $A=(c_1,c_2,..c_n)$

行列の乗法によれば、列ベクトル行列関数$Ax=y$での$y$が

\boldsymbol{y}=x_1\boldsymbol{c}_1+x_2\boldsymbol{c}_2+\cdots+x_n\boldsymbol{c}_n,\quad x_{1,2,\cdots,n}\in\mathbb{R}

値域$y$が列ベクトル組{$c_1,c_2,..c_n$}の張る空間です。値域が列空間です。

$A$が$m\times n$の行列であれば、自然な定義域での関数$Ax=y$四つ要素が:

\begin{array}{c|c|c|c}
    \hline
    \quad 自然な定義域\quad&\quad マッピング規則 \quad&\quad 値域 \quad&\quad 到達域\quad\\\hline\\
    \quad \mathbb{R}^n \quad&\quad \boldsymbol{A} \quad&\quad colsp(\boldsymbol{A}) \quad&\quad \mathbb{R}^m \quad\\
    \\
    \hline
\end{array}

図で表すと:
image.png

参照:列ベクトル行列関数

行ベクトル行列関数の値域

考え方は列ベクトルと同じくです、詳細は行ベクトル行列関数の値域に記載があります。

$A$が$m\times n$の行列であれば、自然な定義域での関数$x^T{A}=y^T$四つ要素が:

\begin{array}{c|c|c|c}
    \hline
    \quad 自然な定義域\quad&\quad マッピング規則 \quad&\quad 値域 \quad&\quad 到達域\quad\\\hline\\
    \quad \mathbb{R}^m \quad&\quad \boldsymbol{A} \quad&\quad rowsp(\boldsymbol{A}) \quad&\quad \mathbb{R}^n \quad\\
    \\
    \hline
\end{array}

図で表すと:
image.png

行列のランク

自然な定義域内において、行列関数の値域を知ることで、

  • 列ベクトル行列関数$A\boldsymbol{x}=\boldsymbol{y}$の値域の次元数は列ランクであり、
  • 行ベクトル行列関数$\boldsymbol{x}^\mathrm{T}A=\boldsymbol{y}^\mathrm{T}$の値域の次元数は行ランクであることが分かります。

行ランク=列ランク=ランクであるため、自然定義域内では、ランクは行列関数の値域の次元数と同じです。

  • ランクが$2$: $A$の自然な定義域の次元数がいくら関係なく、$rank(A)=2$であれば、値域のランクが$2$になります。
    image.png

  • 同様:ランクが$1$: $A$の自然な定義域の次元数がいくら関係なく、$rank(A)=1$であれば、値域のランクが$1$になります。
    image.png

行列ランクまとめ

同じ自然な定義域にとって、$rank(A)$が小さければ、値域の次元数が小さくなります。
例えば、

\begin{array}{c|c|c}
    \hline
    \quad \text{自然な定義域}\quad&\quad \text{ランク}\quad&\quad \text{値域次元数}\quad \\
    \hline 
    \quad \mathbb{R}^2\quad&\quad\begin{aligned}rank(\boldsymbol{A})=2\\rank(\boldsymbol{A})=1\\
        rank(\boldsymbol{A})=0\end{aligned}\quad&\quad\begin{aligned}\text{2 次元}\\\text{1 次元}\\\text{0 次元}\end{aligned}\quad\\
    \hline
\end{array}

image.png

行列$A$をふるいを見なすことができます。
image.png

ふるいの穴が大ければ、行列$A$のランクが大きいです、ふるいを通して落ちたもの(値域)が大きいです。
image.png

フルランクの行列

とある行列が列フルランク且つ行フルランクであれば、この行列がフルランクの行列と呼びます。また、フルランクの行列が必ず正方行列です。
任意の行列$(A_{m\times n})$にとって、行ランクが列ランクと等しいですので、列フルランクであれば、列ランクが$n$で、行ランクが$m$です。$m=n$ですので、行列$(A_{m\times n})$が正方行列になります。

行ランクが列ランクと等しいが、こちら行列のランクで説明あります。

合成関数のランク

rank(AB)\leq\min\Big(rank(A),rank(B)\Big)

$A$が$m\times r$の行列、$B$が$r\times n$の行列で、列ベクトル行列関数$AB(x)=y$にとって、結合律によれば、以下のが成立しています。

AB(\boldsymbol{x})=(AB)(\boldsymbol{x})=\boldsymbol{y}

$AB$が一つの行列($m\times n$)で、この行列関数の自然な定義域の四つの要素が以下の通りです。

\begin{array}{c|c|c|c}
    \hline
    \quad 自然な定義域\quad&\quad マッピング規則 \quad&\quad 値域 \quad&\quad 到達域 \quad\\\hline\\
    \quad \mathbb{R}^n \quad&\quad AB \quad&\quad colsp(AB) \quad&\quad \mathbb{R}^m \quad\\
    \\
    \hline
\end{array}

フルランク行列の合成

$P,Q$がフルランクの行列であれば:

rank(PA)=rank(AQ)=rank(PAQ)=rank(A)

image.png

参考情報

0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?