2022.10.15 ~ 2022.11.
立个flag,每天一到两刷。
第一章 方程组的几何解释
行图像和列图像(2 x 2的例子):
行图像:
对于行图像,n=2,即两方程两未知数,两条直线的交点就是方程的解。
列图像
该方程的目的是什么?
目的是寻找正确的线性组合。上图红框部分就是列向量的线性组合。
x=1,y=2的线性组合可以得出b。而所有的线性组合可以求出所有可能的右侧向量。
行图像和列图像(3 x3 的例子):
行图像
解第二个方程得到三个点,这三个点组成一个平面。
所有满足方程的点组成平面。对于线性方程,所有解的图像就是一个平面。
所以,3 x 3问题的每一行都是三维空间的一个平面。两个平面相交于一条直线,因此三维空间中的两个方程确定一条直线。三个平面相交于一点。
对于三维问题,行图像由三个平面构成,只要计算正确,三个平面必然相交于一点,这就是解。
列图像
现在问题是:根据上图的方程,将三个向量进行组合,求得右侧向量。
现在考虑,不管b是多少,是否都能求解方程?这等价于,对于任意b,是否能求解Ax=b?用“线性组合”的语言来问这个问题,就是说列的向量组合是否能覆盖整个三维空间?(任意b,也就是三维空间的任意点)
答案是不能。举个例子,在三维空间中,如果三个列向量都在同一平面,那么其组合也在该平面上,这时候不管怎么组合,都得不出它们平面以为的向量。这个时候若b出现在平面外,则没有解。也就是说当组合不在同一平面内时,才能覆盖整个三维空间。
线性相关=同一平面=满秩=行列式不等于0。
当你有多个向量,并且可以移除其中一个而不减小张成的空间,当这种情况发生时,我们称它们是“线性相关”的。
另一方面,如果所有向量都给张成的空间增添了新的维度,它们被称为“线性无关”的。
矩阵乘向量
第一种方法,一次取一列。(视频作者表示更喜欢这种)
取1个第一列,2个第二列,然后相加。也就是看作A各列的线性组合。
在对比前面的方程组(下图),就豁然开朗了。Ax=b,x矩阵就是A各列的线性组合的解。
第二种方法,一次取一行。
这个方法就是我们国内经典的矩阵乘法,就不列举了。
第一章总结
矩阵可以分为行矩阵和列矩阵形式:
行矩阵看的话
- 两个变量就是二维空间,也就是线,两线成一点。
- 三个变量就是三维空间,也就是面,三面成一点。
列矩阵看的话
- 两个变量是两个向量的和。
- 三个变量是三个向量的和。
列矩阵形式更符合我们的式子Ax=b,更方便看和理解,但是行矩阵是国内通用写法。
对于三维空间,如果有一个变量是没有用或者与前面重叠,那么三维被压为二维,这个时候我们求出的就是线,而非点(两面交一线)。因此不是所有b都是可以求出的。
第二章 矩阵消元
矩阵A首先通过消元得到上三角矩阵,记为U。
2.1 消元失效
那么,其实也是存在消元失效的例子的,什么是消元失败呢?
上面的例子,消元失效指的是不能得到三个主元。那么假设上面A矩阵第一行变成[0,2,1],即方程一中没有x。这意味着就无解了嘛?
不是的,我们只需要进行行交换即可。所以如果0占据了主元的位置,这时就需要交换行。
行交换可以解决主元为0的“暂时性失效”,但当底下的行中再也没有非0元素时,消元就彻底失效了。
把方程组和解也加到矩阵里面称为“增广矩阵”。
那么我们通过增广矩阵得到了矩阵U和矩阵C,接着把结果写成方程:
2.2 回代
那么怎么求解上面那个U和C得到的方程呢?先从第三个方程得到z,再通过z和第二个方程得到y,以此类推。这就是回代。
什么是“回代”?
它是反向求解方程的简单步骤。因为方程组是三角的,所以反向。
24:10
2.3 行变换和列变换
【矩阵乘向量】看作是“矩阵列的线性组合”
【向量乘矩阵】看作是“矩阵行的线性组合”
在左边用矩阵做乘法,进行的是行变换。
在右边用矩阵做乘法,进行的是列变换。
文章来源:https://www.toymoban.com/news/detail-609607.html
这里就是一次取一列,取这一列乘0 = 0,取这一列乘1 = 。所以结果矩阵的第一列为 文章来源地址https://www.toymoban.com/news/detail-609607.html
到了这里,关于MIT线性代数详细笔记(更新中)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!