线性代数-读书笔记(1)

http://note.youdao.com/noteshare?id=7577f734125ef688f897c7803cf2ce87&sub=WEBb80482d9fc4be57e9be0bf6a2bcf6f97

方程组的几何解释

  • 核心点:从坐标系中行图像和列图像的角度解方程
  • 例子:
    • 方程组如下:

      image

二维行图像

  • 将方程式写成行矩阵形式:

    image
  • 解释:求一个位置向量,使得系数矩阵A*未知向量x=向量b

    • 系数矩阵(A):方程组系数按行提取,构造的一个矩阵
    • 未知向量(x):方程组中的未知数提取出来,按列构造的一个向量
    • 向量(b):等号右侧的结果按列提取,构造出一个向量
  • 行图像:

    • 两条直线的交点即为方程组的解


      image

二维列图像

  • 将方程按列提取,得到如下的线性组合

    image

它的含义是:构造成两个向量(2, -1) (-1, 2),方程组的解等价于:寻找合适的x和y,使得 x 倍的(2,-1) + y 倍的(-1,2)得到最终的向量(0,3)

  • 列图像如下

    image

将之前的解代入,可以看到,将(2, -1) 左移1个单位、上移2个单位,重复两次,得到了(0, 3)

推广到三维

  • 例子

    • 方程组如下:

      image
  • 使用行图像来表示时,每一个表达式在三维坐标系都可以表示一个平面,那么我们可以得到三个平面,他们的交点就是方程组的解

  • 方程组的行矩阵形式如下:

    image
  • 列图像的矩阵形式如下:

    image

这是一个特殊的方程组,从列图像的矩阵中可以直观地看到,我们只需要取 x = 0, y = 0, z = 1 就得到了结果

  • 列图像

    image

使用列图像来求解方程,他的含义是:寻找合适的线性组合,使得等号左右的向量相等。这种方式的优势在于当等式右边的向量发生改变时,我们只需要重新寻找一个线性组合而不用再重新绘制平面图像去求他们的交点

矩阵的乘法运算

image
  • 问题
    • 对于任意的A*x=b,我们都能求出对应的线性组合吗?即:列的线性组合能否覆盖整个三维空间?
      • 答:不一定,在我们例子中,是可以的,但是对于三个向量A,B,C, 当这三个向量位于同一个平面时,他们的线性组合显然也是在这个平面(比如C=A+B), 当b在这个平面内时,方程组有解,但大部分不在平面内的b,我们无法求解。这种情形称为奇异,这种矩阵是不可逆的。
    • 考虑9维的情况:假设向量具有9个分量(9个方程,9个未知数,每一列都是9维空间的向量),考虑其线性组合,通过线性组合得到得到A*x=b,对于任意的b,是否总能有解?
      • 答:对于相互独立的9个向量来说,是可以的,9个向量及其列组合,能够覆盖整个9维空间,但是如果第9列碰巧等于第8列,这时候,我们的线性组合只能覆盖9维空间中的8维平面,最后的求解也只能在这个8维平面上展开。
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 219,589评论 6 508
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,615评论 3 396
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 165,933评论 0 356
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,976评论 1 295
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,999评论 6 393
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,775评论 1 307
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,474评论 3 420
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,359评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,854评论 1 317
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 38,007评论 3 338
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,146评论 1 351
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,826评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,484评论 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,029评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,153评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,420评论 3 373
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,107评论 2 356

推荐阅读更多精彩内容