MIT 18.06 - Lecture 1 & 2
线性方程组的几何化
e.g.
$$
2x - y = 0 \
-x + 2y = 3
$$
线性(不)相关
给定矩阵 $A$ ,若对于任意一个向量 $b$ ,都能找到一个向量 $x$ 满足 $Ax = b$,则说明$A$ 中的列向量们的线性组合”可以触碰到所处空间的任何一个角落”(二维平面、三维空间……),称 $A$ 中的列向量们是线性不相关的(linearly independent)。
若不能,则称 $A$ 为奇异矩阵(singular matrix),在这个奇异矩阵中的列向量们是线性相关的(linearly dependent),因此他们的线性组合总是汇集在一个点/一条线/一个平面/…上,因此无法触碰到所处空间的任何一个角落。
高斯消元法 (Guass Elimination)
求解线性方程组的解时,若采用矩阵视角,可以写成 $Ax = b$。
e.g.
然后通过消元,求解出未知数向量 $x$ 即可(保证 $A$ 可逆),步骤如下:
找到该行的
pivot
,将下面每行该位置的数变成 0(**We recopy the first row, then multiply the numbers in it by an appropriate value and subtract those values from the numbers in the second row.**)。若该行的
pivot
为 0 ,可以通过把后续行与该行进行交换,来继续消元。直到 $A$ 变成一个上三角矩阵 $U$(upper triangular matrix),停止消元。
通过上述步骤,我们把 $Ax = b$ 变成了 $Ux = c$ 的形式,接着通过回代法(back substitution
)便可以得到原方程的解。
$$
\quad
$$
刚才 $A$ 变成 $U$ 的过程,可以用矩阵乘法来描述。每次消元的步骤 1,都可以表示成在当前矩阵的左侧乘上了一个消元矩阵(下图左侧的消元矩阵叫做 $E_{21}$,因为我们正在想办法将矩阵中第 2
行第 1
列的数字消去)。
所以上述例子的 $A$ 到 $U$ 的过程,可以描述为 $E_{32}(E_{31}(E_{21}A)) = U$,也可以写成:
$$
(E_{32}E_{31}E_{21})A = U \
EA = U, \ E = E_{32}E_{31}E_{21}
$$
$$
\quad
$$
还可以发现一些有趣的性质:
- 若想对 $A$ 进行行变换,则在 $A$ 左边乘上对应的行变换矩阵。
$$
\left[\begin{array}{c}
0 & 1 \
1 & 0
\end{array}\right]
\left[\begin{array}{c}
a & b \
c & d
\end{array}\right] =
\left[\begin{array}{c}
c & d \
a & b
\end{array}\right]
$$ - 若想对 $A$ 进行列变换,则在 $A$ 右边乘上对应的列变换矩阵。
$$
\left[\begin{array}{c}
a & b \
c & d
\end{array}\right]
\left[\begin{array}{c}
0 & 1 \
1 & 0
\end{array}\right] =
\left[\begin{array}{c}
b & a \
d & c
\end{array}\right]
$$
是矩阵乘法中行变换、列变换的基础。
MIT 18.06 - Lecture 1 & 2