MIT 18.06 linear algebra第一课笔记

MIT 18.06 linear algebra第一课笔记

第一课的课程主题为：
- n linear equation u unknown(n个方程n个未知数的方程组)
- Row picture(行图)
- Column picture(列图)
- Matrix form(矩阵形式)

课程开始首先举了一个两个方程两个未知数的方程组：

$$\begin{cases} 2x-y=0\\ -x+2y=3\\ \end{cases}\tag{1}$$
如果将上面线性方程组的行图画出的话，就是在直角坐标系中画出两条直线 $2x-y=0$和 $-x+2y=3$的交点。 行图并不是本课程的重点。
上面的方程组还可以表示为如下形式：
$$x \begin{bmatrix} 2\\ -1\\ \end{bmatrix}+y \begin{bmatrix} -1\\ 2\\ \end{bmatrix}= \begin{bmatrix} 0\\3 \end{bmatrix}\tag{2}$$
如果将上面线性方程组(1)的列图画出的话，就是将上式子(2)的列向量走线性组合，然后得到右侧的向量。所谓列图就是将线性组合左侧的参数矩阵拆分成列向量，然后进行线性组合得到右侧的向量。线性方程组(1)的参数矩阵如下左侧所示：
$$\begin{bmatrix} 2&-1\\ -1&2\\ \end{bmatrix} \begin{bmatrix} x\\ y\\ \end{bmatrix}= \begin{bmatrix} 0\\3 \end{bmatrix}\tag{3}$$
就一个线性方程组来说可以将其抽象的表示为 $AX=b$其中 $A$就是所谓的参数矩阵， $b$为目标向量。列图也就是对参数矩阵列的一种线性组合。
对于像式(2)那样对于对列向量线性组合，也就有一个问题？是否二维平面内的任意一个向量都可以通过列向量的线性组合来表示，就式(2)来说是肯定的，式(2)的参数矩阵是非奇异的。但并非所有n行n个参数的线性方程组其参数矩阵列向量的线性组合都能表示n维空间的一个任意向量。如果这些列向量存在线性相关关系，那么就不能表示n维空间的任意一个向量。也就是说参数矩阵是奇异的。
假设有9个9维向量，但是有1个向量能用其他8个向量线性表示，这就是说这些9个向量是线性相关的，他们的组合不能表示9维空间任意的一个9维向量。但这些向量可以表示9维空间中的某个8维空间(因为这些列向量中有8个是线性无关的)。

can I solve Ax = b for every b?
Do the linear combination of columns fill n-D space?

方程组的矩阵形式$AX=b$，有两种运算方法：

$$\begin{bmatrix} a_{11}&a{12}\\ a_{21}&a{22}\\ \end{bmatrix} \begin{bmatrix} x\\y \end{bmatrix}= \begin{bmatrix} b_{11}\\ b_{21} \end{bmatrix}$$

1. 将其看作A中列向量的线性组合。
2. $A$矩阵的第一行$a_{11}a_{12}$和列向量$x y$做点乘得到$b_{11}$，$A$矩阵的第二行$a_{21}a_{22}$和列向量$x y$做点乘得到$b_{21}$。

但是就线性代数来说，推荐第一种。

未完！待修改