【线性代数】2-1:解方程组(Ax=b)-CSDN博客

本文链接：https://blog.csdn.net/TonyShengTan/article/details/82796821

原文地址1：https://www.face2ai.com/Math-Linear-Algebra-Chapter-2-1转载请标明出处

Abstract: 通过不同的角度解方程组 $A x = b$
Keywords: row picture，column Picture，system of equations

解方程组

$\\ 3x+2y=11$
同志们，来解方程组，这是小学四五年级的数学题，也是线性代数的核心问题，解方程组，没错2x2的方程组没啥好说的，咔咔咔，就算粗来了，但是200x200的规模就有点大了，所以线性代数知识就有用了。

行视角(Row Picture)

不知道Picture这个词本身就是这种含义，还是Pro Strang喜欢这么说，Open Course和书上都是各种各样的Picture。
什么是Row Picture？
看到方程组中的两个等式么，每一行就是一个Picture，或者叫做Graph，在二维坐标系下，表现出来的是一条直线，同样第二个方程也是一条直线，直线上所有的点都满足方程，所以两条直线相交处就是方程组的解。

列视角(Column Picture)

这个是重点了，因为这个能引出后面一些列的知识，如果我们竖着看，把方程的系数排列整齐，把每个未知数的所有系数按照列向量排列：
$x\begin{bmatrix} 1\\1 \end{bmatrix}+y\begin{bmatrix}-2\\2 \end{bmatrix}=\begin{bmatrix}1\\11 \end{bmatrix}=\textbf{b}$
怎么样，意外不意外，惊喜不惊喜，和前面讲到的Linear Combination是不是一毛一样，经过scale的两个向量相加得到另一个向量，接着我们就开始寻求scalars了。

***也就是我们通过寻找特定的scalars，来组合出我们规定的 $\textbf{b}$ ***

在图像上，column picture 就变成了两个（或若干个）向量组合得到目标向量了，如图：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QUFjzLwx-1592543741636)(https://tony4ai-1251394096.cos.ap-hongkong.myqcloud.com/blog_images/Math-Linear-Algebra-Chapter-2-1/column_picture.png)]

系数矩阵(Coefficient Matrix)

下面矩阵正式出场，我们把上面那两个系数向量挨着拼接起来，就能得到一个系数矩阵(Coefficient Matrix)
$A=\begin{bmatrix}1&-2\\3&2\end{bmatrix}$
然后写成方程形式就是：
$A\textbf{x}=\textbf{b}$
其中 $\textbf{x}=\begin{bmatrix}x\\y\end{bmatrix}$ ,x 和 y就是上面的未知数。

矩阵乘向量(Matrix · Vector)

没错，上面的表示就是一个系数矩阵x向量，更通用一些，我们不在局限于上面的2x2的A，而是放飞自我的A，x也是放飞自我的x，那么

行Row

$A\textbf{x}=\begin{bmatrix} row(1)\cdot \textbf{x}\\ row(2)\cdot \textbf{x}\\ \dots\\ row(n)\cdot \textbf{x}\\ \end{bmatrix}$
系数矩阵每一行和未知数向量点乘，得到的就是方程组的原始形式。

列Column

$A\textbf{x}=col(1)x_1+rcol(2)x_2+\dots+col(n)x_n\\$
系数矩阵的每一列的线性组合

单位矩阵(Identity Matrix)

神奇矩阵 $I$ ， $I A = A$ 看到没，这就是他牛的地方，和谁乘在一起都是谁
$KaTeX parse error: No such environment: equation at position 8: \begin{̲e̲q̲u̲a̲t̲i̲o̲n̲}̲ I=\begin{bmatr…$
空白处全是0
左乘右乘都不变！