行图像和列图像
Row picture & Column picture
学习线性代数应从解方程谈起,因为学习线性代数的应用之一就是求解复杂方程的问题,本节核心之一就是行图像与列图像的角度解方程。
方程组(线性方程)的几何解释基础
线性代数的基本问题就是解 n 元一次方程组。例如:二元一次方程组
系数矩阵(A):将方程系数按行提取出来,构成一个矩阵
未知向量(x):将方程未知数提取出来,按列构成一个向量
向量(b):将等号右侧结果按列提取,构成一个向量
行图像 Row Picture
![[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(
行图像遵从解析几何的描述,每个方程在平面上的图像为一条直线。找到符合方程的两个数组,就可以确定出x-y 平面上的两个点,连接两点可以画出该方程所代表的直线。两直线交点即为方程组的解 x=1,y=2。
列图像 Column Picture
几何意义:
即寻找合适的 x,y 使得 x 倍的(2,-1) + y 倍的(-1,2)得到最终的向量(0,3)。在很 明显能看出来,1 倍(2,-1) + 2 倍(-1,2)即满足条件。反映在图像上,明显结果正确。
方程组的几何解释推广
- 高维行图像
想象一下如果任意取 x,y,则得到的线性组合又是什么?其结果就是以上两个列向量的所有线性组合将会布满整个坐标平面。
绘制向量 的线性组合充满整个平面的图像,节点处为向量的整数倍线性组合。
这个求解过程对于三维来说或许还算合理,那四维呢?五维甚至更高维数 呢?直观上很难直接绘制更高维数的图像,这种行图像受到的限制也越来越多。
三维列图像
方程的行图像比较复杂,每一个方程都是三维空间内的一个平面,方程组的解为三个平面的交点。
画图真不是 GS 的长项,在视频里画的就比较 …,他自己也承认了。在课本里他用两个面相交于一条直线画了一个图,然后让这条直线和第三个平面相交画了第二个图。同样的事,D.C.Lay 一张图分分钟搞定。
方程组列图像为:
如果改变等号右侧的 b 的数值,那么对于行图像而言三个平面都改变了,而对于列图像而言,三个向量并没有发生变化,只是需要寻找一个新的组合。
那么问题来了,是否对于所有的 b,方程 Ax=b 都有解?
- 从列图像上看,问题转化为“列向量的线性组合是否覆盖整个三维空间?”
反例:若三个向量在同一平面内——比如“列 3”恰好等于“列 1”加“列 2”,
而若 b 不在该平面内,则三个列向量无论怎么组合也得不到平面外的向量 b。此时矩阵 A 为奇异阵或称不可逆矩阵。在矩阵 A 不可逆条件下,不是所有的 b 都能令方程 Ax=b 有解。 对 n 维情形则是,n 个列向量如果相互独立——“线性无关”,则方程组有解。否则这 n 个列向量起不到 n 个的作用,其线性组合无法充满 n 维空间,方程组未必有解。 - 从行图像的角度来看,三元方程组是否有解意味着什么?当方程所代表的三个平面相交于一点时方程有唯一解;三个平面中至少两个平行则方程无解;平面的两两交线互相平行方程也无解;三个平面交于一条直线则方程有无穷多解。