前言
相信你也跟我一样，在第一次接触线性代数的时候非常疑惑，什么是线性？而什么是代数呢？本篇文章将从最简单的n个方程 n个未知数的线性方程讲起，并探究其背后的几何含义。
正文
1.矩阵
如果你是一名工程专业的学生或是一名已经在职的工程师，你肯定会听到过矩阵（Matrix）的威名，是的，矩阵是我们解决工程问题时非常有用的数学工具，但是，什么是矩阵呢？其实不需要想的特别复杂，矩阵只是一个数字的矩形数组，例如我们有如下二元一次方程：
{
2
x
−
y
=
0
−
x
+
2
y
=
3
\begin{cases}2x-y=0\\-x+2y=3\end{cases}
{2x−y=0−x+2y=3
这个二元一次方程非常的简单，只要有初中数学基础就可以轻松驾驭，我们将未知数前面的系数单独拿出来是：2,-1,-1,2，然后将其从左往右，从上往下书写，然后在两边加上方括号就是：
[
2
−
1
−
1
2
]
\begin{bmatrix}2&-1\\-1&2\end{bmatrix}
[2−1−12]
OK，这就是一个两行两列的矩阵了，并且，因为他是由线性方程的系数中提取出来的，因此，我们也可以称之为系数矩阵。现在如果我告诉你是几行几列的矩阵，并告诉你一堆数字，相信你也可以完整地写出一个矩阵了！
例如我们现在有一个三元一次方程组，有三个方程，三个未知数（正如前言说的，我们只讨论n个方程，n个未知数），如下所示：
{
2
x
−
y
=
0
−
x
+
2
y
−
z
=
−
1
−
3
y
+
4
z
=
4
\begin{cases}2x-y=0\\-x+2y-z=-1\\-3y+4z=4\end{cases}
⎩
⎨
⎧2x−y=0−x+2y−z=−1−3y+4z=4
现在你可以快速地写出这个三元一次方程组的系数矩阵了吧（这里系数0被省略掉了）
[
2
−
1
0
−
1
2
−
1
0
−
3
4
]
\begin{bmatrix}2&-1&0\\-1&2&-1\\0&-3&4\end{bmatrix}
2−10−12−30−14
没错这非常简单！
2.行图像
说完了矩阵的定义，我们正式解释一下线性方程组的几何含义，为什么叫线性代数而不是点性代数呢？其实很简单，我们一行一行地看系数矩阵，就相当于一行一行地看这个二元一次方程组：
{
2
x
−
y
=
0
−
x
+
2
y
=
3
\begin{cases}2x-y=0\\-x+2y=3\end{cases}
{2x−y=0−x+2y=3
不难发现每一行方程我们都可以画出其在二维坐标系下的图像，
2
x
−
y
=
0
2x-y=0
2x−y=0这个方程是一条过原点的直线，而
−
x
+
2
y
=
3
-x+2y=3
−x+2y=3显然不是，因为如果我们将
x
=
0
,
y
=
0
x=0,y=0
x=0,y=0带入方程并不等于
3
3
3，现在让我们绘制出这两条直线的图像（因为我们是一行一行看的，所以暂且叫他行图像吧）
此时我们已经可以初见端倪了，这个二元一次方程组的解是
{
x
=
1
y
=
2
\begin{cases}x=1\\y=2\end{cases}
{x=1y=2，而恰好两条直线的交点也是
(
1
,
2
)
(1,2)
(1,2)，换言之，我们解二元一次方程组其实就是在解两条线的交点，这也是为什么这门课叫线性代数，而不是其他什么乱七八糟代数，是不是有种豁然开朗的感觉！
那么我们再发散一下思维，刚刚我们还写了举例了一个三元一次方程组，这个要如何解释它的几何含义呢？嗯…这可能对于初学者来说有点难，那我们就来画个图吧。
{
2
x
−
y
=
0
−
x
+
2
y
−
z
=
−
1
−
3
y
+
4
z
=
4
\begin{cases}2x-y=0\\-x+2y-z=-1\\-3y+4z=4\end{cases}
⎩
⎨
⎧2x−y=0−x+2y−z=−1−3y+4z=4
我们知道二元一次方程可以用一条直线表示（方程的解可以理解为直线上的点），那三元一次方程我们该如何表示呢？现在我们在原有的二维坐标系上增加了一个维度，变成了三维坐标系，直线增加一个维度就变成了一个面，也就是说三元一次方程的解都在一个面上（无数个点构成了一个面）换句话说，我们可以用一个三维平面来表示一个三元一次方程，现在我们就可以来画图了。
我们的三元一次方程组中有三个方程，因此我们要绘制三个三维平面，这里我们使用计算机图形库（matplotlib库）来绘制这三个三维平面
通过消元法，我们可以得到这个三元一次方程组的解
{
x
=
0
y
=
0
z
=
1
\begin{cases}x=0\\y=0\\z=1\end{cases}
⎩
⎨
⎧x=0y=0z=1，然后我们再看图就会发现，三个三维平面的交点也恰好是
(
0
,
0
,
1
)
(0,0,1)
(0,0,1)，此时我们就大致了解了线性方程组的其中一个几何含义，也就是在求交点（你可能会好奇四元一次方程组和五元一次方程组如何表达，但是这对于我们目前来说有点太抽象，我们暂且放放）。
3.列图像
通过前面的讲解，相信你已经开始对这门学科有点点感觉了，接下来，我们将更近一步，使用另一个视角来看线性方程组，相信已经学过一遍的同学多多少少会有点懵，为啥讲完矩阵要讲向量，这向量为啥是一列一列的，现在，我们就从向量的角度思考问题。
[
2
−
1
−
1
2
]
\begin{bmatrix}2&-1\\-1&2\end{bmatrix}
[2−1−12]
这个是我们刚刚举例的二元一次方程组的系数矩阵，现在，我们将其一列一列拆开来，会得到两个向量（你可能会好奇为什么向量这么表示，但是目前你只需要知道，一列就代表一个向量，等你看完后面的知识你会豁然开朗），分别是：
[
2
−
1
]
和
[
−
1
2
]
\begin{bmatrix}2\\-1\end{bmatrix}和\begin{bmatrix}-1\\2\end{bmatrix}
[2−1]和[−12]
然后我们将等式右边也看作为一个向量，就可以得到：
[
0
3
]
\begin{bmatrix}0\\3\end{bmatrix}
[03]
那么我们的表达式可以写成：
x
[
2
−
1
]
+
y
[
−
1
2
]
=
[
0
3
]
x\begin{bmatrix}2\\-1\end{bmatrix}+y\begin{bmatrix}-1\\2\end{bmatrix}=\begin{bmatrix}0\\3\end{bmatrix}
x[2−1]+y[−12]=[03]
这个式子我们其实已经可以看出一些端倪了，如果我们把矩阵看作为一个向量，就好像是我们在凑一个
x
x
x倍的向量
[
2
−
1
]
\begin{bmatrix}2\\-1\end{bmatrix}
[2−1]和
y
y
y倍的向量
[
−
1
2
]
\begin{bmatrix}-1\\2\end{bmatrix}
[−12]的使得他们之和为
[
0
3
]
\begin{bmatrix}0\\3\end{bmatrix}
[03]，如果不能理解的话，我们还是可以来画个图解释。
这里我们绘制了刚刚出现的三个向量，我们已经求过这个二元一次线性方程组的解了，是
{
x
=
1
y
=
2
\begin{cases}x=1\\y=2\end{cases}
{x=1y=2，这非常简单，现在让我们将一倍的Vector 1加上两倍的Vector 2，并且运用平行四边形法则，我们会发现正好是Vector 3，惊不惊喜？意不意外？什么？你还是无法理解？那我再画个图！
现在你就会发现其实刚刚那个二元一次方程组就是在解决一个
x
x
x倍的向量
[
2
−
1
]
\begin{bmatrix}2\\-1\end{bmatrix}
[2−1]和
y
y
y倍的向量
[
−
1
2
]
\begin{bmatrix}-1\\2\end{bmatrix}
[−12]的使得他们之和为
[
0
3
]
\begin{bmatrix}0\\3\end{bmatrix}
[03]的问题，也就是我们在求一个线性组合，使得等式两边成立，并且，这也解释了，为什么我们可以把每一列都看成一个向量。
OK，探讨完二维向量，现在我们跟刚刚一样，将二维拓展为三维，也就是将二元一次线性方程组变为三元一次线性方程组，来验证我们刚刚的想法。
第一步，先把系数矩阵拆分为三个向量：
[
2
−
1
0
]
[
1
2
−
3
]
[
0
−
1
4
]
\begin{bmatrix}2\\-1\\0\end{bmatrix} \begin{bmatrix}1\\2\\-3\end{bmatrix} \begin{bmatrix}0\\-1\\4\end{bmatrix}
2−10
12−3
0−14
第二步，把等式右边也变为向量：
[
0
−
1
4
]
\begin{bmatrix}0\\-1\\4\end{bmatrix}
0−14
然后将它们在三维空间中表达出来：
这种情况比较特殊，Vector 4与Vector 3重合了，也就是说，我们想要得到Vector 4只需要一倍的Vector 3就行了，Vector 1和Vector 2都不需要，这时我们也就得到了这个三元一次方程组的解
{
x
=
0
y
=
0
z
=
1
\begin{cases}x=0\\y=0\\z=1\end{cases}
⎩
⎨
⎧x=0y=0z=1
至此，我们从两个角度分别对线性方程的几何意义进行了探讨，这些知识将对我们日后的学习打下坚实的基础！！
4.矩阵的乘法（2024.12.11补充）
有了刚刚的铺垫，我们不妨来探讨一下矩阵的乘法运算，大学老师告诉我们矩阵的乘法就是行与列相乘，例如，我们将如下两个矩阵相乘：
[
2
−
1
−
1
2
]
[
3
2
]
\begin{bmatrix}2&-1\\-1&2\end{bmatrix}\begin{bmatrix}3\\2\end{bmatrix}
[2−1−12][32]
我们使用常规的方法很快就可以得到这两个矩阵的相乘的答案。
{
2
×
3
+
(
−
1
)
×
2
=
4
(
−
1
)
×
3
+
2
×
2
=
1
\begin{cases}2×3+(-1)×2=4\\(-1)×3+2×2=1\end{cases}
{2×3+(−1)×2=4(−1)×3+2×2=1
答案是：
[
4
1
]
\begin{bmatrix}4\\1\end{bmatrix}
[41]
这就是我们大学线代课上接触到的矩阵乘法运算。
接下来让我们换一种思路，从向量的角度来解释矩阵的乘法，我们知道我们求的
x
x
x和
y
y
y可以表示为向量的倍数，那不就简单了吗？我们可以把第一个矩阵拆成两个向量，而第二个矩阵的第一行是第一个向量的倍数，第二行是第二个向量的倍数，就跟我们之前探讨列图像时的式子是一样的。
x
[
2
−
1
]
+
y
[
−
1
2
]
=
[
0
3
]
x\begin{bmatrix}2\\-1\end{bmatrix}+y\begin{bmatrix}-1\\2\end{bmatrix}=\begin{bmatrix}0\\3\end{bmatrix}
x[2−1]+y[−12]=[03]
我们把刚刚的矩阵相乘变换一下就会得到：
3
[
2
−
1
]
+
2
[
−
1
2
]
3\begin{bmatrix}2\\-1\end{bmatrix}+2\begin{bmatrix}-1\\2\end{bmatrix}
3[2−1]+2[−12]
然后行跟行加，列跟列加，就可以得到如下式子：
{
3
×
2
+
2
×
(
−
1
)
=
4
3
×
(
−
1
)
+
2
×
2
=
1
\begin{cases}3×2+2×(-1)=4\\3×(-1)+2×2=1\end{cases}
{3×2+2×(−1)=43×(−1)+2×2=1
有没有发现，跟我们常规的运算式子是一样的，无非就是交换了位置，最后，我们也得到了答案：
[
4
1
]
\begin{bmatrix}4\\1\end{bmatrix}
[41]
你现在肯定非常吃惊，这还是我初中学的线性方程组吗！这还是我学的那个矩阵乘法运算吗！不知道你是不是，反正我看完MIT的线代课，就有这种醍醐灌顶的感觉。
最后
这个系列是我希望通过费曼学习法来更好地巩固学习线性代数，如果有表述上的错误可以私信我，不胜感激！！
B站：ZaneYooo
知乎：ZaneYooo
CSDN：ZaneYooo
微信公众号（建设中）
线性代数QQ交流群：246847309
希望你可以跟我一起构建起强大的知识体系，畅游在知识的海洋，改变世界改变自己！！！
扫一扫
682
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
