MIT线性代数笔记(一)---方程组的几何解释

1 概述

本节主要介绍线性代数的基础。首先从解方程开始，学习线性代数的应用之一就是求解复杂的方程问题，本节核心之一就是从row picture (行图像) 和column picture (列图像)的角度解方程。

2 方程组的几何解释基础

2.1 二维行图像

我们首先通过一个例子了解二维方程组:
$$\{\begin{array}{rl}2x-y& =0\\ -x+2y& =3\end{array}\text{\hspace{1em}(1)}$$
我们首先按行将方程组写成矩阵形式：
$$\begin{array}{cccc}\left[\begin{array}{cc}2& -1\\ -1& 2\end{array}\right]& \left[\begin{array}{cc}x& y\end{array}\right]& =& \left[\begin{array}{cc}0& 3\end{array}\right]\\ \text{矩阵系数}& \text{未知向量}& & \text{向量}\end{array}$$

系数矩阵(A): 将方程组系数按行提取出来，构造完成的一个矩阵。
未知向量(x): 将方程组的未知数提取出来，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。

我们将对应的行图像画出来,在系数矩阵上一次取一行构成方程。和我们在初等数学中学习的作图求解方程的过程无异。

2.2 二维列图像

从l列图像的角度，我们再次求解上面的方程：
$$\{\begin{array}{rl}2x-y& =0\\ -x+2y& =3\end{array}\text{\hspace{1em}(1)}$$
我们将方程按列提取,得到的矩阵为：
$$x\left[\begin{array}{c}2\\ -1\end{array}\right]+y\left[\begin{array}{c}-1\\ 2\end{array}\right]=\left[\begin{array}{c}0\\ 3\end{array}\right]$$

我们使用列向量构成系数矩阵，将问题转化为: 将向量$\left[\begin{array}{c}2\\ -1\end{array}\right]$与向量$\left[\begin{array}{c}-1\\ 2\end{array}\right]$任意组合，使其结果构成$\left[\begin{array}{c}0\\ 3\end{array}\right]$。
同样,我们画出列图像:

很明显能够看出来,x=1,y=2能够满足条件,使的向量组合成$\left[\begin{array}{c}0\\ 3\end{array}\right]$。如果对x和y取任意数,能够得到任意方向的向量,铺满整个平面。

3 方程组的几何解释推广

3.1 高维行图像

我们将方程组的维数进行推广，从三维开始$\{\begin{array}{rl}2x-y& =0\\ -x+2y-z& =-1\\ -3y+4z& =4\end{array}$ 如果我们继续使用行图像来解决求解方程组，那么会得到一个很复杂的图像。
矩阵 Ax=b 如下：
$$A=\left[\begin{array}{ccc}2& -1& 0\\ -1& 2& -1\\ 0& -3& 4\end{array}\right],b=\left[\begin{array}{c}0\\ -1\\ 4\end{array}\right]$$

从矩阵可以看出,行图像是三个平面相交于一点,我们如果直接想看出这个点的性质可谓是难上加难。
比较靠谱的思路是先联立其中两个平面，使其相交于一条直线，再研究这条直线与平面相交于哪个点，最后得到点坐标即为方程的解。
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。

3.2 高维列向量

同样使用上面的例子,从列图像的思路进行计算。
$$x\left[\begin{array}{c}2\\ -1\\ 0\end{array}\right]+y\left[\begin{array}{c}-1\\ 2\\ 3\end{array}\right]+z\left[\begin{array}{c}0\\ -1\\ 4\end{array}\right]=\left[\begin{array}{c}0\\ -1\\ 4\end{array}\right]$$
左侧是线性组合，右侧是合适的线性组合组成的结果，这样一来思路就清晰多了，“寻找线性组合”成为了解题关键。

很明显这道题是一个特例，我们只需要取 x = 0, y = 0, z = 1 就得到了结果，这在行图像之中并不明显。

当然，之所以我们更推荐使用列图像求解方程， 是因为这是一种更系统的求解方法，即寻找线性组合，而不用绘制每个行方程的图像之后寻找那个很难看出来的点。

另外一个优势在于，如果我们改变最后的结果 b，例如本题中，我们将其改为
$$x\left[\begin{array}{c}2\\ -1\\ 0\end{array}\right]+y\left[\begin{array}{c}-1\\ 2\\ 3\end{array}\right]+z\left[\begin{array}{c}0\\ -1\\ 4\end{array}\right]=\left[\begin{array}{c}1\\ 1\\ -3\end{array}\right]$$
那么，y，z重新取值，寻找一个新的线性组合就可以了。但是如果我们使用的是行图像呢？那意味着我 们要完全重画三个平面图像，就简便性来讲，两种方法高下立判。
另外，还要注意的一点是对任意的 b 是不是都能求解 Ax = b 这个矩阵方程呢？ 也就是对 3*3 的系数矩阵 A，其列的线性组合是不是都可以覆盖整个三维空间呢？

对于我们举的这个例子来说，一定可以，还有我们上面 2*2 的那个例子，也可以覆盖整个平面，但是有一些矩阵就是不行的。

比如$\left[\begin{array}{c}1\\ 1\\ 1\end{array}\right]\left[\begin{array}{c}0\\ 1\\ 2\end{array}\right]\left[\begin{array}{c}1\\ 2\\ 3\end{array}\right]$三个列向量本身就构成了一个平面，那么这样的三个向量组合成的向量只能活动在这个平面上，肯定无法覆盖整个三维空间，也就无法实现对任意的b，都能求解AX=b这个方程

3.3 矩阵乘法

如何对矩阵A和向量x的积进行求解。例如A=$\left[\begin{array}{cc}2& 5\\ 1& 3\end{array}\right]$，x=$\left[\begin{array}{c}1\\ 2\end{array}\right]$

• 方法1：将矩阵A看做列向量的组合:
  $$\left[\begin{array}{cc}2& 5\\ 1& 3\end{array}\right]\left[\begin{array}{c}1\\ 2\end{array}\right]=1\left[\begin{array}{c}2\\ 1\end{array}\right]+2\left[\begin{array}{c}5\\ 3\end{array}\right]=\left[\begin{array}{c}12\\ 7\end{array}\right]$$
  将x每个分量与矩阵中各个列向量相乘，再将其求和。
• 方法2：将矩阵A看做行向量的组合:
  $$\left[\begin{array}{cc}2& 5\\ 1& 3\end{array}\right]\left[\begin{array}{c}1\\ 2\end{array}\right]=\left[\begin{array}{c}(2,5)\ast (1,2)\\ (1,3)\ast (1,2)\end{array}\right]=\left[\begin{array}{c}12\\ 7\end{array}\right]$$
  将矩阵A的每行分别与x进行向量乘法

4 小结

这部分内容主要是线性代数概念的初步了解，从解方程谈起，从行空间逐步过渡到列空间，可以发现从列空间角度将求解方程变化为求列向量的线性组合，这种方法更加科学。末尾稍微介绍了一下矩阵乘法，这部分的内容理解就好。