线性组合
1、主要内容
- 两个方程的线性组合 ;
- 三个方程的线性组合 ;
- 矩阵乘法的另一种认识 。
2、正文
例:
{
2
x
−
y
=
0
−
x
+
2
y
=
3
\left\{ \begin{array}{c} 2x - y=0 \\ -x+2y=3 \end{array}\right.
{2x−y=0−x+2y=3
【通常的解法】:画出两行方程所表示的直线,进而确定直线 2x-y=0 与 -x+2y=3 两者的交点,交点便是方程组的解。(MIT课中称这种方式为行图像(Row image),因为它作的是每一行方程所代表的几何图形。)
【线性组合】:原方程可化为
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]
认为该方程组的目的是在找一组系数 x、y 使得两个列向量在这组系数的作用下线性组合成目标向量。(这种方式被称为列图像,因为他通过作每一列的图像进行组合,从而得到结果)。
以上是从几何的角度对方程组进行了直观的认识,这里还有几个重要的细节,如下:
- 向量(列向量)的分量的个数(也就是向量的维度)与该向量所在空间的维度相等(并不恰当的说法,但是能获得直观的认识),向量的个数却与能组合得到的空间维度有关。(实际上,这里应该是线性无关的向量的个数,关于线性无关,以后再做讨论)
[ 2 − 1 ] [ − 1 2 ] \begin{bmatrix} 2\\ -1 \end{bmatrix}\begin{bmatrix} -1\\ 2 \end{bmatrix} [2−1][−12]都是2维向量,所以它们所在(或进行组合的空间)是二维的,也就是2维平面。
- 若 [ 2 − 1 ] [ − 1 2 ] \begin{bmatrix} 2\\ -1 \end{bmatrix}\begin{bmatrix} -1\\ 2 \end{bmatrix} [2−1][−12]具有线性关系,也就是说,其中一个向量可以由两一个向量表示出来,则只能得到1维空间。显然这里不具有线性关系。若将 [ 0 3 ] \begin{bmatrix} 0\\ 3 \end{bmatrix} [03]改为任意数,即改成任意a、b所表示的二维向量 [ a b ] \begin{bmatrix} a\\ b \end{bmatrix} [ab]组合 [ 2 − 1 ] 与 [ − 1 2 ] \begin{bmatrix} 2\\ -1 \end{bmatrix}与\begin{bmatrix} -1\\ 2 \end{bmatrix} [2−1]与[−12]得到2D空间中的任意一个向量,而二维空间可以由所有的这些向量所表示出来,所以我们就可以通过组合得到二维空间。
例:这是一个三维空间的例子。 { 2 x − y = 0 − x + 2 y − z = − 1 − 3 y + 4 z = 4 \left\{ \begin{array}{c} 2x-y=0 \\ -x+2y-z=-1\\ -3y+4z=4\end{array}\right. ⎩⎨⎧2x−y=0−x+2y−z=−1−3y+4z=4
通常做法:在三维空间中,一个方程确定一个平面。这三个不相关的方程确立三个空间平面,且相交于一点,该点便是方程的解。(行图像)
线性组合:
x
[
2
−
1
0
]
+
y
[
−
1
2
3
]
+
z
[
0
−
1
4
]
=
[
0
−
1
4
]
x\begin{bmatrix} 2\\ -1\\ 0 \end{bmatrix}+y\begin{bmatrix} -1\\ 2\\ 3\end{bmatrix}+z\begin{bmatrix} 0\\ -1\\ 4\end{bmatrix}=\begin{bmatrix} 0\\ -1\\ 4\end{bmatrix}
x⎣⎡2−10⎦⎤+y⎣⎡−123⎦⎤+z⎣⎡0−14⎦⎤=⎣⎡0−14⎦⎤
该方程组的目的是找到一个能够使三个列向量组合得到目标向量的系数(x,y,z).
若只有两个列向量,也只能组合得到3D-space中的2d-planet(这就是向量的个数与组合得到的空间的维度有关)。
由于这三个列向量均有三个分量,所以它们都位于三维空间中。
若这三个向量中一个向量可以由另外两个向量组合得到,也就是说,这三个向量,并不两两线性无关。这时,通过组合也就只能得到2D空间,这也就是说:列向量线性无关的个数决定了所能组合的空间的维度。