线性方程的几何图像
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
行图像
列图像
在列图像中,我们将系数矩阵写成列向量的形式,则求解原方程变为寻找列向量的线性组合(linear combination)来构成向量 b。
向量线性组合是贯穿本课程的重要概念。对于给定的向量 c 和 d 以及标量 x 和y,我们将 xc+yd 称之为 c 和 d 的一个线性组合。
从几何上讲,我们是寻找满足如下要求的 x 和 y,使得两者分别数乘对应的列向量之后相加得到向量
[
0
3
]
\begin{bmatrix} 0\\3\end{bmatrix}
[03]
其几何图像如下图。
将以上讨论扩展到三元。
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。
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。