MIT线性代数笔记01-方程组的行图与列图

Lecture01 方程组的行图与列图

Gilbert Strang

课程编号1806

相关课程资源见文末

导入：求解线性方程组

考虑方程组：

$$\{\begin{array}{c}2x-y=0\\ -x+2y=3\end{array}(1)$$

【行图像】：两条直线的交点即为方程组的解

\qquad 容易求得，方程组的解为$(1,2)$
【列图像】
\qquad 在这里，用列图像的视角考察方程的解将更重要。

\qquad 将方程组看成$\left(\begin{array}{c}2\\ -1\end{array}\right)x+\left(\begin{array}{c}-1\\ 2\end{array}\right)y=\left(\begin{array}{c}0\\ 3\end{array}\right)(2)$

\qquad 记${\mathbf{v}}_1=\left(\begin{array}{c}2\\ -1\end{array}\right),{\mathbf{v}}_2=\left(\begin{array}{c}-1\\ 2\end{array}\right),\mathbf{b}=\left(\begin{array}{c}0\\ 3\end{array}\right)$，（向量用粗体表示）

\qquad 方程组成立的条件即以${\mathbf{v}}_1$与${\mathbf{v}}_2$为基向量，寻找合适的系数将其线性组合成$\mathbf{b}$,方程组的解即为两个基向量的系数。将解$(1,2)$代入方程$(1)$中能够很好的验证。
线性组合是贯穿课程始终的基本方法。
$$\left(\begin{array}{c}2\\ -1\end{array}\right)\ast 1+\left(\begin{array}{c}-1\\ 2\end{array}\right)\ast 2=\left(\begin{array}{c}0\\ 3\end{array}\right)$$

\qquad 更进一步，方程组$(1)$可以写成如下形式：
$$\left(\begin{array}{cc}2& -1\\ -1& 2\end{array}\right)\left(\begin{array}{c}x\\ y\end{array}\right)=\left(\begin{array}{c}0\\ 3\end{array}\right)(3)$$
\qquad 或者：$\mathbf{A}\mathbf{x}=\mathbf{b}$.其中$\mathbf{A}=\left(\begin{array}{cc}2& -1\\ -1& 2\end{array}\right)$,$\mathbf{x}=\left(\begin{array}{c}x\\ y\end{array}\right)$
\qquad 容易想到，这里如果x,y取任意值的话，${\mathbf{v}}_1$与${\mathbf{v}}_2$的所有线性组合将布满整个坐标平面。但是如果${\mathbf{v}}_1$与${\mathbf{v}}_2$共线，则不是任意的$\mathbf{b}$都可以用${\mathbf{v}}_1$、${\mathbf{v}}_2$线性表示。即此时方程不一定有解。
\qquad 同理，三维及更高维的情况也可以从这两个视角进行理解：

$$\{\begin{array}{c}2x-y=0\\ -x+2y-z=-1\\ -3y+4z=4\end{array}(4)$$
方程组也可以写为：$\mathbf{A}\mathbf{x}=\mathbf{b}$,其中$\mathbf{A}=\left(\begin{array}{ccc}2& -1& 0\\ -1& 2& -1\\ 0& -3& 4\end{array}\right)$,$\mathbf{x}=\left(\begin{array}{c}x\\ y\\ z\end{array}\right)$,$\mathbf{b}=\left(\begin{array}{c}0\\ -1\\ 4\end{array}\right)$

行图像	列图像
其中三个平面的交点即为方程组的解	使得${\mathbf{v}}_1、{\mathbf{v}}_2、{\mathbf{v}}_3$能线性组合成$\mathbf{b}$的系数组合就是方程的解

\qquad 在这个特例中，从列视角$\left(\begin{array}{c}2\\ -1\\ 0\end{array}\right)x+\left(\begin{array}{c}-1\\ 2\\ -3\end{array}\right)y+\left(\begin{array}{c}0\\ -1\\ 4\end{array}\right)z=\left(\begin{array}{c}0\\ -1\\ 4\end{array}\right)$,容易看出方程的解为$(0,0,1)$.
\qquad 若保持等号左侧向量不变，变化等号右侧的向量，在此题中，等号右侧换成任意向量，方程$\mathbf{A}\mathbf{x}=\mathbf{b}$总有解，即列向量的线性组合能覆盖整个三维空间。但有时候，等号左侧的基向量不一定能构造出等号右侧的向量，比如左边三个向量共面时，方程组不一定有解。对于更高维的情况，也可以如此类比理解。

矩阵乘法

\qquad 对于矩阵乘法，可以从线性组合（$\mathbf{A}\mathbf{x}$ is a combination of columns of $\mathbf{A}$）和点积两个角度进行理解和计算。

1.线性组合角度

【右乘】：对于矩阵右乘一个向量，可以看成左边矩阵列向量的线性组合,如
$$\left(\begin{array}{cc}2& 5\\ 1& 3\end{array}\right)\left(\begin{array}{c}1\\ 2\end{array}\right)=1\left(\begin{array}{c}2\\ 1\end{array}\right)+2\left(\begin{array}{c}5\\ 3\end{array}\right)=\left(\begin{array}{c}12\\ 7\end{array}\right)$$
\qquad 对于矩阵右乘一个矩阵，可以看成左边矩阵分别和右边矩阵的两个列向量相乘，再排到一起。
$$\left(\begin{array}{cc}2& 5\\ 1& 3\end{array}\right)\left(\begin{array}{cc}1& 3\\ 2& 1\end{array}\right)=\left(\begin{array}{c}\left(\begin{array}{cc}2& 5\\ 1& 3\end{array}\right)\left(\begin{array}{c}1\\ 2\end{array}\right)\left(\begin{array}{cc}2& 5\\ 1& 3\end{array}\right)\left(\begin{array}{c}3\\ 1\end{array}\right)\end{array}\right)=\left(\begin{array}{cc}12& 11\\ 7& 6\end{array}\right)$$

【左乘】：对于矩阵左乘一个向量，可以看成右边矩阵行向量的线性组合，如：
$$\left(\begin{array}{cc}2& 5\end{array}\right)\left(\begin{array}{cc}1& 3\\ 2& 1\end{array}\right)=2(13)+5(21)=(1211)$$
\qquad 对于矩阵左乘一个矩阵，可以看成右边矩阵分别与左边矩阵的行向量相乘，然后再排到一起
$$\left(\begin{array}{cc}2& 5\\ 1& 3\end{array}\right)\left(\begin{array}{cc}1& 3\\ 2& 1\end{array}\right)=\left(\begin{array}{c}\left(\begin{array}{cc}2& 5\end{array}\right)\left(\begin{array}{cc}1& 3\\ 2& 1\end{array}\right)\\ \\ \left(\begin{array}{cc}1& 3\end{array}\right)\left(\begin{array}{cc}1& 3\\ 2& 1\end{array}\right)\end{array}\right)=\left(\begin{array}{cc}12& 11\\ 7& 6\end{array}\right)$$

2.点积角度

$$\left(\begin{array}{cc}2& 5\\ 1& 3\end{array}\right)\left(\begin{array}{cc}1& 3\\ 2& 1\end{array}\right)=\left(\begin{array}{c}\left(\begin{array}{cc}2& 5\end{array}\right)\cdot \left(\begin{array}{c}1\\ 2\end{array}\right)\left(\begin{array}{cc}2& 5\end{array}\right)\cdot \left(\begin{array}{c}3\\ 1\end{array}\right)\\ \\ \left(\begin{array}{cc}1& 3\end{array}\right)\cdot \left(\begin{array}{c}1\\ 2\end{array}\right)\left(\begin{array}{cc}1& 3\end{array}\right)\cdot \left(\begin{array}{c}3\\ 1\end{array}\right)\end{array}\right)=\left(\begin{array}{cc}12& 11\\ 7& 6\end{array}\right)$$

后记

\qquad 对于线性代数，一上来就直接给出矩阵表示，并从行图，列图角度进行介绍，看似有点太直接，但听下来感觉还是很好接受。比起从行列式开始，感觉从列向量、线性组合的角度开始学习要更容易理解一些。这门课弱化了部分公式的推导证明，但课程设计和逻辑性非常好，有层次，有重点，也比较好理解。

===================================================

课程资源

• 主课：bilibli、网易公开课都可以搜到，关键字（麻省理工，线性代数）
• 配套习题课：bilibli可以搜到，关键字（麻省理工，线性代数，陈莉楠）
• 教材：Gilbert Strang.Introduction to Linear Algebra
• 课程官网：http://web.mit.edu/18.06
  \qquad\qquad https://mitmath.github.io/1806/