MIT线性代数笔记一 行图像和列图像
文章目录
- 1. 曾经
- 2. 现在
- 3. 第一讲 行图像和列图像
- 3.1 行图像
- 3.2 列图像
1. 曾经
若干年前,有一个年轻的男老师(王清老师)给我们讲线性代数。他讲课的声音比较小,坐到后面接近听不清的状态。在模糊的印象中,第一节课就讲如何通过行列式求解方程组(克莱姆法则)。再到后来的矩阵的各种运算(加法、乘法、求逆、转置)、初等行变换,直到最后的特征值和特征向量的求解。一路以来,除了运算就是运算,但却并不知道为什么要这样算。当时就提出一个小疑问,难道线性代数学的就是各种运算规则嘛?可惜的是,并没有深究下去。
2. 现在
十一年(2018年大一)过去了。新年的第一个愿望就是能把李宏毅老师的《机器学习》(http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML19.html)课程认真学一遍。在学到线性回归这一小节的时候,为了把理论知识掌握的更加扎实,所以进行了公式推导。在公式推导的过程中,应用到了矩阵的求导公式。为了搞懂这一知识点,自己做出了学习计划:线性代数(MIT的Gilbent Strang老师,课程链接为https://www.bilibili.com/video/av34573725/?p=1)->矩阵论(其中矩阵论推荐哈工大的严质彬老师的课程,链接为https://www.bilibili.com/video/av11355346/?p=1)。为了更好的消化课程内容,所以对每节课的内容进行总结,写成博客。
3. 第一讲 行图像和列图像
线性方程的几何图像
线性代数的一个重要问题是求解n元一次方程组。例如下面的二元方程组:
{2x−y=0−x+2y=3\left\{ \begin{array} { r } { 2 x - y = 0 } \\ { -x + 2y = 3 } \end{array} \right. {2x−y=0−x+2y=3
用矩阵表示如下所示:
[2−1−12][xy]=[03]\left[ \begin{array} { c c } { 2 } & { - 1 } \\ { - 1 } & { 2 } \end{array} \right] \left[ \begin{array} { l } { x } \\ { y } \end{array} \right] = \left[ \begin{array} { l } { 0 } \\ { 3 } \end{array} \right] [2−1−12][xy]=[03]
其中A=[2−1−12]称为是系数矩阵\bold {A}=\left[ \begin{array} { c c } { 2 } & { - 1 } \\ { - 1 } & { 2 } \end{array} \right] 称为是系数矩阵A=[2−1−12]称为是系数矩阵,未知数向量x=[xy]未知数向量\bold {x}=\left[ \begin{array} { l } { x } \\ { y } \end{array} \right]未知数向量x=[xy],等号右侧的向量记为b。可得Ax=b\bold{Ax} = \bold{b}Ax=b
3.1 行图像
行图像和解析几何的结果是一致的,即每个方程的图像为一条直线。绘制出两个方程组对应的直线,两条直线交点即为方程组的解 x=1, y=2。
注:上图是使用wolframalpha绘制的结果,具体链接为(https://www.wolframalpha.com/input/?i=2x-y+%3D+0+and±x%2B2y%3D3)。
3.2 列图像
在列图像中,我们将系数矩阵按列划分,即把矩阵分解成若干个列向量的形式,则求解原方程可转化为为寻找列向量的线性组合来构成向量 b。
x[2−1]+y[−12]=[03]x \left[ \begin{array} { c c } { 2 } \\ { - 1 } \end{array} \right] + y \left[ \begin{array} { l } { -1 } \\ { \quad 2 } \end{array} \right] = \left[ \begin{array} { l } { 0 } \\ { 3 } \end{array} \right] x[2−1]+y[−12]=[03]
向量的线性组合是课程的重要概念之一。其中线性组合指的是向量的加法和向量的数乘。其中向量的加法需满足平行四边法则或者三角形法则,向量的数乘指的是向量的伸缩(其中系数大于1则进行伸展,小于1则进行收缩)。多说一句,基向量的线性组合能够表示整个空间。
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 [03]\left[ \begin{array} { l } { 0 } \\ { 3 } \end{array} \right][03]。
如果只是二元方程,可能还看不出来列图像的优势,如果是多元方程,就显而易见了。
{x+2y+3z=62x+5y+2z=46x−3y+z=2\left \{ \begin{array} { r } { x + 2y +3z = 6 } \\ { 2x + 5y +2z = 4 } \\ {6x-3y+z=2} \end{array} \right. ⎩⎨⎧x+2y+3z=62x+5y+2z=46x−3y+z=2
对于方程组Ax=b\bold {Ax} = \bold {b}Ax=b而言,如果改变等号右侧 向量b\bold {b}b 的数值,那么对于行图像而言三个平面都改变了,而对于列图像而言,三个向量并没有发生变化,只是需要寻找一个新的组合。
那么问题来了,对于任意的 b\bold {b}b,方程 Ax=b\bold {Ax} = \bold {b}Ax=b 都有解?(这里的任意其实指的是所有)。
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线性空间?”(为什么是线性空间,因为我们求的是n元一次方程组)。
反例:若三个向量在同一平面内——比如“列 3”恰好等于“列 1”减“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\bold {Ax} = \bold {b}Ax=b有解。
对 n 维而言,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(线性相关),方程组未必有解。
从行图像的角度来看,三元方程组是否有解意味着什么?当方程所代表三个平面相交于一点时方程有唯一解;三个平面中至少两个平行则方程无解;平面的两两交线互相平行方程也无解;三个平面交于一条直线则方程有无穷多解。那问题来了,高维空间很难绘制,交点就更无从谈起了。所以我们通过把行图像转换为列图像,从而降低了问题的复杂度。
个人总结:方程组可以表示为矩阵和向量的乘法是否等于某一向量。如果按照行的角度去分析矩阵,则得到的是每个方程。但如果按照列的角度去分析矩阵,得到的是每个列向量的线性组合。一个融合了两种角度却并不矛盾的事物(矩阵)真心是一个创举!
MIT线性代数笔记一 行图像和列图像相关推荐
- MIT线性代数笔记三 矩阵的乘法和逆矩阵
文章目录 1. 矩阵乘法 Matrix multiplication 1.1 标准方法(行乘以列) 1.2 列向量的线性组合 1.3 行向量的线性组合 1.4 分块乘法 2. 逆矩阵 2.1 逆矩阵的 ...
- 我总结的120页《图解MIT线性代数笔记.pdf》,都是干货!
作者:丁坤博 北京大学研究生 线性代数在工科学科上的地位是任何学科无可比拟的,MIT的线性代数课程更是线性代数课程中的最佳学习资料,我们本次分享这套课程的图解笔记. 经过最近几个月的整理和总结,我们产 ...
- MIT线性代数笔记二 矩阵消元
文章目录 1. 消元 Elimation 2. 回代 Back-Substitution 3. 消元矩阵 Elimination Matrices 4. 置换矩阵 Permutation 5. 逆矩阵 ...
- MIT线性代数笔记四 矩阵的LU分解
文章目录 1. 矩阵的LU分解 2. 消元法所需运算量 3. 行互换 Row exchanges 本节的主要目的是从矩阵的角度理解高斯消元法,最后找到所谓的 LLL矩阵,使得矩阵 AAA可以转变为 ...
- MIT线性代数笔记五 转置、置换和空间
本节将引入向量空间(vector spaces)和子空间(subspaces). 文章目录 1. 置换 Permutations 2. 转置 Transposes 2.1 对称矩阵 Symmetr ...
- MIT线性代数笔记十七讲 正交矩阵和施密特正交化
本节是"正交"部分的最后内容.Gram-Schmidt 过程可以将原空间的一组基转变为标准正交基. 文章目录 1. 标准正交向量 Orthonormal vectors 2. ...
- MIT线性代数笔记九 线性无关,基和维度
向量的线性无关意味着什么?如何用线性无关的概念来帮助我们描述包括零空间在内的子空间. 首先我们需要注意的是,线性无关是针对向量组而言的,而不是对矩阵而言的. 重要概念:线性无关(线性相关) ...
- MIT线性代数笔记十八讲 行列式及其性质
之前学习了大量长方形矩阵的性质,现在我们集中讨论方阵的性质,行列式和特征值将我们的又一个重点,求行列式则与特征值息息相关. 文章目录 1. 行列式 Determinants 2. 性质 Prope ...
- MIT线性代数笔记二十讲 克莱姆法则、逆矩阵、体积
文章目录 1. 逆矩阵的公式 Formula for A−1A^{−1}A−1 2. 克莱姆法则 Cramer's Rule for x=A−1bx = A^{−1}bx=A−1b 3. 体积 |de ...
最新文章
- git 下载的文件与git上面的文件不相同的处理方法
- C++基于TCP/IP简单的客户端、服务器通信程序实例
- 你必须懂也可以懂的微服务系列三:服务调用
- 业务场景下数据采集机制和策略
- CVPR 2019 | 腾讯AI:做好活体检测,模型重要,数据亦然
- MVC的WebApi中开启Session会话支持
- freemarker 模板填充乱码
- 抽象工厂模式_设计模式(3) 抽象工厂模式
- linux安装vmwareTools
- php在图片左上角加入水印,如何在PHP中将图像添加到图像上,如水印
- Unity3D碰撞触发函数
- C语言--(四)常用运算符
- Ubuntu安装Matlab
- 知识变现海哥|短视频微课制作常用的八种方式
- 数据库缓存服务——NoSQL之Redis配置与优化
- 改进YOLOv7系列:首发结合最新Transformer视觉模型MOAT结构:交替移动卷积和注意力带来强大的Transformer视觉模型,超强的提升
- word 中公式显示不全行距调整
- android 解锁流程,Android Q 指纹解锁流程
- EndNote删除标记的高亮或者标记
- 前端开发中IE6的问题的汇总
热门文章
- windows server 2016 安装openssh
- flvplayer.swfnbsp;flv视频播放器…
- 手把手教你做最实用的数据分析模板——帕累托法则
- 亚马逊云助手小程序来啦!
- 最近抖音火爆特效蚂蚁呀嘿制作教程。
- 不同vlan实现互通
- 太原科技大学调剂计算机,2016年太原科技大学考研调剂信息
- 华农大学计算机专硕,华南农业大学电子工程学院(人工智能学院)林芳老师课题组招收计算机方向学硕及专硕...
- 精彩正定 激情古城——2008中国.正定摄影艺术大展盛大开幕
- OTU的定义与解读----了解笔记