MIT18.06线性代数课程笔记1:矩阵和向量相乘的三种解释
2017-09-26 23:32
716 查看
课程简介
18.06是Gilbert Strang教授在MIT开的线性代数公开课,课程视频以及相关资料请见https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/index.htm。课程笔记
笔者是上过线性代数的,来这里主要是学习一些insight,所以对处理细节关注不多。这节为introduction,介绍了矩阵和向量相乘的三种看待角度:row picture, column picture和matrix picture。其中column picture尤为重要,笔者在最近统计学习的学习中频繁使用,受益匪浅。矩阵A=⎡⎣⎢⎢⎢a11,a12,⋯,a1ma21,a22,⋯,a2m…an1,an2,⋯,anm⎤⎦⎥⎥⎥, 向量X=[x1,x2,⋯,xm]T, b=[b1,b2,⋯,bn]T。
矩阵向量相乘为AX,求解线性方程组
a11x1+a12x2+⋯+a1mxm=b1a21x1+a22x2+⋯+a2mxm=b2⋯ an1x1+an2x2+⋯+anmxm=bn
等价于求解AX=b
row picture
row picture即把矩阵相乘转化A的行向量与X相乘,具体可以表示为上诉线性方程组的形式,每一行的公式都对应于m维空间的一个超平面。例如x1+x2=1对应于二维空间内的一条线。总共有n个等式,所以有n个超平面,所有超平面相交的区域都是AX=b的可行解。
column picture
定义ai=[a1i,a2i,⋯,ani]T,即ai为A的第i列,有A=[a1,a2,⋯,am]。这里就引入了AX的column picture,有AX=x1∗a1+x2∗a2+⋯+am∗xm,即AX的输出为A的列向量的线性组合linear combination,组合系数由X确定。所以求解AX=b问题对应于求解n维空间中m个列向量如何线性组合成为目标向量b。这里就可以讨论解的有无,上诉row picture中,需要讨论n个超平面是否存在相交区域。column picture中,AX的输出是A的列向量的线性组合,所以这个线性组合的可能输出是确定的,为A的column space,也是a1,a2,⋯,am的linear combination space。对于一个二维向量,那么其linear combination space为与其平行的所有向量;对于两个不平行的二维向量,那么其linear combination space是整个二维平面。若b位于A的column space里面,则有解;否则无解。
matrix picture
上诉线性方程组可以表示为AX=b即为matrix picture。
相关文章推荐
- MIT18.06线性代数课程笔记2a:矩阵相乘的三种看待角度
- MIT18.06线性代数课程笔记3a:矩阵相乘的五种看待角度
- MIT18.06线性代数课程笔记5:矩阵转置,vector space以及subspace
- MIT18.06线性代数课程笔记20:矩阵逆元计算、克里默法则 以及 行列式与volume、外积的关系
- MIT18.06线性代数课程笔记8:求解Ax=b、矩阵的秩以及矩阵的逆
- MIT18.06线性代数课程笔记9:线性无关、向量拓展空间、空间的基、空间维度
- MIT18.06线性代数课程笔记4a:矩阵的LU分解
- MIT18.06线性代数课程笔记19:矩阵行列式公式与代数余子式
- MIT18.06线性代数课程笔记11:矩阵空间、子空间的交和、秩一矩阵
- MIT18.06线性代数课程笔记17:正交标准矩阵
- MIT18.06线性代数课程笔记21:特征向量、特征值简介、求法与性质
- MIT18.06线性代数课程笔记4b:打乱矩阵集合及相关性质
- MIT18.06线性代数课程笔记15:子空间投影矩阵
- MIT18.06线性代数课程笔记14:正交子空间、A^TA的Null Space
- MIT18.06线性代数课程笔记7:使用消元法求解Null space
- MIT18.06线性代数课程笔记6:vector space,subspace,column space,null space
- MIT18.06线性代数课程笔记12:使用邻接矩阵证明欧拉定理
- MIT线性代数课程笔记对应代码-【lecture 1】
- 【线性代数公开课MIT Linear Algebra】 第九课 向量与矩阵的桥梁
- MIT线性代数课程笔记对应代码-【lecture 3】