MIT公开课18.06 Gilbert Strang 线性代数 笔记
文章目录
相关链接
课程链接
B站:https://www.bilibili.com/video/av15463995?p=1&share_medium=android&share_source=copy_link&bbid=PgppX2ZRaAtpWz9bJ1sninfoc&ts=1552297094709
网易公开课:http://open.163.com/newview/movie/free?pid=M6V0BQC4M&mid=M6V29E773
mit open course ware:https://ocw.mit.edu/courses/mathematics/18-06sc-linear-algebra-fall-2011/index.htm
线性代数的本质(简易版课程):https://www.bilibili.com/video/BV1ys411472E?p=2
作业:https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/assignments/
推荐笔记链接
github ApacheC 笔记书:https://linalg.apachecn.org/#/docs/chapter01
**** 博主:https://blog.****.net/a352611
第一讲:方程组的集合解释
1. 从方程组到矩阵
矩阵的诞生是为了用一种简洁的方式表达线性方程组
个人理解来说就是为了更好的描述和解决 Ax = b
从系统的角度来理解:
A:系统
x:输入
b:输出
2. Ax = b解法1:row picture 行图像
矩阵分为行row和列column
row picture 关注矩阵行部分
将行所代表的方程以直线形式画出,求出交点即可得到行图像,从而得到方程的解
三维时的解法:求出三个平面的交点
3. Ax = b解法2:column pircture 列图像
column picture关注列的部分,我们视一列为一个向量vector
求出合适的线性组合(linear combination),使得 Ax = b
数形结合:
数:
A:等式左边的两个常数列向量拼接成的常矩阵
x:两个变量x,y组成的向量 (注意x的含义区分:前者为向量,后者为组成该向量的一个变量)
b:目标向量
x = 1,y = 2时,Ax = b
形:
1倍的列向量1 和 2倍的列向量2 进行矢量和,可得目标向量
三维时的解法:求出三个三维向量的线性组合,得到目标向量
(维度三维及以上时,列图像解法更具优势)
4.问题:于任意的b,是否都能求解Ax=b?用列向量线性组合的观点阐述就是,列三维情况下,向量的线性组合能否覆盖整个三维向量空间?
答:如果三个向量在同一个平面上,问题就出现了——他们的线性组合也一定都在这个平面上。举个例子,如果col3=col1 + col2 ,那么不管怎么组合,这三个向量的结果都逃不出这个平面,因此当b在平面内,方程组有解,而当b不在平面内,这三个列向量就无法构造出b。在后面的课程中,我们会了解到这种情形称为奇异、矩阵不可逆。
下面我们推广到九维空间,每个方程有九个未知数,共九个方程,此时已经无法从坐标图像中描述问题了,但是我们依然可以从求九维列向量线性组合的角度解决问题,仍然是上面的问题,是否总能得到bb?当然这仍取决于这九个向量,如果我们取一些并不相互独立的向量,则答案是否定的,比如取了九列但其实只相当于八列,有一列毫无贡献(这一列是前面列的某种线性组合),则会有一部分bb无法求得。
5. 矩阵乘法方法
5.1 向量内积
左矩阵的所有行向量与右矩阵的所有列向量分别相乘并求和
5.2 列向量的线性组合
将Ax看作A各列的线性组合
教授更推荐次方法,当数据量较大时更有优势
第二讲:矩阵消元
1.高斯消元法
1.1消元步骤
对该方程消元:
2.以y为主元,在第三个方程中消去y项
3.回代:
1.2 消元失效
主元不能为0,否则需要交换行,使主元不为0
若有一行全部为0,则消元失效,矩阵也不可逆
2.新视角看矩阵乘法
旧角度
以矩阵中的元素为基本单位
AB:第i行A的所有元素 与 第j列B的所有元素 对应相乘的和,为AB的第i行,第j列元素
新角度
以向量为基本单位
从列向量角度
该矩阵有三个列向量,分别乘以三个系数 3 4 5,再求和,得到一个 3×1 的列向量
从行向量角度
该矩阵有三个行向量,分别乘以三个系数 1 2 7, 再求和,得到一个 1×3 的行向量
3.以矩阵运算角度描述高斯消元
要求1:第二行减去 3倍的第一行,其余行都不变
步骤:
第一行,不变,所以是1倍的第一行
第二行,-3倍的第一行 + 1倍的第二行 + 0倍的第三行,得到行向量[0,2,-2]
第三行,不变,所以是1倍的第三行
这个消元矩阵记为(E是指初等矩阵elementary matrix,由单位矩阵经过一次初等变换得到的矩阵;21是指使第2行,第1列元素为0)
要求2:第三行减去2倍的第二行,其余行不变
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HMR9iqOx-1597991355771)(./1597558951965.png)]
对于矩阵乘法,结合律有效:这意味着问题变成了如何找到一个矩阵E 使得EA=U矩阵E就是一堆初等矩阵elementary matrix的积。
4. 置换矩阵
要对矩阵进行行变换:左乘一个矩阵
要对矩阵进行列变换:右乘一个矩阵
5.矩阵的逆
引申:我要如何才能由U变回A呢?由此引入矩阵的逆,即我们知道EA=U,那么有矩阵S使得SU=A,矩阵S即为矩阵E的逆。
第三讲:乘法和逆矩阵
1.矩阵乘法
矩阵能相乘的条件: 左矩阵的列数 = 右矩阵的行数(m×n和n×p)
1.1 一般性法则
1.2 整列相乘
- B可以看作多个列向量
- C中的第一列是A中的所有列的线性组合
- B的第一列告诉我们是怎样的一个线性组合
1.3 整行相乘
- A可以看作多个行向量
- C中的第一行是B中的所有行的线性组合
- A的第一行告诉我们是怎样的一个线性组合
1.4 列乘以行
定义:A的列 × B的行
C的每一行都是B的倍数,和B是同一方向,这是行空间(即行所有可能的线性组合,在此处是指[1,6]这条直线,C的所有行都在此直线上)
C的每一列都是A的倍数,和A是同一方向,这是列空间(即列所有可能的线性组合,在此处是指[2,3,4]这条直线,C的所有列都在此直线上)
矩阵形式:A的列分别乘以B的行,并求和
1.5 分块乘法
2.逆(方阵)
若存在逆,对于方阵,左逆右逆是相等的,非方阵则不等
矩阵存在逆:可逆的,非奇异的
矩阵不存在逆:不可逆的,奇异的
2.1证明不可逆
方法一:线性组合
若存在B,使A×B = I,因为结果I中的每一列都是A中的每一列的线性组合,且这两列共线,所以不可能得到单位矩阵的第一列[1,0]
方法二:存在非零向量x,使Ax=0
证明:如果对于非零的仍有,而有逆,则,即,与题设矛盾,得证。
2.2若矩阵有逆,求逆的方法(高斯·若尔丹Gauss-Jordan法)
求逆实质上就是解方程
分解成两个方程
Gauss-jordan:同时求解多个方程
- 构造这样一个矩阵,接下来用消元法将左侧变为单位矩阵;
- 于是,我们就将矩阵从变为
证明:高斯-若尔当法的本质是使用消元矩阵,对进行操作,,利用一步步消元有,进而得到,其实这个消元矩阵就是,而高斯-若尔当法中的只是负责记录消元的每一步操作,待消元完成,逆矩阵就自然出现了。