【线性代数】【一】1. 线性方程组与线性组合

文章目录

  • 前言
  • 一、线性方程组的求解
    • 1.1 直线的交点
    • 1.2 向量的加权求和
  • 二、线性组合的表示范围
  • 三、线性方程组的解的分析
  • 总结


前言

有段时间没更新了,准备开个新坑,写点数学基础相关的内容,计划先过一遍线性代数,再扩展到矩阵论,后续可能再写点凸优化的东西,看情况吧哈哈哈。

线性代数应该是理工科本科时期的必修课,到研究生阶段会进一步学习矩阵论。线性代数与概率论是我认为非常重要的两部分数学基础,其中的概念理论广泛存在应用于通信与AI的各个方面。因此学好线性代数是非常重要的。

——本系列参考B站的MIT线性代数视频课。


一、线性方程组的求解

1.1 直线的交点

让我们回到线性代数最初的问题——线性方程组的求解的思考上。对于一个简单的线性方程组,如下所示,由两个未知数两个方程组成:(为了省事,省去大括号了)

2 x + y = 1 2x+y=1 2x+y=1
x − y = 2 x-y =2 xy=2

初等数学中我们学习过如何理解这个方程组的解,从行来看,可以认为两个方程分别表示了二维平面上的一条直线,那么只要这两个直线不平行,那就必然有交点,那个这个交点就会同时在两个直线上,也就是同时会满足两个直线方程。同时,由于直线只有一个交点,我们也能知道该方程组只有一个解。

现在,我们改变一下,我们可以往这个方程组中再加入几个方程,那解就变成了多条直线的交点,此时便难以直接通过平行关系来判断是否有解了。如果我们更进一步,增加几个新的变量进去,三维我们还有平面,但是更高维度呢?我们没有办法再获取像直线的交点这样形象的理解方式了。

1.2 向量的加权求和

如果我们换一个角度,从列去看这组方程呢?上述方程组会变成这样:(这里简单写成这种形式)

x ⋅ [ 2 , 1 ] + y ⋅ [ 1 , − 1 ] = [ 1 , 2 ] x\cdot[2,1]+y\cdot[1,-1]=[1,2] x[2,1]+y[1,1]=[1,2]

我们来看看这个方程的左边,它是对两个向量 [ 2 , 1 ] , [ 1 , − 1 ] [2,1],[1,-1] [2,1],[1,1]做了一个加权求和,通过适当选取每个向量的权重 x , y x,y x,y,使得和向量等于右边的向量。这种对向量的加权求和,就称为向量的线性组合

由此,我们就得到了线性方程组的另一种理解,求解线性方程组就是找到一组加权系数——组合系数,用它们来把所有的向量(方程组中的每一列,即列向量)进行组合,使得他们组合的结果可以等于右边的向量。这种解释的好处在于,它是适配于任何情况的,无论增加方程的个数还是未知数的个数,这种解释仍然成立,并且足够直观。(固然用超平面也能解释其意义,但不太直观)

二、线性组合的表示范围

我们回到原本的二元方程组,从直线的交点我们知道有解的等价条件是直线不平行。那么换成列向量的线性组合的话,什么情况下一定有解呢?

高中物理与高中数学,我们都学过向量的基底,我们知道两个不共线的向量可以表示平面上的任意一个向量,这两个向量可以称为一组基底。而这种表示的方法,我们现在知道其实就是对这两个基底向量进行线性组合。那么,我们自然就有该二元方程组有解的等价条件就是两个列向量不共线。(零向量与任意向量共线)

其实我们就是在说这样一件事:这组列向量能够表示二维向量中的任意一个向量,自然也能表示等号右边的这个向量,所有方程组一定有解。而如果两个列向量共线呢?那么其实就相当于两个列向量只能起到一个列向量的效果,此时方程可以改写为:

( x + λ y ) [ a , b ] = [ c , d ] (x+\lambda y)[a,b]=[c,d] (x+λy)[a,b]=[c,d]

其中 λ \lambda λ就是两个列向量的之间变换的因子,那么这种情况是不一定有解的,只有刚好右边的向量与左边的向量共线时,才能有解。

三、线性方程组的解的分析

上述分析我们用到了高中的向量知识,如果我们再一次把方程组的未知数与方程数扩大的话,那么列向量的长度和个数也都会变化,此时我们不能再只通过两个向量的共线与否来判断了。这就是我们接下来要继续学习的知识。通过对这些列向量的分析,我们想要知道方程组什么时候有解,什么时候无解,什么时候有无穷多解,什么时候有唯一解。


总结

本文先简单从线性方程组求解的分析中,引入了线性组合的概念,提供了从列去看待线性方程组求解的全新视角。下一篇将具体地去做线性方程组的求解, 所用的便是我们一直以来所学的消元法。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/17028.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

什么是http状态码?常见的有哪些?它们所代表什么含义?

HTTP状态码是由HTTP协议定义的一组三位数字,用于表示服务器对请求的处理结果的状态。 常见的HTTP状态码及其含义如下: - 1xx:信息性状态码,表示请求已被接收,继续处理。 - 100:Continue(继…

【机器学习01】基本概念

机器学习是计算机科学的一个分支,通过算法和统计模型使计算机系统能够在没有明确指令的情况下执行特定任务。机器学习的核心思想是从数据中学习规律,并基于这些规律进行预测或决策。以下是机器学习的一些基本数学定义和概念: 1. 数据集 (Dat…

科普:水冷负载的工作原理

水冷负载是一种利用水作为冷却介质,将电子设备产生的热量传递到外部环境的散热方式。它广泛应用于各种电子设备,如服务器、数据中心、电力设备等,以提高设备的运行效率和稳定性。本文将对水冷负载的工作原理进行简要科普。 水冷负载的工作原理…

NLP(17)--大模型发展(1)

前言 仅记录学习过程,有问题欢迎讨论 大模型的演化: ElMO : 类似双向lstm 结果和词向量拼接 预训练鼻祖 GPT :使用了Transformer 模型 开始使用Token (发现预训练的作用) Bert:认为双向比单向好 MLM(双向) 优于 LT…

js怎么保存用户登录信息?js cookie操作封装

在web开发中,用户登录后需要保存登录信息进行身份识别,登录后的操作都需要带上身份信息请求接口。保存登录信息有多种方法,这里使用cookie进行操作。 最终成果:封装cookie操作模块 // utils/cookie.js export default {// 设置co…

2023年广东省程序设计大赛

C 双指针&#xff0c;排序 买便宜的&#xff0c;用最贵的卖出 #include<bits/stdc.h>using namespace std; #define int long long const int N 2e5 10; int n,m; int re[2]{1,4}; int bl[4]{2,3,5,6}; int f; struct node {int x,y; }a[N]; bool cmp(node W,node Q…

ubuntu装完gnome后如何moba登录使用

在Ubuntu中安装了GNOME桌面环境后&#xff0c;你可以通过以下步骤设置MobaXterm远程桌面访问&#xff1a; 确保你的Ubuntu系统已经安装了xrdp服务&#xff0c;如果没有安装&#xff0c;可以使用以下命令安装&#xff1a; sudo apt update sudo apt install xrdp安装GNOME桌面…

Echarts 多y轴折柱混合图

先说下需求&#xff1a;在多y轴的折柱混合图&#xff0c;点击图例时&#xff0c;对应的图会隐藏&#xff0c;但是对应的y轴的线和y轴上的那么不会隐藏。 因为是点击图例&#xff0c;所以这里用到点击事件&#xff0c;Echarts有 legendselectchanged 事件&#xff0c;如下代…

【Linux】POSIX线程库——线程控制

目录 1.线程创建方法 例&#xff1a;多线程创建 2.线程终止 2.1 return nulptr; 2.2 pthread_exit(nullptr); 3. 线程等待 3.1 等待原因 3.2 等待方法 线程终止的返回值问题 4.线程取消 5. 线程分离 5.1 分离原因 5.2 分离方法 6.封装线程 用的接口是POSIX线程库…

音视频开发—音频相关概念:数模转换、PCM数据与WAV文件详解

文章目录 前言1.模拟数字转换&#xff08;ADC&#xff09;1.1ADC的关键步骤&#xff1a; 2.数字模拟转换&#xff08;DAC&#xff09;2.1DAC 的基本流程包括&#xff1a; 3.PCM数据3.1PCM 数据的关键要素包括&#xff1a; 4.WAV文件4.1 WAV的构成4.2WAV文件的标准块结构4.3WAV的…

代码随想录算法训练营第三十八天 | 435.无重叠区间、763.划分字母区间、56.合并区间

目录 435.无重叠区间 思路 代码 763.划分字母区间 思路 代码 56.合并区间 思路 代码 今天的三道题目&#xff0c;都算是 重叠区间 问题&#xff0c;大家可以好好感受一下。 都属于那种看起来好复杂&#xff0c;但一看贪心解法&#xff0c;惊呼&#xff1a;这么巧妙&#xff01…

YOLOV8逐步分解(6)_模型训练初始设置之image size检测batch预设及dataloder初始化

yolov8逐步分解(1)--默认参数&超参配置文件加载 yolov8逐步分解(2)_DetectionTrainer类初始化过程 yolov8逐步分解(3)_trainer训练之模型加载 YOLOV8逐步分解(4)_模型的构建过程 YOLOV8逐步分解&#xff08;5&#xff09;_模型训练初始设置之混合精度训练AMP 接逐步分解…

OpenLayers6入门,OpenLayers实现在地图上拖拽编辑修改绘制图形

专栏目录: OpenLayers6入门教程汇总目录 前言 在前面一章中,我们已经学会了如何绘制基础的三种图形线段、圆形和多边形:《OpenLayers6入门,OpenLayers图形绘制功能,OpenLayers实现在地图上绘制线段、圆形和多边形》,那么本章将在此基础上实现图形的拖拽编辑功能,方便我…

使用Java 读取PDF表格数据并保存到TXT或Excel

目录 导入相关Java库 Java读取PDF表格数据并保存到TXT Java读取PDF表格数据并保存到Excel 在日常工作中&#xff0c;我们经常需要处理来自各种来源的数据。其中&#xff0c;PDF 文件是常见的数据来源之一。这类文件通常包含丰富的信息&#xff0c;其中可能包含重要的表格数据…

FreeRtos进阶——栈保存现场的几种场景

MCU架构 在认识栈的结构前&#xff0c;我们先来认识以下单片机的简单架构。在我们的CPU中有着很重要的一个模块——寄存器&#xff08;R0-R15&#xff09;&#xff0c;其中R13&#xff0c;R14&#xff0c;R15的别称分别为SP栈顶指针、LR返回地址、PC当前指令地址。外部RAM是单片…

css中min-height

在CSS中&#xff0c;min-height 属性用于设置元素的最小高度。这意味着&#xff0c;即使内容没有达到指定的最小高度&#xff0c;元素也会尝试占据至少指定的最小高度。 例如&#xff0c;如果你有一个 <div> 元素&#xff0c;并希望它至少有200px的高度&#xff0c;即使…

Android Gradle plugin 版本和Gradle 版本

1.当看到这两个版本时&#xff0c;确实有点迷糊。但是他们是独立的&#xff0c;没有太大关联。 就是说在Android studio中看到的两个版本信息&#xff0c;并无太大关联&#xff0c;是相互独立的。Gradle插件版本决定了你的项目是如何构建的&#xff0c;而Gradle版本是执行构建…

对竞品分析的理解

一、竞品分析是什么 竞品分析即对竞争对手进行分析&#xff0c;是市场研究中的一项重要工作&#xff0c;它可以帮助企业了解竞争对手的产品、策略、市场表现等信息&#xff0c;通过竞品分析可以为自己的产品制定更加精准的策略。 二、为什么要做竞品分析 1.了解市场情况 了解…

002 访问修饰符 package

访问修饰符 在Java中&#xff0c;protected、private、public 和包级别访问权限&#xff08;有时称为default或package-private&#xff09;是用于控制类、变量、方法和构造器的可见性和可访问性的修饰符。下面是这些修饰符的主要区别&#xff1a; public&#xff1a; 可见性…

vue/core源码中ref源码的js化

起源&#xff1a; 当看见reactivity文件中的ref.ts文件长达五百多的ts代码后&#xff0c;突发奇想想看下转化成js有多少行。 进行转化&#xff1a; let shouldTrack true; // Define shouldTrack variable let activeEffect null; // Define activeEffect variable// 定义…