天天看點

第一課 矩陣的行圖像與列圖像(麻省理工公開課:線性代數)【轉載】

轉載自:http://blog.csdn.net/a352611/article/details/48602207

僅用于個人筆記。

目錄(?)[-]

  1. 從方程組到矩陣
  2. row picture 行圖像
  3. column picture 列圖像

本系列筆記為友善日後自己查閱而寫,更多的是個人見解,也算一種學習的複習與總結,望善始善終吧~

1. 從方程組到矩陣

第一課 矩陣的行圖像與列圖像(麻省理工公開課:線性代數)【轉載】

矩陣的誕生是為了用一種簡潔的方式表達線性方程組 

個人了解來說就是為了更好的描述和解決 Ax = b 

從系統的角度來了解: 

A 就是我們的系統 

x 就是我們的輸入 

b 就是我們的輸出

2. row picture 行圖像

矩陣分為行row和列column 

顧名思義,row picture關注矩陣的行部分 

第一課 矩陣的行圖像與列圖像(麻省理工公開課:線性代數)【轉載】

将行所代表的方程以直線形式畫出即可得到行圖像 

(童鞋們應該非常熟悉,從小到大學校教導的就是這一思維)

3. column picture 列圖像

column picture關注列的部分,而一列即一個向量vector 

第一課 矩陣的行圖像與列圖像(麻省理工公開課:線性代數)【轉載】

現在問題轉化為了找到一個合适的linear combination(線性組合)使得Ax = b 

對應的圖 

第一課 矩陣的行圖像與列圖像(麻省理工公開課:線性代數)【轉載】

vector b 即為兩個col vector之和 

這裡又引申出當vector x任取時,我們可以獲得整個xy平面,意味着無論vector b是什麼都能找到對應解 

(當兩個col vector 平行時則不行) 

* column picture的做法感覺在學校不怎麼強調,但這種了解方式更有助于掌握矩陣和向量

接下來老師就把2D延伸到了3D 

做法與結論都一樣,那麼當超過3D之後我們很難直覺的描述,這時矩陣的優勢便得以展現

就這樣一步一步我們抽象出了Ax = b 的本質 

現在我們擁有了矩陣這一概念,下面要做的便是探究其屬性和尋找合适的算法用于解決問題

PS:本文圖檔皆來自公開課視訊截圖