《Linear Algebra and Its Applications》- 向量方程
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了《Linear Algebra and Its Applications》- 向量方程相关的知识,希望对你有一定的参考价值。
这片文章我们用来记录向量、向量方程及其与线性方程的关系。
向量:谈起向量,你脑海中的第一印象是什么呢?是高中物理当中“即有方向又有大小”与“标量”相对的抽象概念?还是不管平面解析和空间几何确定位置的工具?还是《神偷奶爸2》里面的那个坏蛋?其实这些都是片面的向量,我们将nx1的矩阵视为一个向量,用R^n来表示,即向量R^n其实是一列数,每个数字都代表了这个向量一个分量的大小,我们还可以将其写成<a1,a2,a3,…an>的形式。
特殊的向量的几何意义:现在基于推广性的向量定义,我们在回头看我们曾经用到过的向量,对于两个分量的向量R^2,其实就是表示平面内的某条有方向的线段,对于三个分量的向量R^3,其实就是空间内某条有方向的线段。
向量的加减运算:向量的运算最基本的一件事情,就是基于它n个分量上进行,即对于两个分量的向量a = <a1,a2>,b = <b1,b2>,有a + b = <a1+b1,a2+b2>。聪明的读者可能已经想到了,这其实是与我们在高中物理的力学中所谓的“正交分解”是相互呼应的,而其实也是基于此,我们能够得到我们熟悉的所谓“平行四边形法则”、“三角形法则”。
更全面的向量的代数性质,下表给出。
向量方程:在介绍向量方程之前,我们先介绍一个名词——线性组合。简答的来说,对于变量x,它能够写成x = c1x1 + c2x2(x1,x2是变量,c1,c2是常量),那么我们称x可以表示为x1和x2的一个线性组合。
那么拿到向量这里也是同样的道理。
下面我们基于这个线性组合的概念,通过一个例题来引出向量方程。
引出的很自然,可以看到,所谓向量方程,就是以向量作为参数(也可能是未知量)的方程。
我们进行进一步的转化。
是否是我们熟悉的场景,这正是我们上一篇文章所解决的问题啊——求解线性方程组。
也就是说到这里,我们能够明白,对于线性向量方程x1c1 + x2c2…xncn=b(x1,x2,…xn是常数,c1,c2,c3,…b是向量),它其实是与增广矩阵为[c1,c2,…cn,b]的线性方程组通解,这就可以使得我们在面临向量方程的时候,直接将其转化成增广矩阵进行求解了。
Span符号的含义:基于线性组合个概念,我们记Span(v1,v2,v3,…,vn)表示v1~vn这n个向量所有线性组合的集合。
而基于 Span符号的这个概念,我们能进一步发现Span(v)和Span(v,u)有着实际的几何意义。
基于对Span(v,u)几何含义的了解,我们来看这样一道例题。
总括起来,我们能够发现,本书一开始对于线性代数的介绍,是主要从它的“工具性”出发,力求让读者深刻明了的明白向量、线性方程组、矩阵这些为运算提供便利的有利工具的概念和相互联系,以为后面各种定理的证明奠定坚实的基础。
以上是关于《Linear Algebra and Its Applications》- 向量方程的主要内容,如果未能解决你的问题,请参考以下文章
《Linear Algebra and Its Applications》-线性变换
《Linear Algebra and Its Applications》- 线性方程组
《Linear Algebra and Its Applications》-行列式初等变换
《Linear Algebra and Its Application》-线性方程组的解