線性代數學習筆記一:矩陣和行列式
矩陣
Ax=y
首先
A
x
=
y
Ax=y
Ax=y可以視為一個系統
輸入了
x
x
x得到了
y
y
y
A就是這個系統的響應,A描述了對x做出什麼樣的操作才可以將x變成y
而線上性代數中,x為向量,是一組確定的基(
ξ
\xi
ξ)下的座標,而A則為另外一組基(
λ
\lambda
λ)
引用知乎已登出大佬的圖來直觀的解釋
所以可以總結,
A
x
=
y
Ax=y
Ax=y的過程,實際就是用新基
λ
\lambda
λ將舊基
ξ
\xi
ξ替換掉,但是仍然使用相同的座標。比如上圖中,原本輸入x是
1
ξ
1
+
2
ξ
2
1\xi_1+2\xi_2
1ξ1+2ξ2,但是輸出為
1
λ
1
+
2
λ
2
1\lambda_1+2\lambda_2
但是注意的是,得到的新的向量
y
y
y卻仍然是用基
ξ
\xi
ξ來表示的。這是很神奇的一點,我們也可以這麼理解:基
ξ
\xi
ξ和基
λ
\lambda
λ各自張成了一個線性空間,而
x
x
x只是普通的一組數,那麼它可以是基
ξ
\xi
ξ上的一組向量,但是同時也可以是基
λ
\lambda
λ上的一組向量。但是
A
x
=
y
Ax=y
Ax=y這個過程其實就是把原本在基
λ
\lambda
λ(新基)下表示的一個向量,對映到基
ξ
\xi
ξ(舊基)上,進而就得到了
y
y
換個角度來看,舊基 ξ \xi ξ其實就是 I I I,就是 A I AI AI,相當於對原本的基進行了一個變換, A A A就是變換的方式。注意,在此之前, A A A都是作為一個矩陣被我們討論,但是此處 A I AI AI相當於對 I I I進行左乘了一個變換矩陣 A A A,所以這裡的 A A A可以被視為是一種變換。
矩陣是變換的數字表達,變換是矩陣的實際意義的體現。
那麼我們就可以這麼理解:
矩陣對向量的加工是通過改變基向量來實現的
在這個分析的基礎上,取 y y y為不同的數值,比如 0 0 0,那麼為齊次方程;如果為 b ( b ≠ 0 ) b(b\ne 0) b(b=0),那麼為非齊次的。
那麼這裡就可以聯想到方程組 A x = b Ax=b Ax=b有解的條件。
行列式
矩陣對向量進行加工,行列式能夠描述這種加工作用的強弱
如上圖,行列式可以定義為基向量張成的面的面積,如果假設原來的面的面積為1,新的面的面積為S
- S>0,沒什麼特別的
- S=0,這說明新的兩個向量他們疊在一起了,所以面積才為零
- S<0,這說明新的兩個向量和舊的兩個向量之間的先後順序變了,如下圖
上面的第二條,就可以聯想到方程組 A x = b Ax=b Ax=b有解的條件。