標籤:

對線性代數的理解

對線性代數的理解

8 人贊了文章

在剛開始學習線性代數時一直不能深刻的理解,正好最近準備考研,對線性代數有了一些理解,希望能對和我當初一樣對線性代數懵逼的同學有一些幫助;寫了一部分,後續有時間在完善;

------------考研已結束 對文章做部分修改------------

第一章:行列式

首先申明:行列式是一個數。行列式一定是nxn型,即就是行數和列數相等,作為一個工具,用來求解線性方程和後面章節將要學到的特徵值等問題。求解線性方程時,行列式的各項就是n個線性方程的所有係數,我們在化簡線性方程式時一般都是把其中一個方程的總體的k1倍加到另外一行從而通過消元來求解線性方程的解。同樣,行列式只不過將各項係數提取出來而已,其化簡只能是是行與行之間的化簡消元。化簡消元時也有一些技巧:爪型;有一些特殊的方程如:范德蒙德行列式;

當然在求解線性方程時有一個克拉默法則,對於簡單的線性方程可以直接套用克拉默法則求解。在應用克拉默法則時應注意:①如果是齊次線性方程組,當係數行列式≠0時,只有零解;係數行列式=0時,必有非零解;②如果是非齊次線性方程組,若係數矩陣的秩=增廣矩陣的秩=n(未知數個數),有唯一解;若係數矩陣的秩=增廣矩陣的秩<n,有無窮解;係數矩陣的秩<增廣矩陣的秩,無解;

還有一個拉普拉斯定理,是行列式求解的另一種方法(推廣)。

第二章:矩陣

首先申明:矩陣是一個表格。行數和列數一般不相等,當行數=列數時稱為方陣,方陣為特殊的矩陣,後面的好多知識都是針對方陣來展開研究的。

矩陣的運算要注意兩點:一般不滿足乘法交換律和消去率。

有一些特殊的方陣:①對角矩陣:除主對角線上元素之外都是0的方陣稱為對角矩陣;主對角元素都為1的對角矩陣稱為單位矩陣。②若A的轉置=A,則稱A為n階對稱矩陣;若A的轉置=--A,則稱A為n階反對稱矩陣。

方陣的一些運算性質:①一般來說

;②方陣的行列式:AB的行列式=A的行列式XB的行列式;A+B的行列式沒有公式,一般根據已知條件將其轉化為乘積的形式。注意:矩陣的矩陣之間運算後依然是矩陣(除非運算後矩陣中只有一個元素)。

逆矩陣(方陣)存在的條件是矩陣的行列式≠0,可以利用逆矩陣求解線性方程組

初等矩陣與初等變換:將單位矩陣初等變換一次後所得到的的矩陣就是初等矩陣。經n次初等變換後所得到的矩陣與原矩陣的秩相同;

分塊矩陣主要用於簡化計算。

第三章 向量

向量只不過是將矩陣的某一行或某一列單獨提取出來,向量和矩陣的本質都是方程組,只不過兩者研究的方向有所區別。當然也有很多聯繫,譬如矩陣的秩就是向量組的極大線性無關組中向量的個數,矩陣的研究是基於秩,而向量組的研究是基於極大線性無關組。

那麼為什麼要找極大線性無關組呢?通俗的說就是:精益求精。把不需要的,冗餘的全部清除掉,留下一些真正有用的東西。從解方程的角度考慮,比如一個方程組中有3個未知量,然而卻有4個方程,那麼這四個方程中至少有一個方程是可以由其它方程加減表示(線性表示)表示的。那麼真正有用的這幾個線性方程組在向量中就是極大線性無關組。

第四章 線性方程組

前邊說了那麼多,到了第四章,終於回到本家(本質)了。我倒覺得將第四章放在教材的第一章倒挺合適,可以讓學生運用高中的知識來解一些三元、四元方程組,切身體會一下解的過程的繁瑣性,自然就理解了後續可能的重要性,這對教師教學也有很大幫助。

第五章 特徵值和特徵向量

前123章是為第4章找工具,那麼可以這麼說,前1234章合起來是為第5章找工具。

對於本章的學習就沒有前4章那麼能通俗的理解,關於特徵值和特徵向量的定義,書上怎麼說的就怎麼記(學)吧。

第六章 二次型

歸根到底,第5章也是為第6章找工具,本章有一個問題,可能不太好理解,那就是二次型的對角化,先說對角化的本質:旋轉。當給一個二次型賦予一個值後,它表示的是一個空間圖形,這個圖形可能是橢球面,可能是二次曲面等等,和說給的二次型有關。那麼為什麼要對角化呢,比如一個正三維坐標系xyz,一個曲面在此三維坐標系的位置是隨意擺放的,那麼此時對於研究這個曲面就不太好處理,怎麼才能好辦呢?就可以把這個曲面旋轉一下。比如一個橢球面隨意的丟(懸浮)在一個三維正坐標系中,那麼它在此三維坐標系中的方程表達式就比較複雜,如果將其旋轉一下,將長軸和x軸平行,短軸和y軸平行,其表達式豈不是簡單許多,當然單獨研究一個圖形,和它在坐標系中的位置是沒有關係的,只要形狀沒有改變,旋轉是不改變形狀的。

此時有一個問題,旋轉+平移呢,將橢球體的中心放到三維正坐標系的原點,長軸和x軸平行,短軸和y軸平行,這對於研究豈不是更方便。我想這樣當然是可以的。


推薦閱讀:

馬克一下幾篇來自孟岩老師的《理解矩陣一二三》
高等代數筆記整理(七)
麻省理工線性代數筆記(一)-線性方程組表示方式
高等代數筆記整理(六)

TAG:線性代數 |