跳至正文

MIT 18.06SC · UNIT I · SESSION 02

核心概念概览

An Overview of Key Ideas

向量能组合出什么?矩阵到底把输入变成了什么?这一讲跟随 MIT 的概览课,先把整门线性代数的中心问题串成一条线:向量 → 矩阵 → 子空间。

先修:第1讲的列向量组合、三元一次方程4 个教学章节4 道随堂题 · 5 道解析题

01 / VECTORS / SPAN

把向量乘上数再相加,
到底能到达哪些地方?

设 u=(1,0,1)ᵀ、v=(0,1,1)ᵀ,符号 ᵀ 代表将横写的三个分量排成一列。用实数 s、t 作系数,所有可能的线性组合是 su+tv=(s,t,s+t)ᵀ。这里“可能”是指 s、t 可以取任意实数,而不是只试几个整数。

s(1,0,1)ᵀ+t(0,1,1)ᵀ=(s,t,s+t)ᵀ

结果的第三个分量一定等于前两个分量之和。于是所有组合恰好铺成一个经过原点的平面 z=x+y。例如 (2,−1,1)ᵀ 可以到达:s=2、t=−1;但 (2,−1,3)ᵀ 到不了,因为 3≠2+(−1)。

一个非零向量的所有倍数是过原点的一条直线;两个不共线向量的所有组合是一整个平面。三个恰当的向量才可能铺满三维空间。这就是 span(张成) 的直觉:不是列出几个向量,而是考虑它们全部的线性组合。

随堂检查 01 · 线性组合

由 u=(1,0,1)ᵀ、v=(0,1,1)ᵀ 张成的平面,以下哪个向量在其中?
查看完整解析与错因

任取 su+tv=(s,t,s+t)ᵀ。因此前两维分别为2与−1时,第三维一定为1。取s=2、t=−1即可得到(2,−1,1)ᵀ;其余选项违背第三维=前两维之和。

02 / MATRICES / INPUT TO OUTPUT

矩阵像一台机器,
可算输出,也可寻找输入。

现在取我们原创的三维线性变换 D:第一行取输入第一维的两倍;后两行分别取相邻两个分量的差。

D = [ [2,0,0], [−1,1,0], [0,−1,1] ]x=(x₁,x₂,x₃)ᵀDx=(2x₁, x₂−x₁, x₃−x₂)ᵀ=b

输入 x=(1,3,4)ᵀ,输出就是 b=(2,2,1)ᵀ。正向问题是给 x 求 b;反向问题是给 b 求 x。对这里的 D,反向不难:x₁=b₁/2,x₂=b₂+x₁,x₃=b₃+x₂。每一步都只有一个未知数,所以任意 b 都能反推出唯一 x。

LIVE MODEL / DIFFERENCE TRANSFORM改变输入三维向量,查看两种矩阵的输出
D 的输出 b = Dx
b₁
2
b₂
2
b₃
1

当前 Dx=(2,2,1)ᵀ,后两维是相邻输入之差。

对照循环差分 Cx=(x₁−x₃,x₂−x₁,x₃−x₂)ᵀ,当前为 (−3,2,1)ᵀ,三分量之和始终为0。

条形长度表示各分量的绝对值,右侧数值保留正负号;无脚本时展示初始模型。滑块支持键盘方向键。

这个例子与 MIT 摘要中的差分矩阵采用同一种计算思想,但这里的系数与实验输入由本站重新设定。最重要的观察是:矩阵不仅写出数字运算,更描述了输入到输出的线性规则。

随堂检查 02 · 矩阵的正向映射

D 的定义为 Dx=(2x₁,x₂−x₁,x₃−x₂),若 x=(2,1,3)ᵀ,Dx 等于什么?
查看完整解析与错因

把x₁=2、x₂=1、x₃=3逐项代入 D 的定义:2x₁=4,x₂−x₁=−1,x₃−x₂=2,所以 Dx=(4,−1,2)ᵀ。

03 / DEPENDENCE / COMPATIBILITY

当不同输入产生同一输出,
反向还能唯一恢复吗?

把刚才的链改成一个圈:令 Cx=(x₁−x₃, x₂−x₁, x₃−x₂)ᵀ。观察三个输出相加,所有 x₁、x₂、x₃ 都相互抵消:

(x₁−x₃)+(x₂−x₁)+(x₃−x₂)=0因此若 Cx=b,必须有 b₁+b₂+b₃=0

这不仅是个巧合,而是目标向量的可达性条件。若给 b=(1,1,1)ᵀ,三个分量之和为3,就绝不可能找到任何 x。反过来,只要 b 的三个分量之和为0,可以设 x₃=0、x₁=b₁、x₂=b₁+b₂,就能逐式满足 Cx=b,所以它也是充分条件。

再看更特别的一点:x=(1,1,1)ᵀ 虽然不是零向量,但 Cx=(0,0,0)ᵀ。于是 x 和 x+(1,1,1)ᵀ 可以产生相同输出。有非零输入被送到零,反向便不可能唯一,所以 C 不能拥有真正的逆矩阵。

不要把“没有逆”理解成“所有方程都无解”。

对 C 而言,有些 b 不可达;可达的 b 又有无穷多个输入对应。无解与不唯一是不同的结果,必须根据右端 b 判断。

随堂检查 03 · 判断可达性

循环差分 Cx=b 的必要且充分条件是 b₁+b₂+b₃=0。以下哪个目标可以达到?
查看完整解析与错因

循环差分的三个分量相加恒为0,所以目标三维分量和必须为0。只有(2,−1,−1)ᵀ满足2−1−1=0;又可取x₃=0、x₁=2、x₂=1,确能得到这个目标。

04 / SUBSPACES / BASIS

为什么“过原点的平面”
比一堆散点重要?

子空间必须包含零向量,并且对向量相加和实数倍运算封闭。例如上面集合 W={(a,b,c)ᵀ:a+b+c=0},如果 u、v 各自分量和为零,那么 αu+βv 的分量和仍是 α·0+β·0=0,所以 W 的确是三维空间中的一个子空间。

由 C 的三个输出总和为0,又由上一节的构造可以达到 W 里的每一个向量,我们知道 C 的所有列组合恰好等于 W。这是一整个二维平面,而不是所有三维向量。

相反,D 的每个输入 x 都能从 b 唯一恢复,表示 D 的三个列向量张成整个三维空间,而且不存在非零组合得到零。这两项分别叫张成性与线性无关;同时满足它们的一组向量称为一组基。

子空间:所有线性组合仍在其中基:既能张成目标空间,又线性无关

MIT 原概览课同时提到矩形矩阵与更高维的建模。我们现在不急于证明所有高维定理;先抓住三个问题:输入是什么?输出能到哪?它能否被唯一倒推?后面的消元、秩与四大子空间都在回答这些问题。

随堂检查 04 · 零向量与可逆性

为什么循环差分矩阵 C 不可逆?
查看完整解析与错因

因为 C(1,1,1)ᵀ=(0,0,0)ᵀ,而且(1,1,1)ᵀ不为零,C把非零输入送到零。若存在逆,左乘C⁻¹就会推出(1,1,1)ᵀ=0,矛盾,故不可逆。

PRACTICE / EXPLAIN EVERY STEP

独立写出过程,
再展开答案。

先检查运算,再解释为什么这样做。以下题目为本站重新设计,难度参照本讲实际授课内容和可获得的配套练习。

01 / 原创建模计算

对 u=(1,0,1)ᵀ、v=(0,1,1)ᵀ,计算 3u−v,并解释为何它在 z=x+y 的平面上。

展开完整解析

3u−v=(3,−1,2)ᵀ。第三分量2等于3+(−1),符合平面方程。系数3与−1是线性组合系数。

02 / 逆向可达性

向量 (3,2,7)ᵀ 能写成 su+tv 吗?如果把第三维改成5呢?

展开完整解析

不能:若能写出,前两维强制 s=3、t=2,第三维必须s+t=5,不会是7。改成 (3,2,5) 后可以,取 s=3、t=2。

03 / 反向恢复输入

已知 Dx=(4,−2,3)ᵀ,D 的规则为 (2x₁,x₂−x₁,x₃−x₂),求 x 并代回。

展开完整解析

2x₁=4得x₁=2;x₂−2=−2得x₂=0;x₃−0=3得x₃=3。检验D(2,0,3)=(4,−2,3)。

04 / 有解但不唯一

对 Cx=(2,−3,1)ᵀ,构造一个解,再写出所有解。

展开完整解析

分量和2−3+1=0。设x₃=0,第一式x₁−0=2得x₁=2,第二式x₂−x₁=−3得x₂=−1,第三式0−(−1)=1。所有解为(2+t,−1+t,t)ᵀ,t任意实数,因为加相同常数不改变相邻差。

05 / 用零组合检验基

不用行列式,证明 D 的三列线性无关,并据本讲给出的反向公式说明它们张成 R³。

展开完整解析

令Dx=0,第一式2x₁=0得x₁=0,第二式x₂−x₁=0得x₂=0,第三式x₃−x₂=0得x₃=0,零组合只有零系数,故线性无关。任意目标b可取x₁=b₁/2、x₂=b₂+x₁、x₃=b₃+x₂,因此每个b都可由三列组合得到,故张成整个R³。

THE IDEA TO KEEP

线性代数最核心的不是矩阵里有多少数字,而是它能把哪些输入送到哪些输出。

本讲 4 道随堂题,可逐项答题并查看反馈。

这里建立概览直觉;严格的基、维数、零空间和矩阵求逆算法,会在后续专门讲授。

返回线性代数目录 ↗
本讲参考的大学材料

MIT 18.06SC · An Overview of Key Ideas。可复核资料:official session ↗official summary ↗official video transcript ↗。

已核对 MIT 官方五页讲授摘要,以及讲授文字稿的主要教学段落;未完整观看视频,未阅读全部教材和习题课文字稿。该概览课的 MIT 页面未单列 Check Yourself 作业 PDF。 本站不是 MIT 官方中文译课;文字、数值案例、模型和题目独立设计。