线性代数的本质
视频来源:线性代数的本质
1. 向量究竟是什么?
向量有2种解释:
- 空间中的箭头。决定向量的是它的长度以及它所指向的方向。
- 有序的数字列表。假设正在做一个房价的预测,那么,
就是一个二维的向量。
其中,每一个数字告诉你在坐标轴中沿该方向走多远。
2. 向量的线性组合、基、张成的空间
表示了这两个数如何拉伸或者压缩一个向量。
基
而在坐标系中,有两个特殊的向量,即方向的单位向量,方向的单位向量**(基向量)。该空间中的任意向量都可以为这组向量经过缩放或者相加后**得到的结果
向量的线性组合
, 是两个向量,则是与的线性组合。
张成的空间
组合的所有结果称为与张成的空间
线性相关
, 是两个向量,如果至少有一个向量对张成的弓箭没有任何的贡献,则称为是线性相关的。(与 本来可以张成一个面的,结果二者搞成了一条线,则说明与是线性相关的。)
严格的说,某一个向量是其他向量的线性组合,则蓓表示的向量与其他向量是线性相关的。
3. 矩阵与线性变换
线性变换(旋转与剪切)
线性变化类似于函数的功能,输入一个向量,并且输出该向量的变换。
当满足如下两个条件时,变换为线性的:
- 直线在变换之后仍然为直线,没有发生弯曲。
- 原点必须保持固定
捕捉线性变换的方式:
- 若是任意一个向量。与 为基向量,则只要记录下与 的变化,就可以推断出在变换之后的位置,不必在乎原本是什么样的
- 也可以把矩阵向量的乘法看作他们的线性组合
4. 行列式
行列式的几何意义?
线性变换的另一个角度的理解:度量了一个变换对空间究竟有多少的拉伸或者挤压。更具体的:测量一个给定区域面积增大或者减少的比例。
以为例,就是把单位向量变换成了一个的矩形。同理,对于该向量空间的其他面积来说,变换比例与单位面积变换的比例相同。
行列式为0,代表着什么?
若变换为0,则是将该向量空间压缩到了一条直线或者一个点上。
可以这么说,二维空间的行列式给出的是面积放缩的比例,那么在三维空间中,行列式给出的是体积放缩的比例。
5. 逆矩阵、列空间与零空间
在上图中,矩阵代表一种线性变换,因此,求解,意味着需要寻找一个向量,使得变换后与重合。
行列式与方程组的解之间,有啥关系吗?
一般来说,矩阵中两个变换的相继作用体现为矩阵的乘法,在图4中,只要矩阵不将降维(的行列式不为0)它就存在逆变换。如果的行列式为0,那这个变换就对空间进行了降维打击,此时就没有逆变换,因为将一条线解压缩称为一个面是没有意义的
行列式为0,解可能存在吗?
但是,当矩阵的逆变换不存在的时候,解依然可能存在,例如当矩阵刚好将三维空间降维压缩成二维的一条线,运气做够好我们的向量刚好处在这根线上,那么,这样的情况解就存在。
秩是啥玩意?
矩阵的变换结果是一维的(一条线),这个时候秩为1。秩代表的是变换后空间的维度
列空间
矩阵代表着基向量变换后的结果,故而,列空间就是矩阵的列所张成的空间。
零空间
变换之后,向量落在原点的集合。
6. 非方阵
经过变换后得到 :意味着:
。
同样的:
- 所代表的就是:在三维空间中过原点的二维平面。(将三维映射到二维上,每一个基向量(共两个)在变换后都用三个坐标表示)
-
则代表的是:将一个三维的压缩成二维的。
视频来源:线性代数的本质
7. 点积究竟是什么?
与相乘,几何意义是:在上投影的长度的长度。
- 当两个向量方向大致相同时,点积结果为正
- 当两个向量方向垂直,点积结果为0
当两个向量方向大致相反,点积结果为负
点积(对应坐标相乘)与向量之间投影有毛线关系?
的直观理解:二维平面中,和被变换之后,可以用一维中的一条线来表示。:在数轴上表示为
此时,我们把这条直线放在二维平面中,然后找一个向量,与这条直线完全重合,这个时候,二维空间中的基向量,在上的投影 = 在基向量上的投影。
在与向量相乘后,
注意:不管任何一个二维到一维的线性变换,都能够在二维空间中找到一个与之对应的向量。这个向量的目的:是把2 * 1维的向量($\overrightarrow{v} $),都变成一个数。
8. 叉积究竟是什么?
前面提到过,行列式可以度量两个向量面积增大或减少的比例(跟基向量相比)。两个三维向量和生成一个新的三维向量。的长度,就是和围成平行四边形的面积,方向需要根据右手定则来确定。
叉积的运算法则
9. 基变换?
可以这么看,同样在一个空间维度中(在同一个地球上),不同的基就相当于说不同语言的人(中文、英语)有一天,Bill想认识一个女孩,于是问你该怎么办。
- 目标向量左乘基变换矩阵(他的目的:“我想约她,我要怎么办”:翻译成中文===用我们的语言描述他的基向量,此时的结果是表达同样的意思,但是是用我们的语言描述的)
- 第一步结果左乘线性变换矩阵(你了解后:提供建议)
- 第二步结果左乘基变换矩阵的逆(你把你的建议翻译成英文)
10. 特征值与特征向量
前面提到过,空间中的向量都可以通过基向量进行变换、裁剪得到,那么,一个向量在变换和裁剪的过程中,基向量所张成的空间其实或多或少都发生了改变,然而,有一些很皮的向量,仍然留在他们原来张成的空间中,这些很皮的向量,就称作为:特征向量,每个特征向量都有一个所属的值,被称为“特征值”。
特征值的大白话解释:其实就是**衡量特征向量在变换中拉伸或者压缩比例的因子。
在三维空间中,如果向量张成的空间(一个立体物体),在变换过程中按照某个值旋转了,那么,旋转的轴就是特征向量。
特征向量与特征值的计算公式
KaTeX parse error: No such environment: equation at position 7: \begin{̲e̲q̲u̲a̲t̲i̲o̲n̲}̲
\begin{aligned…
当为零向量时,本身没有任何帮助,因此,我们需要当为非零向量时,使与之相乘为。即,要求能够对实行降维,若要降维,则需要其对应的行列式为0
需要注意的一点是:有几个特征值,不代表有几个特征向量。特征值为1,特征向量对应一条。但是,若特征值为2,但是特征向量却不止一条,原本空间中所有的向量都是其特征向量。
对角矩阵
如果你足够幸运,你的矩阵为对角矩阵,like this:。那么,对角线上的每一个元素都是特征值,为什么?因为在原本的空间中,基向量本身就是特征向量,你只是将原本的坐标轴进行了拉伸或者压缩,并没有进行剪切,因此,基向量还是原来的基向量。
11. 抽象向量空间
线性的定义:
怎样把一堆多项式,转换到空间中?
注意上图中基函数的定义