线性代数的本质

线性代数的本质

介绍：

线性代数在所有理工科，尤其是计算机科学的知识体系中，有着举足轻重的地位。但是传统的线性代数教材喜欢概念的罗列，晦涩的证明，以及复杂枯燥，又毫无意义的计算。让读者看到就头大，更别提体会到其中的美妙之处了。但是事实上，线性代数的提出是顺理成章的，线性代数的概念也是符合常识的。3Blue1Brown的B站系列视频就做到了以可视化的方式讲解线性代数的本质，看完这个系列视频，笔者受益匪浅。考虑到不是每个人都有时间和有必要看完全部视频，因此笔者整理了视频中的要点，希望对大家有所帮助。

传送门：

【官方双语/合集】线性代数的本质

引入：

线性代数存在的意义：将现实生活的事物用计算机来识别并可以进行相应的处理。

正文：

基本概念

1. 两个向量标量乘法之和：这两个向量的线性组合。

2. 向量空间: 给定向量仅经过向量加法与数乘运算（全部线性组合构成的向量集合）。

3. 线性相关：有多个向量，并且可以移除一个但不减少张成的空间，则称这些向量线性相关
   其中一个向量可以表示为其他向量的线性组合。

4. 向量空间的一个基：张成该空间的一个线性无关向量集。

5. 复平面：z = a + bi

线性变换

1. 变换只是函数的另一种说法，他们的共同点是获取输入，产生输出。而变换的特别点体现在变换体现了向量的移动过程。
2. 线性变换需要满足的两个条件直线依然是直线，原点保持固定。即保持网格线平行且等距分布。
3. 特殊的线性变换：
   （1） 旋转：rotation
   （2） shear剪切：i(1,0) j(1,1)
   （3） 列线性相关：如i(2,1) j(-2,-1) 形成两个线性相关向量所张成的一维空间
4. 两个矩阵相乘的几何意义（连续两次线性变换 即连续两次左乘 composition）
   延伸到三维空间：3*3的矩阵表示一个线性变换

行列式（det）：

1. 线性变换有的将空间向外拉伸，有的向内挤压，行列式的绝对值用来描述变换究竟对空间有多少拉伸或挤压，即测量一个给定区域面积增大或减小的比例
2. 行列式为0代表变换将空间压缩到更小的维度上
3. 行列式为负值代表改变了空间的定向 （即将空间翻转：j由i的左边变到了右边）

线性方程组:

1. Ax=v 即向量x经过线性变换A与向量v重合
2. 逆矩阵：类似于倒带，观察v如何到x

恒等变换

1. 解方程组：x = A^-1 v （det（A）！=0）
2. 当变换的结果为一条直线时，也就是说结果是一维的，称变换的秩为1（即秩代表着变换后空间的维数）
3. 所有可能的输出向量Av构成的集合，称为A的列空间
4. 满秩：秩与列数相等
5. 0向量一定在列空间里
6. 对于满秩变换：有且只有0在变换后落在原点
7. 对于非满秩变换：会有一系列向量被压缩，然后均落在原点。这些向量被称为矩阵的“零空间”/“核”
8. 对于线性方程组，当v=0时，零空间给出的就是向量方程的所有可能解
9. 3行2列矩阵的几何意义：将二维空间映射到三维空间上
   1行2列矩阵的几何意义：将二维空间投影到一维空间上

点积：

1. vw=w的投影长度v的长度
2. 对应坐标相乘 结果相加
   （正负与方向有关）
3. 两个向量做点积：将其中一个看作线性变换（从二维到一维）
4. 对偶性：应用线性变换和使用对偶向量点乘等价

叉积：

1. 将三维空间映射到一维，与这个变换对偶的向量p即为叉积

基

1. 表达式：A^-1MA
   暗示一种数学上的转移作用
2. M代表一种变换
3. 外侧矩阵代表一种转移

特征向量与特征值

1. 几何意义：经过线性变换后，只经过了拉伸或压缩，并没有移动位置的向量称为矩阵（线性变换）的特征向量，拉伸/压缩的倍数称为特征值
2. 举例：
   旋转：特征值为1，特征向量为对称轴
   对角矩阵：所有基向量均为特征向量，对角元为它们所属的特征值