线性相关概念

向量相关概念

线性组合，张成空间，基

基

严格地说是张成该空间的一个线性无关集

基向量$(\vec{i},\vec{j})$

用数字描述向量，依赖于所取的基

张成空间（span)

所有可以表示为给定向量线性组合的向量的集合

$$a\vec{v}+b\vec{w}（a,b为所有可能值）$$
称为给定向量张成的空间

---

实际是问

仅通过向量加法和向量数乘这两种基础运算，所能获得的所有向量。

线性相关

​
$$\vec{v},\vec{w},\vec{u}的线性组合a\vec{v}+b\vec{w}+c\vec{u}$$

线性相关$\iff$a$\vec{v}$+b$\vec{w}$=$\vec{u}$

线性相关$\iff$该组向量中至少一个向量是多余的，对span无贡献

若$\vec{u}$恰好在$\vec{v}$和$\vec{w}$构成的平面上或$\vec{v}$,$\vec{w}$共线，span不变

若$\vec{v}$,$\vec{w}$,$\vec{u}$不共线，可得整个空间

所有向量都有贡献，三者线性无关

---

向量与空间变换

Matrix

线性变换的概念及它与矩阵的关系

---

线性变换是运动的函数

将向量输入$\to$向量输出的过程可视化

线性:

直线变换后仍为直线

原点保持固定

网格线保持平行且等距分布

数值描述：

记录$\hat{i}$，$\hat{j}$的变换，变换后V是$\hat{i}$,$\hat{j}$的一个特定线性组合

$\left[\begin{array}{c}x\\ y\end{array}\right]\Rightarrow$

$$x\left[\begin{array}{c}1\\ 2\end{array}\right]+y\left[\begin{array}{c}3\\ 0\end{array}\right]=\left[\begin{array}{c}1x+3y\\ 2x+0y\end{array}\right]$$
变换后V在（1x+3y,-2x+0y)上

旋转剪切：(复合变换)

$\left[\begin{array}{c}旋转矩阵\end{array}\right]\left(\begin{array}{c}\left[\begin{array}{c}剪切矩阵\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right]\end{array}\right)=\left[\begin{array}{c}复合矩阵\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right](从右往左读)$

$\Rightarrow \left[\begin{array}{c}旋转矩阵\end{array}\right]\left[\begin{array}{c}剪切矩阵\end{array}\right]=\left[\begin{array}{c}复合矩阵\end{array}\right]$

两个矩阵相乘是两个线性变换的相继作用

$AB\ne BA$

---

三维空间中的线性变换

$\hat{i},\hat{j},\hat{k}$

$\left[\begin{array}{cc}1& 2\\ 2& 4\\ 3& 6\end{array}\right]$

三维输入三维输出

缩放再相加

行列式

线性变换的行列式意义：测量空间面积缩放比

方格定比

行列式是否为0$\Rightarrow$是否压缩到更小维度

$\hat{i},\hat{j}$越靠近，压缩越严重，继续靠近，得到负值。

负数倍$\to$改变空间定向（翻转

此时通过|det|的值判断是否降维

三维

行列式表示体积缩放（可以简单视为V)

得到平行六面体

det<0时，右手定则确定坐标系，翻转后只能用左手确定

矩阵的列必线性相关