线性代数的本质 - 系列合集观后总结

b站-线性代数的本质
这个系列的视频将可视化应用到线性代数几何意义的教学上，解释了很多之前在课堂上被强行定义但是不知道原理的线性代数常识：矩阵究竟有什么几何意义？为什么行列式绝对值等于面积（2d)或体积（3d)?为什么点积的几何意义是一个向量在另一个向量上的投影与另一个向量长度的乘积？为什么叉积最后计算得出一个向量？叉积的几何意义又是什么？为什么要引入特征值与特征向量？将一个矩阵对角化的几何意义又是什么？

这些问题在这短短15个视频里讲得非常清楚，非常直观。

下面讲讲我印象比较深刻的点：

1.矩阵的几何意义就是一种线性变换。矩阵的乘法就是线性变换的复合，矩阵的逆就是线性变换的逆操作。对于非方阵来说，高<宽的矩阵将一个高维空间的向量变换到一个低维空间上，而反之则是将低维空间的向量变换到高维空间。

2.形似AMA^-1 的线性变换，其实都是在不同基描述下的另一种线性变换。矩阵运算的顺序从右到左，对于一个计算AMA^-1 * v ，我们可以把它看作先将目标基的向量描述v变换为当前基的向量描述A^-1 * v，然后进行当前基的一个线性变换，最后再通过A变换成目标基下的向量。矩阵（线性变换）对角化其实就是通过选择特征向量作为线性空间的一组基，然后在这个基的视角上的这一线性变换只存在伸缩，不存在旋转。

3.通过对偶性关联了向量点积和一个1*n的矩阵对向量的乘法。类似的，通过对偶性关联起叉积和点积，从而说明为何叉积的结果会是一个向量。