前言
想写这个东西是因为看了3b1b的线性代数的本质,且学校之前教的线代就是歌姬吧,只会算数,不理解其含义,于是就想写点总结,方便自己复习,如果对这个内容感兴趣,还请看看完整的视频教程,这个博客可能会帮助你记忆。
向量含义
A
⃗
=
(
x
,
y
)
\vec A = (x,y)
A=(x,y)表示
x
∗
i
+
y
∗
j
x * i + y*j
x∗i+y∗j,其中
i
,
j
i,j
i,j分别为两个单位向量
而
A
⃗
\vec A
A经过线性变换后(即对
i
,
j
i,j
i,j进行变化),那么变化后的
A
⃗
\vec A
A依然满足
x
∗
i
+
y
∗
j
x * i + y*j
x∗i+y∗j
图片来自3b1b的视频
矩阵乘法
而一个
2
×
2
2 \times2
2×2的矩阵其实就代表了一个线性变换
[
x
1
x
2
y
1
y
2
]
×
[
x
y
]
=
[
x
1
∗
x
x
2
∗
y
y
1
∗
x
y
2
∗
y
]
\left[ \begin{matrix} x_1 & x_2 \\ y_1 & y_2 \end{matrix} \right] \times \left[ \begin{matrix} x \\ y \end{matrix} \right]= \left[ \begin{matrix} x_1* x & x_2 * y \\ y_1 * x& y_2 * y \end{matrix} \right]
[x1y1x2y2]×[xy]=[x1∗xy1∗xx2∗yy2∗y]
即,把单位向量
i
(
1
,
0
)
i(1,0)
i(1,0)变为
(
x
1
,
y
1
)
(x_1,y_1)
(x1,y1),单位向量
(
0
,
1
)
(0,1)
(0,1)变为
(
x
2
,
y
2
)
(x_2,y_2)
(x2,y2)之后,在原来的坐标系下的向量
(
x
,
y
)
(x,y)
(x,y)变化后的坐标
矩阵相乘
而两个矩阵相乘,就表示两个线性变换的叠加。即,先进行右面矩阵的变化,再进行左面矩阵的变化
行列式
事实上,行列式的值表示了经过线性变换后单位面接的放缩倍数,如果是负数,说明
x
,
y
x,y
x,y轴的顺逆时针关系发生了转化(比如
x
x
x顺时针
90
90
90度转到
y
y
y轴,变成了逆时针
90
90
90度)。
可以这么想象,原先的单位向量与原点相连形成的三角形面积是
1
2
∗
(
1
,
0
)
∗
(
0
,
1
)
=
1
2
\frac{1}{2} * (1,0) * (0,1) = \frac{1}{2}
21∗(1,0)∗(0,1)=21
变换后
[
x
1
x
2
y
1
y
2
]
\left[ \begin{matrix} x_1 & x_2 \\ y_1 & y_2 \end{matrix} \right]
[x1y1x2y2]
向量终点与原点连接形成了一个三角形,用三角形面积公式可得
S
=
1
2
(
x
1
∗
y
2
−
x
2
∗
y
1
)
S =\frac{1}{2}( x_1*y_2-x_2*y_1)
S=21(x1∗y2−x2∗y1)
比较一下,这不正是行列式的求法吗?感性证明(确信)
同理,高阶行列式也是同样的含义,比如三阶行列式就是体积的变化。
具体的可以看下视频里的方法。