关于线性代数的一些初步认识(一)
一、序
关于线性代数,其实从教学开始,我们经常明白过程怎么办,用记忆过程去解决问题,而不清楚为什么这样,也就是所谓的“知其然不知其所以然”。通过3B1B的视频,明白了看似是基础知识背后的故事。
二、矩阵含义
Q:我们都知道矩阵和向量之间的运算是什么,但是单个矩阵是什么意思呢?换句话说,为什么是这样的结果?
要回答这个问题,我们首先要回顾最开始我们接触向量时候的定义。
刚开始用坐标表示向量的时候,我们在向量基本定理中用正交单位向量(也就是x,y轴上的单位向量)i,j与某向量a的关系:a=xi+yj 来确定a的坐标(x,y)。
而矩阵代表的线性变换(线性保证了变换前后矢量加的成立),在这个基础上,数学中给出了二阶矩阵的定义——在一次变换中,将原本正交单位向量的坐标变换后的坐标组合,就变成了我们所熟悉的二阶矩阵。
是指(1, 0)在变换中到了(a,c),(1, 0)在变换中到了(b,d)。明白了这个定义,再结合线性的特征,也就有了上文运算法则的成立。
三、行列式
Q:行列式的运算规则又为什么是这样的?
在数学中,二阶行列式表示两个向量(a,c)(b,d)为边的平行四边形的面积。这样,在坐标系中很容易可以推出对应的“ad – bc”公式。
四、非方阵
对于2*3的非方阵,其表示的是从一个平面到一个空间的映射,当然这种映射不可能映射满一整个空间。
对于3*2的非方阵,其表示的是从一个空间到一个平面的映射,当然这种映射会出现多个空间点映射到同一个平面点。
五、其他
当然还有其他的比如点积,叉乘,基变换,特征值特征向量,虚拟向量空间等等,鉴于我比较菜 时间关系,还有文字的局限性等一系列原因,暂时在这告一段落,有时间再捣鼓捣鼓后面的东西如何很好的表述出来。
作:VaQX