因为目前研究方向为3维重建,所以需要补一些线代知识,该笔记主要是给自己看的,而且一般记录我不太熟悉的向量有关的知识...一般线代常识性东西我就不写了....
第一课
在MIT老师对于线性代数中AX=b的理解中,将矩阵乘以向量分为两种形式,一种行图像,一种列图像。
二维:
行图像:
对于函数
行图像将每一行视为一条直线,对于其中的x,y视为每一条直线上的点,求出x,y为两直线的交点。
列图像:
将矩阵A拆分为各列,两列分别对于x,y
列图像的意义为对于向量[2,-1]与向量[-1,2]求解参数x,y使两向量的加和等于[0,3],及x,y分别为两向量的系数
三维:
对于方程
行图像为
行图像将每一行视为一个平面,对于其中的x,y,y视为每一个平面上的点,求出x,y,z为三平面的交点。
列图像
列图像的意义为对于向量[2,-1,0]与向量[-1,2,-3]与向量[0,-1,4]求解参数x,y,z使三向量的加和等于[0,-1,4],及x,y,z分别为三向量的系数
以此可推广到多维度,每一列都为一个向量,求得解为每个向量的系数。
因此矩阵乘以向量计算有两种形式
第一种为Ax=b看A各列的线性组合
线性代数主要以这种形式为主
第二种为国内数学常用形式
课程中还有些内容为线性相关,线性无关的内容,
当Ax=b中A为2*2矩阵时,若要使b可表示为任意的向量,或者可表示任意一点,需要使A中一个列向量乘以任意k不等于另一个列向量,也就是两向量线性无关,也就是秩等于二,或称为非奇异矩阵...,同理A为3*3...n*n类似,国内线性代数书上讲的很清楚...不一一解释
第二课
首先讲了方程消元计算,而后用矩阵代替消元,大多对于矩阵行进行消元的知识点。
有部分讲到了矩阵左乘的向量形式
例
当对于矩阵进行行的变换需要对矩阵进行左乘单位矩阵的变换,对矩阵进行列的变换需要对矩阵进行右乘单位矩阵的变换
矩阵相乘时:
一种形式:
当两个矩阵相乘时相当于矩阵A对于B中每一列向量进行左乘每一列左乘后得到一列,然后组合到一起
另一种形式:
相当于矩阵B对于A中每一行向量进行右乘每一行右乘后得到一行,然后组合到一起