线性代数的本质_bilibili视频笔记

向量

• 向量用方括号括起来表示。

向量空间

• 所有可以表示为给定向量线性组合的集合，被称为给定向量张成的空间。
• 一组向量中可能有向量位于其它n-1个向量张成的空间内（比如有2个向量张成一个平面，第三个向量在该平面内），则称该向量是冗余的，对张成空间没有做出贡献。
• 线性相关：多个向量中存在“多余的向量”，可以移除一个而不减小张成的空间。
• 线性无关：所有的向量都给张成的空间增添了新的维度。
• 基：张成该空间的一个线性无关向量的集合。

线性变换，矩阵

• 严格意义上来说，线性变换是将向量作为输入和输出的一类函数。也可以看作是对空间的挤压伸展。
• 线性变换的特征：直线在变换后仍为直线、原点必须保持固定。

总的来说，是“保持网格线平行且等距分布”的变换。

• 向量v是i帽和j帽的一个特定线性组合，只需要变换基向量i和j，用它们表示的其它向量v都会随之而动。（核心想法）
• 矩阵的列可以看作变换后的基向量。用某矩阵乘一个向量，可以认为是对这个向量进行了某种特定的线性变换。 因此，每个矩阵代表特定的线性变换。
• 矩阵乘法计算的本质：假如矩阵有2列2行，向量有1列2行。矩阵x向量，向量可以表示为ai帽+bj帽，而i帽和j帽分别为矩阵的第一列和第二列，向量第一行的数由i帽控制，第二行的数由j帽控制，所以变换后的向量=向量第一行x矩阵第一列的数+向量第二行的数x矩阵第二列。（“i帽和j帽都去哪了”）

拓展到更多维也是同理

复合变换

• 每个矩阵都可视作是一次线性变换，如果有多个矩阵，几何意义是线性变换的相继作用。
• 应从右往左看，首先应用右侧矩阵所描述的变换。
• 这些矩阵的变换=一个“复合变换”。复合矩阵是这些矩阵的积。

行列式

• 行列式的几何意义：（对二维变换而言）线性变换后，1x1小方格面积放大的倍数。或者说，是线性变换改变面积的比例。（三维变换的行列式就是平行六面体的体积）
• 行列式为0，说明该矩阵所代表的变换将空间压缩到更小的维度上。
• 行列式为负，称这样的变换改变了空间的定向，像是把纸翻到了背面。

逆矩阵

线性方程组：

• 矩阵A代表一种线性变换，所以求解Ax=v意味着我们寻找一个向量x，使得它在变换后与v重合。
• 引入逆矩阵：A的逆矩阵带和A的线性变换相反的变换，AxA-1 得到一个什么也不做的矩阵（或回到原始状态）。
• 所以当A的行列式不为0时，求解x可以用A的逆矩阵×v。
• 当行列式为0时，可能无解，也可能有解。
  
  

秩、列空间、零空间

• 秩代表着变换后空间的维数。
• 列空间是矩阵的列所张成的空间，不管是一条直线、一个平面还是三维空间等，所有可能变换结果的集合。
• 所以更精确的秩的定义是列空间的维数。
• 对满秩变换（不降低维数）来说，唯一能在变换后落在原点的是零向量自身。
• 变换后落在原点的向量的集合，称为矩阵的“零空间”或“核”。对非满秩变换，有很多向量在变换后都落在了原点（动画）。
• 对线性方程组Ax=v，当v为零向量时，零空间给出的就是这个向量方程组所有可能的解x。