线性代数的本质总结

学习B站UP主3Blue1brown的线性代数课程总结。力求简练概括重点，如有晦涩难懂，观看B站视频即可，推荐UP主婆婆町配音版。

1.矩阵与向量相乘所代表的几何含义为对向量的线性变换，例如：旋转/剪切（保持坐标系中的网格线等距分布且平行）

2.矩阵与矩阵相乘所代表的是线性变换的复合，即为两种不同的变换效应的先后作用。

3.n阶行列式的值所代表的为n维向量所张成空间的大小相对于单位行列式所张成的空间的缩放比例。当线性相关时，
即秩小于n时，降维行列式为0。

4.矩阵的逆相当于矩阵变换效果的逆，例如：一个矩阵的变换效果为向左旋转90°，则他的逆是向右旋转90°。
如果行列式为0即空间维度被压缩后，逆不再存在。

5.秩代表着空间的维度数目

6.变换后落在原点的向量成为矩阵的零空间或者核，例如：二维空间降维到直线，有一整条直线被压缩到零点，
三维空间降维到直线则有一整个平面被压缩到原点。当AX=0向量时，这个零空间给出的就是这个方程的解

7.不同维度之间的线性变换：一个3X2的矩阵所代表的是两个基向量在三位空间内张成的一个平面，
将二维空间映射到三维空间，2X3的矩阵将三维降维为二维，1X2的矩阵将2维降维为1维

8.点积所代表的是两个向量中，一个向量向另一个向量投影，再相乘。

9.1X2的矩阵所代表的是将二维向量投影到一条直线，而这个矩阵的两个元素即为这条直线的单位向量分别在x轴y轴投影的数值（根据对称性可证）

10.叉乘，iXj即i向量在j向量右侧则结果为正，顺序相反则为负。计算叉乘可以将i向量与j向量分别构成行列式的第一列与第二列
计算行列式的值的绝对值即为叉乘中的向量构成的平行四边形的面积也是叉乘结果向量的长度。
叉乘V×W，结果向量的方向通过右手定则，食指指向V，大拇指指向结果向量的方向。
两个三维向量的叉积，
叉乘的计算方法是根据二维的叉乘u×v=det[u v]，则三维u×v×w=det[u v w]，这里假设u为未知数x,y,z。
则反解方程，可以解出v×w，假设为向量p，则此时形成了一个从三维到一维数轴的变换，则等式前面可以看作p点乘u后面看作一个数，
此时即可解出p向量，即为叉乘结果。

11.基变换，A代表一个矩阵，其中列向量代表着用一般基向量表达的另一组基向量，AV则代表将V向量转化到一般基向量下，
再将变换矩阵B，BAV则代表在一般基向量下进行线性变换后的结果，BAV则代表再反变换回另一组基向量下的表达结果，
则此时BA代表的就是再另一组基向量下对向量V进行线性变换的矩阵。