线代
向量 Vector
向量空间的一组基(basic) 是张成(span) 该向量空间的一组线性(linearly independent)无关向量集合
Linearly:
如有
Vector:U
Vector:V
Linearly Combination
aU+bV
称为U和V的线性组合。其中a和b为Scalars
Linearly dependent
如果有一个Vector能表示为其他Vector的线性组合 那么称这些Vector线性相关。
Linearly Independent
如果每个Vector都为span构建了新的维度那么称这些Vector线性无关。
Linearly Transformation
将Vector作为输入输出的Function
看作是网格保持平行且等距分布的变换
矩阵 Matrix
矩阵
包含描述一个线性变换的信息;
其中列 分别为
i-hat/j-hat/k-hat:变换后的basic vector(k-hat为三维坐标系的z-direction basic vector
对于线性变换有个很重要的推论
向量始终由同一个Scalars与变换前后的basic vector进行线性组合得到
所以可以通过矩阵的乘法 得到任意向量变化后的向量位置
复合矩阵 Composition
经过多次linearly transformation后的矩阵
可以通过每个中间矩阵相乘得到,矩阵乘法自右向左 因为G(F(X))
由第一个变化后的i-hat与j-hat与后续transfomation的basic vector依次相乘,得到最后的i-hat与j-hat即是所要求得的复合矩阵
The “Determinant” Of A Transformation
线性变换的“行列式”
表示线性变化对span空间大小的缩放的具体大小,可为负值。
三维里 行列式表示 平行六面体parallelepiped的面积
行列式的计算
对于2x2的矩阵而言
:ad-bc
det(M1M2)=det(M1)det(M2)
线性方程组 linear system of equations.
Inverse Matrices
矩阵的逆 将一个线性变换A的结果回退到未变换时,所需要的另一个线性变换B ,包含B线性变换信息的矩阵就为包含A线性变换信息的矩阵的逆矩阵
(包含A的矩阵的determinant不能为0,因为function的输入输出都为一个值)
Column Space
矩阵线性变换后basic vector张成的span
Null Space
变换后落在原点的向量的集合
eg:二维线性变换将空间压缩为一条直线,那将有一个直线上的向量落在原点
若三维线性变换将空间压缩到一个平面,也将有一个直线上的向量落在原点,而如果将空间压缩到一条直线,将有一个平面的向量落在原耽。
所以,null space有助于我们理解,所有可能的解的集合是什么样子的。
Rank
The number of Dimensions维数 in the output
/The number of Demensions
in the Column Space
full rank
秩的大小为为最大,也就是和矩阵列数相同时