简谈线性代数

线性代数研究线性空间（即向量空间）、线性变换和有限维的线性方程组，而非线性模型通常可被近似为线性模型，故应用极为广泛。

1、向量（Vector）

n个有次序的数所组成的数组称为n维向量，三维以内的向量可以理解为有方向的量，n>3时不再有这样的几何形象。

向量空间

由基向量组的所有线性组合¹构成的集合（或说基向量张成的空间），也称线性空间。

1. 基向量是线性无关的（互不“共线”）
2. 二维向量空间可记作：$$\left[\begin{array}{c}x\\ y\end{array}\right]$$
3. 函数可看作无限维向量，即函数空间是无限维向量空间。

2、矩阵（Matrix）

由m×n个数排成的m行n列的数表。

1. 矩阵可以表示线性空间的线性变换：
   $$\left[\begin{array}{c}ab\\ cd\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right]=x\left[\begin{array}{c}a\\ c\end{array}\right]+y\left[\begin{array}{c}b\\ d\end{array}\right]=\left[\begin{array}{c}ax+by\\ cx+dy\end{array}\right]$$

2. 矩阵和行列式
   行列式determinat(det)，是基于矩阵所包含的行列数据计算而得的一个数（标量），被引入于解线性方程组，它表征了线性变换对“面积”、“体积”的放大率。

3、线性代数的应用

1. 计算机图形学、3D游戏、VR虚拟现实
2. 机器人
3. 机器学习
4. 信号处理、malab
5. 量子力学
6. 经济学

---

1. 向量的线性组合即向量的加法和数乘运算:$$a\vec{\mu }+b\vec{\nu }$$ ↩︎