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。
- 基向量是线性无关的(互不“共线”)
- 二维向量空间可记作: [ x y ] \begin{bmatrix}x\\y\end{bmatrix} [xy]
- 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。
-
矩阵可以表示线性空间的线性变换:
[ a b c d ] [ x y ] = x [ a c ] + y [ b d ] = [ a x + b y c x + d y ] \left[\begin{matrix}a\quad b\\c \quad d\end{matrix}\right]\left[\begin{matrix}x\\y\end{matrix}\right]= x\left[\begin{matrix}a\\c\end{matrix}\right] + y\left[\begin{matrix}b\\d\end{matrix}\right] = \left[\begin{matrix}ax + by\\cx + dy\end{matrix}\right] [abcd][xy]=x[ac]+y[bd]=[ax+bycx+dy] -
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
- 计算机图形学、3D游戏、VR虚拟现实
- 机器人
- 机器学习
- 信号处理、malab
- 量子力学
- 经济学
向量的线性组合即向量的加法和数乘运算: a μ ⃗ + b ν ⃗ a\vec{\mu } +b\vec{\nu} aμ+bν ↩︎