C2/目录:
![43a412918130f5fd828dc0fb92845992.png](https://i-blog.csdnimg.cn/blog_migrate/474f8ce55ecdcee4071815fbf0ef28d6.png)
1.向量/矢量 vector
![1ee9d4a2744d32bea22495b490edad75.png](https://i-blog.csdnimg.cn/blog_migrate/4bedea45b550329d36239e61bd286699.jpeg)
在物理专业:向量只需满足两个条件:方向和大小。(可以随便移动)
线代:同上(但是,不能随便移动,向量有一端是固定在原点的)
计算机专业:任何数据都可以建模为一个n维“向量”(其实就是列表),顺序不能乱改。 “向量是有序的数字列表”
最好不要把向量看作空间箭头,而把它看作线性变换的物质载体。(向量似乎是一个特定变换的概念性记号)
向量(也称为欧几里得向量、几何向量、矢量),指具有大小(magnitude)和方向的量。它可以形象化地表示为带箭头的线段。箭头所指:代表向量的方向;线段长度:代表向量的大小。与向量对应的量叫做数量(物理学中称标量),数量(或标量)只有大小,没有方向。
矢量(vector)是一种既有大小又有方向的量,又称为向量。一般来说,在物百理学中称作矢量,例如速度、加速度、力等等就是这样的量。
1.1 表达方式
- 代数表示: a, b, c(字母上带箭头)或者AB, BC(带箭头)
- 几何表示: 画图
- 坐标表示:
取坐标轴作为基底,(例:取X轴,Y轴,Z轴方向相同的单位向量i,j,k),以起点坐标原点O作为起点。
由平面向量基本定理可知,有且只有一对实数(x,y),使得a=xi+yj,因此把实数对(x,y)叫做向量a的坐标,记作a=(x,y)。
由空间基本定理知,有且只有一组实数(x,y,z),使得a=ix+jy+kz,因此把实数对(x,y,z)叫做向量a的坐标,记作a=(x,y,z)。这就是向量a的坐标表示。其中(x,y,z),就是点P的坐标。向量a称为点P的位置向量。
![db34d4a5f192b0d6d851f73064906e00.png](https://i-blog.csdnimg.cn/blog_migrate/a65c4b83a488ab15672d982a23843476.jpeg)
向量的矩阵表示:
![a32a4b846169f1960249ddea3cad313c.png](https://i-blog.csdnimg.cn/blog_migrate/54e0b2af2b5aee1b5f87d5498942c684.png)
行列式的值是一个数字,表示向量所在空间的【元素】 大小。
- 对于平面直角坐标系而言(二维):
比如,在平面直角坐标系中,整个平面可以由长宽均为1的方格构成,这个方格的大小为1。这个方格就是平面直角坐标系中的【元素】,大小为1。
平面坐标系中所有的点都可以用
![00a7ac6bcf27634cad9456ada65bddac.png](https://i-blog.csdnimg.cn/blog_migrate/ff87f9123fb609bdb4657c26cfa1e8a3.png)
(也就是a = 1i+0j,b= 0i+1j,两个单位向量)这两个向量来刻画,这两个向量也叫平面直角坐标空间的【标度】。
这两向量构成的行列式
![cc140f8d50bfe82e5f26fbd80d416348.png](https://i-blog.csdnimg.cn/blog_migrate/a66e231bff79c1b234cd54b4bd10c164.png)
那么,平面直角坐标系单元格大小,也就是【元素】大小为1的正方块。
也可以进行拉伸:
![24a51374de47d2e5ca6530ca333ee941.png](https://i-blog.csdnimg.cn/blog_migrate/7983ff35a65fdb80116dd838498771e0.jpeg)
那么,这个新坐标系(2维空间)的【元素】大小为2的长方块。
再比如,我们对平面直角坐标系变形,用如下两个向量来刻画
![68e7eedb0379dc263f74bc8b6e9f6fc3.png](https://i-blog.csdnimg.cn/blog_migrate/b282d537f077de6daa8a8c68a6adc885.jpeg)
那么,这个新坐标系(2维空间)的【元素】大小为2的平行四边形块。
从以上3个例子,可以看出来:在2维空间中,两个2维向量构成的的行列式的值,等同于两个向量组成的平行四边形面积大小。也就是说,在2维空间中,两个2维向量构成的的行列式的值,等同于两个2维向量的【叉积】。
+
- 对于三维空间而言:
比如,在空间直角坐标系中,这个空间可以由长宽高均为1的正方体构成,这个正方体的大小为1。这个正方体就是空间直角坐标系(3维空间)中的【元素】,大小为1。
那么可以看出来:在3维空间中,三个3维向量构成的的行列式的值,等同于三个3维向量的【混合积】。
由此,扩展到n维空间。在n维空间中,n个n维向量构成的行列式的值,表示n维向量所在的n维空间的【元素】 大小。同时,这n个n维向量也叫n维空间的【标度】。
1.2 向量加法原理
线代围绕两种基本运算:向量的加法 和 向量数乘。
(后面Span会介绍,仅靠加法 和 数乘,就可以张成一个完整的空间,所以线代只考虑这两种向量运算)
![181da7113d3cb73811ae1c8555a3bf0c.png](https://i-blog.csdnimg.cn/blog_migrate/3493885179321d562b782f081cb36048.png)
可以认为是运动的代替,两种路径同一个效果。
也可以把它看作数周上加法的一种扩展:比如2+5=7, 可以认为先向右走2步,然后再向右继续走了5步,最后总的效果就是走了7步。
![604a7ac392a82e10ade38b07d90dc664.png](https://i-blog.csdnimg.cn/blog_migrate/fdd75efb38c12e6ed5b3d4d2c534e917.jpeg)
再继续从数字角度看向量加法:
第一个向量的坐标是(1, 2),第二个向量的坐标是(3, -1)可以把它看作一个从原点出发,到第二个向量终点的四步移动。把两个向量首尾相连。向右一步,向上两步,向右三步,最后向下一步。
![b4e150d1ca05d543ca51b23e72db268e.png](https://i-blog.csdnimg.cn/blog_migrate/87504c4d596fdfce42f91f2e5cf0296b.jpeg)
也可以换一种方法,先走完x的,再走完y 的。先向右走(1+3)步,然后再向上走(2-1)步(就是向上走2步再向下走一步)。
总的来说,在 “向量是有序的数字列表” 观点中,向量就是把对应项相加
![fe21d208c4a5c5cb00801a00710240dd.png](https://i-blog.csdnimg.cn/blog_migrate/4f130f7bd2a79974a7832e8057c44f13.jpeg)
1.3 向量数乘原理
“缩放” ——— “Scaling”
“标量” ——— “Scalars”
数字在线代中起到的主要作用就是缩放向量。上面两个作用差不多。
向量于一个数相乘,就是将向量拉伸(大于1),压缩(0-1),反向(负数),反向拉伸(小于-1),反向压缩(-1-0)。
从数字角度看,标量和向量乘法就是标量乘上每个分量。
![17cae7967a5f9f0f4d5d8bbbeae3969f.png](https://i-blog.csdnimg.cn/blog_migrate/b1269ca460dd2af5a2e58ef80278e978.jpeg)
1.4 线性组合和Span
一个向量可以用下做图表示(数值表示),也可以改为右图 i j 向量(基向量basis)表示。
![c5091ad4d7ad1712d7e135e448bba27d.png](https://i-blog.csdnimg.cn/blog_migrate/6df9259647f1eb7c918ee7fc19f43803.jpeg)
每当我们用数字来描述向量的时候,都依赖于我们正在使用的基向量。两个数乘向量的和被称为这两个向量的线性组合(Linear combination)。
![191c6d90768e531f8f87cc0ad2cac4fe.png](https://i-blog.csdnimg.cn/blog_migrate/4e5e13c730679edb322f22a321fcda41.jpeg)
如果固定其中一个标量,让另一个标量自由变化,所产生的向量的终点会描述出一条直线。比如固定 1.00w 不变 变化 v 前面的scalar,变化出的是如下一条白线。
![17804dfeb94fb79d07df39e30cb0d4fe.png](https://i-blog.csdnimg.cn/blog_migrate/91d00a9f21ce4fd30e82137823989d9d.jpeg)
固定1.00 v 不变,变化 w 前面的scalar:
![088b51147d3477ce0acb20ea52924819.png](https://i-blog.csdnimg.cn/blog_migrate/a39c46147af9856b4a3dc92534ed3307.jpeg)
如果 v 和 w 前面scalar都变化,可以得到任意一个向量。这里还有两个特殊情况:1. v 和w 共线的化,不管scalar怎么变,他们始终在一条线上。2. 两个若都为零向量,不管scalar怎么变不会有任何影响。
所有可以表示为给定向量线性组合的向量的集合,被称为给定向量张成的空间(span)。换句话说,对于大部分二维向量来说,它们张成的空间是所有二维向量的集合。
![9dc359e1fb4e9bd953c4ef5e746176c5.png](https://i-blog.csdnimg.cn/blog_migrate/cca05b53561635091401224c788450e4.jpeg)
若他们共线时,它们张成的空间是终点落在一条直线上的向量的集合。
![0bc8916400fbd6c3fc672bcd11b9c554.png](https://i-blog.csdnimg.cn/blog_migrate/d2129d6c0b52e7efbf86bdbaf490e983.jpeg)
同理应用到三维空间。两个向量加法和数乘:所有终点落在一个平面上的向量的集合是这两个向量张成的空间。
![f360e5392ba6688b06c86018c21cc93e.png](https://i-blog.csdnimg.cn/blog_migrate/d52b5dea39cbc184b731a964287001cd.jpeg)
三维空间中,三个向量加法和数乘:有可能是面(第三个和前两个共面),或者如下,前两个向量形成面,然后第三个为基础来回移动这个面,从而扫过整个空间(形成一个空间)。(这种思考方式很重要,三个向量都变你当然知道是构成空间,但是没有一个很好的逻辑说清楚,但先以一二向量构成面,再以第三个向量坐标动来移动面,形成空间,一步一步思考有逻辑。)
![95caeb57176fa9520ab0b68f49ea5082.png](https://i-blog.csdnimg.cn/blog_migrate/b0850a42421c148d1e46a45e02af1118.jpeg)
1.5 线性相关和线性无关
比如上面所说,二维平面中,若如下,两个向量不管怎么变都在一条线上,根本无法扩展为面,则 w 和 v 就是线性相关(Linearly dependent) u = k*v (两个可以互相表示),两个向量里面有一个肯定是多余的。
![2fb5bd685e2087e51038286114e55e09.png](https://i-blog.csdnimg.cn/blog_migrate/2d870a14a9ef38f3ed0692e7bf855fab.png)
在三维中,你又多个向量,并且可以移除一个而不减小张成的空间(比如三个向量,不管怎么变化,始终只产生一个面,说明三个中有一个是多余的)。其中一个向量可以表示为其他向量的线性组合,因为这个向量已经落在其他向量张成的空间里面了。
![d581ddc470315eef5893981ad00881af.png](https://i-blog.csdnimg.cn/blog_migrate/da65b1af3f003d7024a85d3679086345.jpeg)
总结:如果所有向量都给张成的空间增添了新的维度,则是线性无关Linearly independent。
![2e1c1817fc9bcfab8285c9f40b6433ed.png](https://i-blog.csdnimg.cn/blog_migrate/d46a8e52d59e479fabfa5e2645eed18f.jpeg)
基的严格定义:向量空间的一组基是张成该空间的一个线性无关向量集。