数据挖掘day06-线性代数的本质04～06

04、矩阵乘法与线性变换复合

本节还是讨论上一节矩阵变换和矩阵乘法的关系。假设第一次进行旋转变换，第二次进行剪切变换，实际就是下面的矩阵乘法：
（首先变换的一定在右，矩阵是左乘的！），就像函数式的写法一样。因为变换顺序不一样，结果是不同的，所以顺序不能变。

所以，矩阵乘法的公式是这样的：

所以，矩阵乘法的结合律，是非常清楚地，因为是从右往左，所以括号并没有改变顺序

但是，实际还有问题没有搞得很清楚。重新回顾一下全部内容：

1、标准坐标轴都是正交坐标轴，也即是基向量是$\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right]$，所有变换都是为了在这个坐标上表示向量。

2、所有与基向量线性相关的向量，都可以看作是由基向量缩放而来，$\left[\begin{array}{c}x\\ 0\end{array}\right]=x\ast i：\left[\begin{array}{c}1\\ 0\end{array}\right]$

3、那么向量就是，他对当前基向量的倍数的记录，例如$\left[\begin{array}{c}x\\ y\end{array}\right]$，x就是对i的记录，y就是对j的记录:$x\left[\begin{array}{c}1\\ 0\end{array}\right]+y\left[\begin{array}{c}0\\ 1\end{array}\right]$。

4、在变换后的坐标轴$\left[\begin{array}{cc}a& b\\ c& d\end{array}\right]$中的向量$\left[\begin{array}{c}x\\ y\end{array}\right]$，在$\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right]$坐标轴的表示就是$\left[\begin{array}{cc}ax& by\\ cx& dy\end{array}\right]$。就是$\left[\begin{array}{c}x\\ y\end{array}\right]$进行$\left[\begin{array}{cc}a& b\\ c& d\end{array}\right]$变换。

5、那么连续变换，其实也是基向量连续变换而已。

05、 行列式

行列式就是变换后矩阵的基向量组成的面积。几何证明如下：

但是行列式是有正负之分的，负值表示，基向量的被反转了，原来i在j右边，如果改变了，就是负值，三维同理。
三维矩阵的行列式是其六面体的体积：

最后的小问题，如下：
因为矩阵面积都是对于1的（i,j的面积为1）放大或缩小，所以，两次变换后的面积，跟两次的面积乘积当然一样了。

06、逆矩阵、列空间与零空间

本节只是直观的介绍概念
逆矩阵就是矩阵变换的逆操作。就是把矩阵变回$\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right]$（条件是矩阵行列式不为0，0不能逆操作）

他的一个用处是解线性方程，下图左侧是线性方程，右侧是写成矩阵形式，两边都乘以逆矩阵就得到解。


当行列式为0，依然存在解，三维的情况，要求更高。

秩，变换后空间的维数，例如三维矩阵最大可以是三维空间，这时候就是满秩。

列空间，矩阵每一列就是一个向量，是对基向量的变换，列空间就是这些基向量张成的空间。那么秩就是列空间的维数。

零向量$\left[\begin{array}{c}0\\ 0\end{array}\right]$一定会在列空间，因为变换要求零点不变。而且满秩变换只有零向量落在原点，但是不满秩的话，就会有很多其他

向量压缩到零向量。

零空间/核，矩阵在变换后落在原点的向量的集合。对线性方程组，当向量V为零，零空间就是他的可能解。