0.导语
图像是由像素构成,而像素的本质其实就是多维矩阵,对图像进行处理、识别的本质就是矩阵的变换运算。在三维视觉中涉及到几何空间,几何空间与矩阵也有着深刻的联系。因此了解矩阵变得十分重要。本文重点在于解释清楚 “线性空间(向量空间)”、“基与坐标”、“矩阵” 几个概念与其内在联系。
1.线性空间
“通常的运算法则”:
△理解:线性空间概念就是非空集合V与数域F满足加法和数乘法,并且满足8条运算法则,则称V为F上的线性空间,也称向量空间。V中的元素也称为向量。
1.1.标准线性空间
△理解:这里讲述了线性空间可以用向量组进行表达。
1.2.几何空间作为线性空间
△理解:这里讲述了几何空间可以用线性空间进行描述,从笛卡尔几何坐标模型转化为线性空间用向量进行描述。正是因为这个例子, 人们将任意线性空间中的元素也称为向量, 线性空间也称为向量空间.
1.3.向量组
1.3.1.定义:向量组及向量组拼成的抽象矩阵
1.3.2.向量组的线性相关与线性无关
△理解:这里讲述将向量组的线性相关性可以用矩阵表达.