读——3B1B线性代数的本质_3b1b 行列式-CSDN博客

本文链接：https://blog.csdn.net/yuntunlu/article/details/104418493

以下是我看B站《线性代数的本质》视频的随笔记录

在学习线代的时候，就有提出过类似的追根溯源的问题，问着问着没办法说服自己，还是依托于代数公式了。

数无形时少直观，形无数时难入微
数学的本质是抽象思维+逻辑推理
空间内一切向量的变换都可以基于基向量的变换得来
线性变换是啥？一个动作，一个空间变换的动作，它是连接使用不同基底描述空间的函数
（突然想说：线性变换可以跨越不同的维度，我本线性相关于你，但现在我的心已经回不去了。。。为啥？我被降维了）

首先摆在前头几个需知的线性代数的基本本质意义。

矩阵乘法的意义？——线性变换
行列式的意义？——线性变换后基向量的比例因子
逆矩阵的意义？——可以类比反函数、解压缩
列空间的概念？——线性变换后的基向量所张成的空间，因为之后的向量都是这个空间基向量的线性组合而已。
秩的概念？——准确表示线性变换后空间（列空间）的维数，所以只有满秩的时候才有逆矩阵
零空间的概念——降维后变成零向量的原有的向量的集合张成的空间
特征值、特征向量的意义？——特征向量：线性变换后某一向量张成的空间不变
向量空间的意义？——万物皆有基础

P8逆矩阵、列空间和零空间 Ax=v
逆矩阵解方程。

无解：线性变换到更高纬，不可能；
唯一解：线性变换在此维度下，可逆
无穷解：线性变化降维，原来维上有无穷多种

    即便不存在逆变换，解仍然可能存在，只是有解的条件更为严格。比如二维平面降成一维直线，只有在同一条直线上（也就是线性相关才有解，否则无解）
    对于一个满秩变换来说，唯一能在变换后落在原点的就是零向量。所以齐次线性方程组 r=n 满秩时，只有零解；而当 r <n 时，也就是降维了，比如对于一个二维平面内的有一条特殊直线上的很多向量降到一维直线上全部缩成了一个点，对应非满秩的齐次方程有无穷多解，一个基础解系。
    零空间也叫kernal，对应被降空间维数 n-r 被压缩到零向量的集合。也就是说我要求解的x在零空间里面喽，也就是可以对应基础解系为什么是n - r 了，这个构成零空间的基向量的个数。
求Ax=0，而零空间给出的就是这个向量方程所有可能的解，至少我们知道了解在哪里~
列空间 + 零空间 = 原空间

P9非方阵
如果求这个行列式，就是和问二维平面的体积，一维直线的面积一样，不存在，就是说本来是二维空间，但是视角变成了三维空间的一个平面，只是说把它放到了更高纬的空间解释，并没有本质上的升维

P10 36点积与对偶性
Q：为什么点击的对应坐标相乘并将结果相加，和投影有关系？
A：最令人满意的答案是对偶性（duality）：Natural-but-surprising correspondence.
——引入P3的线性变换
F：可以发现：两向量相乘和1*2矩阵（二维降一维）*向量有同样的效果，将向量转换为数的这一线性变换和这个向量本身有着某种联系。
A：这种联系在几何上的解释：（ops😓，这得有图片解释）
两个向量的点积本质上就是高维向量在一维空间的映射，都把它投影到 $u$ 轴。
矩阵考虑的是跟踪基向量的变换，点乘表现为基向量在对应向量上的投影。（T精彩了）
I：但是我只能从右往左理解 $u x * a + u y * b$ 出发，貌似有种存在即合理的解释。划等号可以尝试相互理解，万一有某种天然的联系。
启发意义：如果看到一个线性变换是降到一维的，空间中会存在唯一的向量与之相关。
特别是最后说的！！！你应该了解向量的“个性”？（向量承担了巨大的使命，现在抛开它是一个空间中一个箭头的身份，把它看作线性变换的 物质载体 ，表面为一个符号，背后藏的是整个宇宙啊）

P11叉积
几何意义： $向量 v * 向量 w$ 后得到的向量的长度是是围成的平行四边形的面积大小，方向遵循右手定则。
before：这是以前学的知识。
now：叉积的大小表示了当前坐标系面元改变的倍数，和面积的计算方式相似，所以又可以联系上了？
在过程中可以发现和讲行列式差不多，都涉及到了面元，这就联系到了叉积和行列式的关系。cross product and det are friends;但是但是，貌似行列式的正负不代表叉积的方向性，是伪叉积。
1、二阶三阶行列式可以用右手简单判断正负。
2、两个给定向量的叉积啥时候最大？（必须有图来体现移动的状态，否则就得从公式静态的看出sinthita）边长固定时，垂直时面积最大。
但是转折来了：他告诉我真正的叉积是通过两个三维向量生成一个新的三维向量。
我一直以为叉积是有方向的面积？？？但更加深入的了解是对之前不严谨的补充，面元的面积依然有重要的作用，方向用右手定则来解释就行了。
行列式重要的体现并非巧合，引入基向量也不是巧合（我就是不理解突然蹦出个公式）
好了到这里，发现点积—矩阵叉积—行列式。

P15向量空间
线性变换保持向量加法运算和数乘运算。
求导是线性运算。在后面把每个基函数求导后当做矩阵的列向量的演示中我惊呆了（头皮发麻，和矩阵乘法联系到一起了！！！）所以是先对基函数做了求导，再在那个空间下对 ‘’目标函数‘’ 进行线性变换就好了。
进一步求不定积分可以对应逆矩阵？
在这一章中，作者为阐述什么是向量，这又上升到了哲学，向量可以是一个箭头，一组数，函数等等，就是不同角度的解释符号嘛，弹幕有人说“我爱不爱你不重要，重要的是我的心一直没有变”，（其实也可以理解为什么教材写得抽象了，铁钉钉遵守规则，受众广。如果形象的话也就只能在教辅书看到了吧，因为这针对的是我们不懂的萌新，就像我们学习都是先按自己理解，怎么形象怎么来，从感性开始再上升到理性）——普世的代价是抽象

P16克莱姆法则
已知Aα=β。
已知矩阵A，也就是变化后的基向量，和α变化后得到的β，问自己，要什么样的输入α？
为什么要把坐标值 y 和面积或体积联系起来？
因为 变化后的面积 = 面积缩放因子（行列式） * 原有的面积（又等于 y），所以可求得y

待续。。。