🌞欢迎来到人工智能的世界
🌈博客主页：卿云阁💌欢迎关注🎉点赞👍收藏⭐️留言📝
🌟本文由卿云阁原创！
📆首发时间：🌹2024年6月9日🌹
✉️希望可以和大家一起完成进阶之路！
🙏作者水平很有限，如果发现错误，请留言轰炸哦！万分感谢！
🙏本书是自己写的哦，因为编辑太麻烦啦，很多地方就粘贴了图片，如果需要电子版的可以私信哈。
目录
引言
向量的定义为具有大小和方向的量。这里我们主要关注神经网络中用到的内容，弄清向量的性质。
研究对象：向量
向量是有方向的线段，线段的长度代表向量的大小，箭头代表向量的方向。
几何视角和坐标表示
现实视角
向量可以代表着一些信息
向量的大小
向量的内积
坐标视角
几何视角
从几何角度来看，向量内积与向量的长度和它们之间的夹角有关。具体地，两个向量的内积可以表示为：
研究手段：线性变换
对称变换
伸缩变换
行列式
矩阵是为了表达信息，行列式可以当成矩阵的一个性质。二维行列式的几何含义就是二维图像的有向面积。三维行列式的几何含义就是三维集合的有向体积。如果这个矩阵参与变换的话，对应的二维行列式的含义就是变换前后的有向面积之比。对应的三维行列式的几何含义就是变换前后的有向体积之比。
对于行列式的计算而言，在实际的工程应用中直接可以用计算机计算，这里我们不做重点进行讨论。
矩阵
矩阵的含义
一个标量就是一个单独的数。只具有数值大小，没有方向（部分有正负之分），运算遵循一般的代数法则。比如质量是数据标量。向量指具有大小和方向的量，在机器学习中，单条数据样本的表征都是以向量化的形式来完成的。矩阵是二维数组，AI中的应用：样本以矩阵形态表示： 公式条数据/样本，公式个特征的数据集，就是一个公式 的矩阵。
标量，可以视为零阶张量。向量，可以视为一阶张量。矩阵，可以视为二阶张量。图片以矩阵形态表示：将一张彩色图片表示成一个公式的三阶张量（高度，宽度，通道）。 在这个例子的基础上，将这一定义继续扩展，即：用四阶张量（样本，高度，宽度，通道）表示一个包含多张图片的数据集。AI中的应用：张量是深度学习中一个非常重要的概念，大部分的数据和权重都是以张量的形态存储的，后续的所有运算和优化算法也都是基于张量进行的。
矩阵的运算
矩阵的运算有很多种，比如加减法，数乘，乘法，转置等等，每种运算都有现实含义和工程应用，这里我们讨论矩阵的乘法和转置的应用。
矩阵的乘法
矩阵的转置
在现实问题中，系统信息表示的矩阵可能不是一个方阵，为了挖掘出这个数据集更多的信息，会左乘这个矩阵的转置，使其变成一个方阵，这个方阵中会包含更多的信息。
矩阵的逆
逻辑角度
我们知道矩阵没有乘法，但是我们可以乘以一个逆数，这实现了同样的事情。
如何与 2 个人分享 10 个苹果？
集合角度
现实角度
如果乘坐公共汽车旅行，每位儿童 3 元，每位成人 3.20 元，总计 118.40 元。如果乘坐火车旅行，每位儿童3.50 元，每位成人 3.60 元，总计 135.20 元。
有多少孩子，有多少成年人？
伴随矩阵
我们发明伴随矩阵的目的就是为了求逆矩阵的，课本上我们学到的是用初等行变换的方式去求逆矩阵，但是初等行变换的方法是不可控的，比较混乱，所以为了计算机可以更加便捷的去求到逆矩阵，所以我们便引入了伴随矩阵。
矩阵相似
定义角度
几何角度
初等行变换对应于在几何上进行基本的几何操作，例如缩放、旋转、平移等。这些操作不会改变变换的本质特性（矩阵和矩阵的秩相同），只是改变了其表示形式。
矩阵的秩
矩阵的秩会决定最后的输出y的维度，所以研究矩阵的秩是很有意义的。的秩决定着有效方程的个数。r越小，y的维度越小。
可以把矩阵看成是一个筛子，矩阵的秩看成是筛眼的大小，矩阵A的秩越小，对应的筛眼越小，自然漏过去的面粉越少。
向量
线性组合
线性表示
线性相关
线性无关
正交矩阵
它可以改变原始向量的相对位置，保留了向量的长度和角度。（在计算机图形学中，正交矩阵用于表示旋转和反射。这些变换在动画和3D建模中非常重要。例如，3D物体的旋转可以用正交矩阵来表示，从而保持物体的形状和比例不变。）
极大线性无关组
所有有效向量（增加空间维度）构成的向量组
向量组的秩
张成空间的维数，张成的空间是2维的，秩为2。
等价向量组
施密特正交化
非正交基转换为正交基。假设现在有两个向量是二维平面的一组非正交基。我们将其中一个向量向另外一个向量进行投影。操作时候就能得到该平面的一组正交基。
矩阵分解
线性方程组
非齐次线性方程组的解
几何角度
秩的角度
基础解析
基础解析：构成解空间的基
b是在解空间的一个坐标
基础解析的个数
方程组的近似解
矩阵的特征值和特征向量
矩阵的特征值和特征向量
特征值和特征向量反应了矩阵某种性质。矩阵可以对某个特征值对应的特征向量空间中的向量起到伸缩作用。
相似矩阵
我们就说B和A是相似的，既然相似那么一定有相同点，相同点是什么呐？它们是同一个线性映射在不同基下的线性表达。
相似对角化
二次型
用矩阵处理曲面曲线等非线性对象
矩阵合同
同一事物在不同坐标系下的不同形态
向量空间
向量空间
线性表示
这个空间种的其它向量都可由这三个向量线性表示。系数对应着这个向量的坐标。
子空间
下图分别是三维空间的一维子空间和二维子空间
张成空间
基底
过渡矩阵（基底变换）
应用
RGB颜色空间
RGB颜色空间是通过红色（Red）、绿色（Green）和蓝色（Blue）三种基本颜色的不同组合来表示颜色的。每种颜色的值通常在0到255之间，表示颜色的强度。
YPbPr颜色空间
YPbPr颜色空间是一种常用于视频压缩和传输的颜色空间。它将颜色信息分为亮度（Y）和两种色度（Pb和Pr），其中：
- Y 表示亮度（Luminance）
- Pb 表示蓝色色差分量（Blue-difference Chroma）
- Pr 表示红色色差分量（Red-difference Chroma）
坐标变换
312
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
