建立思考线性代数的基本直觉
线性代数紧紧围绕向量加法和数乘
变换暗示运动,要用运动的思想来思考问题
除此之外也可以把它想象成一种映射或者干脆想象成函数
線性组合:两个数乘向量的和
很遗憾,Matrix是什么是说不清的你必须得自己亲眼看看。
直观上可理解为保持網格线平行且等距分布的变换需满足以下两点
- 直线变换后直线仍为直线
你可以将单独的一个矩阵看做线性变换后基向量的坐标,也可以將它看做基向量的变换
下图中如果你将X、Y看做标量,这就像上面提到的线性组合一样只不过结果是向量XY在新的基下的坐标
如果一个2*2矩阵的列线性相关,则意味着将二维空间压缩为一条直线
矩阵乘法与线性变换复合
因为线性变换相对于最开始的基向量i帽与j帽
所以每次变换的作用对象都是上一次变换后基向量
矩阵的乘积可以看做对上一组基進行变换。
因为2*2矩阵每一组基都有两个向量所以新的矩阵就是对这两个向量分别线性组合的结果。
第二个变换其实是要找出变换后第一組基的位置
因为每一个变换都针对前一个变换的基所以顺序不同结果一定不同
矩阵运算的结合律如果使用线性变换的角喥思考,就会发现其在几何上显而易见为同一种变换
2*2矩阵行列式:线性变换改变面积的比例
空间定向改变时,行列式为负
2*2矩阵行列式为负几何上就像将平面翻转过去此时i帽在j帽的左边。
可以想象i帽在j帽的右边行列式为正,当i帽逆时针转动时行列式逐渐減小到0,而后反向增大
3*3矩阵行列式:线性变换改变体积的比例
使用右手定则确定行列式的正负满足则为正
当矩陣的列线性相关时,行列式为0
两个线性变换相继作用的结果等于其乘积的作用效果
注意第二个变换(M1)对于M2作用后的空间扩大了det(M1)倍
变换将空间压缩到更低维度上,此时没有逆变换
向量V在变换后的直线上
向量V不在变换后的直线上
满秩:最大值秩与矩阵列数相等
也叫核:非满秩变换后,落在零向量(原点)上的向量构成的空间