线性代数的本质——学习笔记1:1-3章

诸神缄默不语-个人CSDN博文目录

章节名

  • 1. 向量vector
  • 2. 线性组合、线性生成空间与基
  • 3. 矩阵与线性变换

原视频:【官方双语/合集】线性代数的本质 - 系列合集

本文是3B1B系列视频《线性代数的本质》的学习笔记第一部分——涵盖1、2、3章内容

1. 向量vector

  1. 向量是什么
    1. 物理视角:箭头 (长度和方向决定一个向量)
    2. 计算机视角:有序数字列表
    3. 数学视角:可以进行相加或数乘的一切
    4. (直观视角:各方向运动的合成/对某一方向的运动)
  2. 在线性代数中,向量常常以原点作为起点
  3. 列表视角与箭头视角的关联:通过向量坐标(每个值是沿着对应轴走多远)
  4. 向量相加:三角形定理
    1. 运动视角:进行两个向量的运动
    2. 数字视角:加和各坐标系值
  5. 数乘:数字(标量scalar)的作用是缩放(scale)向量
    1. 向量整体缩放,相当于分量缩放(对以列表视角看向量相当于每个数被乘)

2. 线性组合、线性生成空间与基

  1. 线性代数的本质——学习笔记1:1-3章_第1张图片
    向量,坐标系的基
    向量坐标,可以视作:用各数字分别缩放基向量,再将其缩放后的向量相加:
    a i → + b j → a\overrightarrow{i}+b\overrightarrow{j} ai +bj
    事实上,我们可以选择别的基,构成另一种坐标系

  2. 标量与向量乘积之和的结果,被称为这些向量的线性组合 a v → + b w → a\overrightarrow{v}+b\overrightarrow{w} av +bw
    所有结果组成一个集合,这个集合给称为这些向量的张成空间span
    在二维平面,就是全部的线组成平面/还是一根线

  3. 在一组向量中,至少有一个是多余的,没有对张成空间做出任何贡献
    or
    移除一个向量,不影响生成空间
    ⇒ \Rightarrow 线性相关 or 其中一个向量可以被表示为其他向量的线性组合,因为这个向量已经落在其他向量张成的空间之中
     
    反之则为线性无关
    使所有向量地位平等的定义法:
    在这里插入图片描述

  4. 空间的一组基:张成该空间的一个线性无关向量的集合

3. 矩阵与线性变换

  1. 线性代数中,变换是一个向量变化为另一个向量的函数
     
    线性变换
    1. 直线在变换后仍然保持为直线,且原点固定
    2. “保持网格线平行并等距分布”的变换
  2. 如何数学地描述空间上所有向量的线性变换:
  3. 记录 i ^ \widehat{i} i j ^ \widehat{j} j 的变化
    向量变化前后是基向量的同一个线性组合
    缩放基向量后再用这个线性组合计算向量:
    [ a b c d ] ⋅ [ x y ] = x [ a c ] + y [ b d ] = [ a x + b y c x + d y ] \begin{bmatrix} a & b \\ c & d \end{bmatrix}\cdot \begin{bmatrix} x \\ y \end{bmatrix}=x\begin{bmatrix} a \\ c \end{bmatrix}+ y\begin{bmatrix} b \\ d \end{bmatrix}=\begin{bmatrix} ax+by \\ cx+dy \end{bmatrix} [acbd][xy]=x[ac]+y[bd]=[ax+bycx+dy]
     
    [ a b c d ] \begin{bmatrix} a & b \\ c & d \end{bmatrix} [acbd]是基向量变换后的坐标(第一列是第一个基向量)
    [ x y ] \begin{bmatrix} x \\ y \end{bmatrix} [xy]是原坐标系中的向量
  4. 剪切shear [ 1 1 0 1 ] \begin{bmatrix} 1 & 1 \\ 0 & 1 \end{bmatrix} [1011]
  5. 变换:也有列向量之间线性相关这种情况
  6. 若一个变换L满足以下两条性质
    L ( v → + w ‾ ) = L ( v → ) + L ( w → ) ( 1 ) 可 加 性 L ( c v ‾ ) = c L ( v → ) ( 2 ) 成 比 例 ( 一 阶 齐 次 ) \begin{aligned} L\left( \overrightarrow{v}+\overline{w}\right) &=L\left( \overrightarrow{v}\right)+L\left( \overrightarrow{w}\right) &&(1)可加性\\ L\left( c\overline{v}\right) &=cL\left( \overrightarrow{v}\right) &&(2)成比例(一阶齐次)\\ \end{aligned} L(v +w)L(cv)=L(v )+L(w )=cL(v )(1)(2)
    则称L是线性的

你可能感兴趣的:(数学学习笔记,线性代数,矩阵)