线性代数的本质与几何意义 02. 线性组合、张成的空间、基(3blue1brown 咪博士 图文注解版)

1. 线性组合

接下来我们要换一个角度来看向量。以二维平面直角坐标系为例,i, j 分别是沿 2 个坐标轴方向的单位向量。那么坐标平面上的其他向量,例如 [ 3  -2 ] [3?与 i, j 是什么关系呢?

将向量 i 沿水平向右的方向拉升 3 倍,向量 j 沿竖直向下的方向拉升 2 倍

这样,我们可以将向量 [ 3  -2 ] [3?2] 看成是将向量 i, j 缩放后再相加的结果

向量 i, j 称为基向量,其他向量都可以通过对基向量缩放再相加的方法构造出来。基向量缩放的倍数对应向量的各个分量,即向量对应的坐标。

我们可以通过选择不同的基向量来构造新的坐标系。例如,我们可以选择指向右上方的向量 v 和 指向右下方的向量 w 作为基向量。

对这组新的基向量进行缩放再相加,同样也能构造出其他的向量

一组基向量就对应一个坐标系,选择不同的基向量就构造出了不同的坐标系。同一个向量,在不同的坐标系下(即采用不同的基向量),其坐标值也要相应地发生变化。后面,咪博士会进一步谈到具体如何变换。

上面,反复出现 “将向量进行缩放再相加” 的操作,这样的操作,我们称之为 线性组合

2. 向量张成的空间

在二维平面中,选取 2 个向量,然后考虑它们所有可能的线性组合,我们会得到什么呢?这取决于我们选择的 2 个向量。

通常情况下,我们会得到整个平面

如果选择的 2 个向量,恰好共线的话,那它们的线性组合就被局限在一条过原点的直线上了

最极端的情况是,选择的 2  个向量都是零向量,那么它们的线性组合就只可能是零向量了

向量 v, w 的 全部线性组合 所构成的向量集合称为向量 v, w 所 张成的空间

还记得前面的教程中,咪博士谈到数乘和加法是向量 2 个最基础的运算吗?当我们谈论向量所张成的空间时,我们实际上就是在问,仅仅通过数乘和加法 2 种基础运算,你能获得的所有可能的向量集合是什么。

在线性代数中,向量的起点始终固定在原点的位置,因此 向量的终点就唯一确定了向量本身。这样,我们便可以将向量看成是空间中的点(即向量的终点)

3. 线性相关、线性无关

将线性组合的想法扩展到 3 维空间中。想象 3 个 3 维向量,它们所张成的空间会是什么样的呢?这取决于我们选择的 3 个向量。

  • a. 通常情况下,我们会得到整个 3 维空间
  • b. 当选择的 3 个向量共面时,它们所张成的空间是一个过原点的平面
  • c. 当 3 个向量共线时,它们所张成的空间是一条过原点的直线
  • d. 当 3 个向量都是零向量时,它们所张成的空间只包含零向量

显然,在考虑向量所张成的空间时,有些向量是多余的。例如,情况 b ,确定一个平面只需要 2 个向量,而我们却用了 3 个向量,这意味着,有 1 个向量是多余的;情况 c,确定一条直线只需要 1 个向量就够了,而我们用了 3 个向量,其中有 2 个向量是多余的。数学上,我们用线性相关来描述这样的现象。

当我们说几个向量所构成的向量组线性相关时,意思是向量组中的(任意)一个向量都可以用向量组中其他向量的线性组合来表示出来。换句话讲,这个向量已经落在其他向量所张成的空间中,它对整个向量组张成的空间是没有贡献的,把它从向量组中拿掉,并不会影响向量组所张成的空间。

线性无关指的是,向量组中的(任意)一个向量无法用向量组中其他向量的线性组合表示出来。换句话说,向量组中的每一个向量都为向量组所张成的空间贡献了一个维度,每一个向量都缺一不可,少了任何一个向量,都会改变向量组所张成的空间。

4. 基的严格定义

最后,我们把本节相关的概念串起来,形成基的严格定义:

向量空间的一组 张成 该空间的一个 线性无关 向量集

原文链接:http://www.ipaomi.com/2017/11/21/线性代数的本质与几何意义-02-线性组合、张成的空/

时间: 2024-10-02 16:12:52

线性代数的本质与几何意义 02. 线性组合、张成的空间、基(3blue1brown 咪博士 图文注解版)的相关文章

【线性代数的本质】行列式、逆矩阵、列空间、秩、零空间

线性代数的本质,源视频 https://www.bilibili.com/video/BV1ys411472E 目录 行列式 逆矩阵 秩 列空间与零空间 非方阵 行列式 我们已经知道了矩阵的线性变换的意义,我们这节来学习行列式. 我们现在想象一些线性变换,有一些将空间向外拉伸,有些将空间向内挤压. 我们需要测量一个区域被拉伸或者被挤压的程度将会很有用,更具体一点,也就是测量一个给定的区域面积增大或者减小的比例. 比如下面这样的线性变换矩阵,将原来面积为 1 的区域变成了长度为 3 宽度为 2 的

线性代数的本质

线性代数的本质 文/冯波 线性代数课程,无论你从行列式入手还是直接从矩阵入手,从一开始就充斥着莫名其妙. 比如说,在全国一般工科院系教学中应用最广泛的同济线性代数教材(现在到了第四版),一上来就介绍逆序数这个古怪概念,然后用逆序数给出行列式的一个极不直观的定义,接着是一些简直犯傻的行列式性质和习题——把这行乘一个系数加到另一行上,再把那一列减过来,折腾得那叫一个热闹,可就是压根看不出这个东西有嘛用. 大多数像我一样资质平庸的学生到这里就有点犯晕:连这是个什么东西都模模糊糊的,就开始钻火圈表演了,

线性代数的本质(0)

线性代数可以说是在机器学习最最重要的数学工具,也是最最重要的思考方式.学懂了线性代数,机器学习就会变得十分清晰明了.所以明白线性代数的本质是很有必要的,你会明白所有的操作是为了什么,所有变换是怎么进行的,这对我们学习机器学习是很有帮助的. 线性代数的本质(视频) 该系列视频我觉得非常值得推荐,它阐述了大学老师根本不会跟你讲的一些线性代数的理解,让你知道究竟行列式在算什么(很多人学完了只知道行列式怎么算,却不知道行列式有什么意义),还有矩阵乘法为什么是这样的法则,矩阵的秩到底是什么-- 看完之后,

线性代数的本质-08第二部分-以线性代数的眼光看叉积

叉积究竟应该如何理解呢?如何从多维空间压缩到一维空间呢?如何解读他们的坐标呢? 对偶性的思想在于:当观察到多维空间向数轴的线性变换时,它均与空间中的唯一一个向量所对应,应用线性变换和这个向量点乘等价. 数值上说:这是因为这类线性变换可以用一个只有一行的矩阵描述,而它的每一列给出了基向量变换后的位置. 叉积 根据向量v和向量w定义一个三维到一维的线性变换 找到它的对偶向量 说明这个对偶向量就是向量v和向量w的叉积 三维向量的叉积 三维向量的叉积,并非是三个三维向量的行列式(解决了上一节内容的疑惑!

线性代数的本质-07-点积与对偶性

这两天学习状态不佳,苦恼!~点积所发挥的作用只能够从线性变换的角度去完成. 向量w,v的点积 相当于向量w朝着过原点的向量v在直线上的投影,而后将投影的长度与向量v的长度相乘. 向量方向相同时,点积为正;向量方向相反时,点积为负;当它们互相垂直时,一个向量在另一个向量上的投影为零向量. 点积与计算顺序无关,对偶性 点积相乘与计算顺序无关,即互相投影不影响计算结果. 原因在于:按照对称性的角度出发,看两个向量.无论谁映射向谁,当发生伸缩变换时,要么投影改变伸缩大小比例,要么被映射向量改变伸缩大小比

线性代数的本质-04补充-三维空间中的线性变换

二维空间向三维空间中扩展,暂且没有感觉有哪些难度,听听视频中是怎么说的? 弹幕刚刚开始,已经有同学理解了矩阵的逆求法的原理,虎躯一震! 按下暂停键思考了一会儿,逆的求法暂且不懂如何变换得来,但是逆的概念应该是反方向变换过程,逆和本身相乘应该是一个没有变换的过程(矩阵考虑成为线性变换),也就是回到最初的初始状态E. 三维矩阵相乘 三维矩阵相乘,同样理解成为线性变换的复合变换,但是并不如二维直观. 原文地址:https://www.cnblogs.com/sky-z/p/9463721.html

【线性代数的本质】序言

·几何水平有助于判断解决特定问题需要用什么样的工具,感受到他们为何有用,如何解读最终结果.数值水平则是顺利应用工具. ·目录 原文地址:https://www.cnblogs.com/vincent1997/p/10295796.html

线性代数的本质(10)

最后习题 答案 \[ \begin{equation} \nonumber V = \left[ \begin{matrix} 2 & 2 \1 + \sqrt{5} & 1 - \sqrt{5} \\end{matrix} \right ], A = \left[ \begin{matrix} 0 & 1 \1 & 1 \\end{matrix} \right ] \end{equation} \] \[ \begin{equation} \nonumber A^n =

《线性代数的几何意义》任广千高清PDF完整版学习

资源链接:https://pan.baidu.com/s/10MWPlZS60D08HLADR_O5Ow高清中文PDF版,290页,为完整版.本书使用向量的概念对国内高校工科"线性代数"的课程内容进行了较全面的几何分析.从向量的几何意义开始,分别讲述了向量组.向量空间.行列式.矩阵.线性方程组和二次型的几何意义或几何解释,其中不乏重要概念的物理意义的解释.这本书就像一串项梁,把上百个概念和定理的几何意义串在一 起敬献给读者朋友.本书图文并茂,思路清晰.语言流畅,概念及定理解释得合理.自