线性代数的本质——1 向量

向量是线性代数中最为基础的概念。

何为向量?

从物理上看, 向量就是既有大小又有方向的量,只要这两者一定,就可以在空间中随便移动。

从计算机应用的角度看,向量和列表 很接近,可以用来描述某对象的几个不同属性, 比如长2宽3,就可以写成

数学上给出最为广义的定义,一切对于相加和数乘有意义的都可以是向量。这实际上暗示了这两种运算会贯穿整个线性代数。

一种思考方式

一种很好的思考向量的方式是:看到一个向量,想到一个箭头,它落在某个坐标系,且起点大多数时候固定在原点。

这与上述的第一种定义契合,即"向量是空间中的箭头"。

现在再看第二种定义,即"向量是有序的数字列表":在定义了单位长度之后,我们就可以给出一个向量的坐标 ,这就是一个有序列表,它指示我们如何从向量的出发点(原点)到达向量的尖端。 比如,告诉我们应该先沿着x轴负方向走2单位,再沿着y轴正方向走3个单位。

每个有序列表对应唯一一个箭头,每个箭头对应唯一一个有序列表。

向量相加

现在来考虑两种最基本运算中的加法。

几何上看

沿用上述的思考方式,定义中的向量相加,就是把两个箭头首尾相接,然后画一个从前一个向量的首(原点)到后一个向量的尾的向量,这个向量就是结果。像这样

但为什么要这样定义, 而不是从首到首呢?像这样

因为往往将向量看作一个特定的运动,从首到尾, 按这种定义,向量的和就是先后沿着两个向量运动的整体上的结果,具有很直观的意义。

实际上,如果把这种加法放到一维坐标系(数轴)上,其实就是在数轴上做数字加减的方法。

代数上看

第一个向量坐标是(1, 2)第二个向量坐标是(3, -1)。

前面提到过,这个坐标指示我们如何通过先后沿平行x轴和y轴的方向移动,从一个向量的首走到尾,那么对于两个首位相接的向量,我们做加法的任务就是找出类似的这种方案,从第一个向量的首走到第二个向量的尾。

在得到这个方案之前,我们只知道,先走第一个向量,再紧接着走第二个向量,按坐标给出的信息,这是一个4步的方案:x轴1,y轴2,x轴3,y轴-1。我们要得到的方案是两步的,也就是x轴几,y轴几。

因为x轴和y轴上的行走是独立的,所以我们可以交换顺序,先做水平运动,再做竖直运动。整体上看,就等同于在x轴走(1+3)在y轴走(2-1)。这样我们就找到了我们要找的方案。

这样我们也就推出了向量的加法法则,也知道了为什么要这样加。即有

向量数乘

对向量乘上一个数,本质上就是在做缩放(scaling)

拉伸或压缩,如果有负号就反向。

这个用来缩放(scaling)的数,英文上很自然的可以叫做scalar,确实有这个词,而它的中文翻译是标量。 所以标量其实就可以理解成**用来缩放向量的东西。**在线性代数中,标量的作用基本上就是用来缩放向量。

数乘的运算法可以用相似推出来, 就是对每个分量分别乘上标量。

实际上,无论从哪个角度来看待向量都可,线性代数的效用很少仅仅体现在其中一个角度上,而是体现在这些不同角度的相互转化中。

相关推荐
张欣-男2 小时前
5分钟理解线性代数v2
人工智能·线性代数·机器学习
张欣-男5 小时前
3分钟理解线性代数
线性代数·算法
智购无人售货机厂家1 天前
2026自动售货机软硬件版本管理策略:从版本号规范到兼容性矩阵的工程实践~YH
运维·服务器·人工智能·单片机·嵌入式硬件·线性代数·矩阵
船厂电气自动化ai大模型2 天前
AI大模型与数学/第63课:矩阵定义、矩阵加法、标量乘法(逐级精讲)
数据结构·人工智能·深度学习·线性代数·算法
张宇Joaquin2 天前
鲲鹏统一并行加速库KUPL--异步数据拷贝
线性代数·算法·矩阵·numpy
浪里镖客3 天前
位姿转换矩阵写法-个人习惯(计算机理解其实是相反的)
线性代数·算法·矩阵
张宇Joaquin3 天前
鲲鹏计算平台矩阵乘算子SGEMM优化实践——下篇
线性代数·矩阵
船厂电气自动化ai大模型3 天前
AI大模型与数学第64课:矩阵×向量乘法(神经网络矩阵运算底层)
数据结构·深度学习·线性代数·机器学习·推荐算法
-dzk-6 天前
【矩阵】LC 48.旋转图像
线性代数·矩阵
薛定e的猫咪6 天前
(NeurIPS 2021)MatNet:面向矩阵型关系数据的神经组合优化编码器
人工智能·深度学习·线性代数·算法·矩阵