3Blue1Brown《线性代数的本质》线性组合、张成空间与基

1、基向量

基向量是描述向量空间的标尺(有方向)。在标准坐标系中,设定:

  • 一个长度为1指向右边的向量,称作ihat,x方向的单位向量 i^\hat{i}i^
  • 一个长度为1垂直向上的向量,称作jhat,y方向的单位向量 j^\hat{j}j^

i^=10,j^=01 \hat{i} = \begin{bmatrix} 1 \\ 0 \end{bmatrix},\quad \hat{j} = \begin{bmatrix} 0 \\ 1 \end{bmatrix} i^=10,j^=01

i^\hat{i}i^ 和 j^\hat{j}j^ 这两个向量构成了坐标系的基。基向量是理解和测量向量世界的"基本单位",任意二维向量 x,yx, yx,y 可写为:
xi^+yj^ x\hat{i} + y\hat{j} xi^+yj^

如一个向量是 2, -3 时,其含义是:将 i^\hat{i}i^拉伸为原来的 2 倍,将 j^\hat{j}j^拉伸为原来的 3 倍并反向,然后把这两个结果加起来。

可以设定不同的基向量。基不同,同一个向量的坐标就会不同。

2、线性组合

通过缩放一组向量,然后将它们相加,得到一个新的向量。

向量 v⃗\vec{v}v 和 w⃗\vec{w}w ,它们的线性组合
av⃗+bw⃗ a\vec{v} + b\vec{w} av +bw
aaa 和 bbb 是标量。

示例,在二维空间中:

  • 基向量 i^=1,0\hat{i} = 1, 0i^=1,0,j^=0,1\hat{j} = 0, 1j^=0,1
  • 向量 2,−3=2i^+(−3)j^2, -3 = 2\hat{i} + (-3)\hat{j}2,−3=2i^+(−3)j^ 是它们的线性组合。

3、张成空间

  • 给定一组向量,所有它们的线性组合所构成的向量集合,称为这组向量的张成空间。
  • 这组向量所有可能的缩放与相加,其箭头尖端所能到达的所有点的集合。

在二维空间中,有下面三种情况:

  • 两个不共线的向量:它们的张成空间是整个二维平面。通过缩放和相加到达平面上的任何一个点。
  • 两个共线的向量:它们的张成空间只是一条直线。无论你怎么组合,箭头尖端都被限制在这条直线上。
  • 零向量:零向量的张成空间只有一个点。

4、如何理解三者关系

基向量 i^\hat{i}i^、 j^\hat{j}j^ → 线性组合 (缩放与相加) → 张成空间 (整个二维平面)

基向量:类似积木基本模块。

线性组合: 用基本模块进行拼接和搭建的方法。

张成空间: 所有能搭建出来的东西的集合。

5、线性相关和线性无关

5.1 线性相关

如果一组向量中,至少有一个向量可以被表示为其它向量的线性组合,那么这组向量就是线性相关的。

这个向量没有为张成空间提供新的"维度",它已经落在其它向量的张成空间里了。

5.2 线性无关

如果一组向量中,任何一个向量都无法通过其它向量的线性组合得到,那么这组向量就是线性无关的。

每个向量都提供了新的"方向",共同张成了更大的空间。

向量组 相关性 张成空间
1,2,3,41,2, 3,41,2,3,4 线性无关 整个二维平面
1,2,2,41,2, 2,41,2,2,4 线性相关(共线) 一条直线
相关推荐
吴声子夜歌3 天前
ApacheCommons——commons-math3(科学计算与线性代数)(一)
java·线性代数·算法·apache
AI_yangxi3 天前
口碑好的短视频矩阵系统
线性代数·矩阵
微三云生态系统架构师-彭丹4 天前
矩阵拼团系统设计:先付款先排队的订单排序与自动返本算法
线性代数·算法·矩阵
张欣-男5 天前
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 天前
3分钟理解线性代数
线性代数·算法
智购无人售货机厂家6 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7 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Joaquin7 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7 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Joaquin8 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