mobile wallpaper 1mobile wallpaper 2mobile wallpaper 3mobile wallpaper 4mobile wallpaper 5mobile wallpaper 6
1392 字
4 分钟
2026-03-31学习
2026-03-31

视频推荐

线性代数,看这个就对了

叉积

目前让我觉得比较困惑的可能就是一个叉积了,这里我觉得应该不是我理解的问题,而是一个角度的问题,如果解析清楚了角度,那么便没有什么难的地方了。

首先需要明确的一个点,那就是,叉积是一个人为定义的计算。

这里第八章第二部分,并不是使用叉积去解释某些几何直观,而是在从几何意义上证明叉积这个运算。

所以,很多看上去多此一举的操作,是因为你已经下意识的认为:

u×v=p\vec{u} \times \vec{{v}}=\vec{p}

但是这个视频是要证明这个东西的,并不能直接拿来用。

好。那么我接下来会说一些之前困惑我的点:

为什么是线性的?

u×v=面积|\vec{u} \times \vec{{v}}|=面积

那么平行六边形的体积,自然就等于垂直于uv这个平面的高,对于(x,y,z)(x,y,z)这个向量,投影到这个垂直的高,自然会随着(x,y,z)(x,y,z)的变化而变化。

不过需要注意的是,线性变换并不是一一对应的,在同一个平面上的向量的投影一定都是同一个点,这个涉及零空间,我们只需要知道线性变化的定义:

可加性: f(u+v)=f(u)+f(v)f(\vec{u} + \vec{v}) = f(\vec{u}) + f(\vec{v})

齐次性(按比例拉伸): f(cu)=cf(u)f(c\vec{u}) = c \cdot f(\vec{u})

只要满足,那么就是线性变换。

如果你的直觉足够敏锐,还能发现一个更大的问题:

u×v=面积|\vec{u} \times \vec{{v}}|=面积

这个不是需要证明的东西吗?

我们打个比喻,那就是,这里有一个锤子,它能用来敲钉子,你不用证明锤子能敲钉子,而是为了敲钉子去造锤子。

我们这里就是:

已知我们需要一个代表面积且垂直的向量(为了凑出体积),证明它的代数公式必然长成这样

所以,向量p\vec{p}就是被规定了,是垂直于两个向量,并且长度等于底面面积。

那么显然存在:

px=体积\vec{p} \cdot \vec{x}=体积

更进一步的,我们同样可以得到:

体积=底面积×x×cosθ体积=底面积\times|\vec{x}|\times cos\theta

那么我们可以得到:

p=底面积\vec{p}=底面积

证明完毕

好吧,虽然我也觉得有些奇怪,但是至少说的过去…

特征向量与特征值

这是第二个让我比较困惑的点,困惑的地方在于,为什么线性变化后,特征向量并没有发生方向上的变化。

为了解决这个问题,我重新去看了一遍第六个视频,似乎有了一些新的理解。

在第六个视频中,解方程是这样的:

Ax=vA \vec{x}=\vec{v}

对向量x\vec{x}进行A方阵变化,则能得到求解的向量v\vec{v}

先思考一下,如果存在唯一解,那么变化后空间应该不能被压缩。

那么对于特征向量,我们如果要让其在同一直线上,是会存在:

Av=λvA \vec{v}=\lambda\vec{v}

如果将其视为解一个方程,这个式子是什么意思?

那就是,A只对i\vec{i},j\vec{j}其进行了拉伸。

那么显而易见的是,拉伸后的向量和原来的向量是在同一方向上的,不是吗?

但是这好像并不正确,因为我们知道A大多数时候并不是一个对角矩阵,i\vec{i},j\vec{j}都可以被任意拉伸,不是吗?

(再去看了一遍基底变换,突然又懂了点。)

但我们的坐标系只是以我们自己的角度出发去看的,为什么我们不先变换坐标系呢?

如果我们能找到那个变化的坐标系,使得在这个坐标系上,那些特征值可以作为基向量,使得其只能被拉伸,现在在转回我们的坐标系,不就是对应了和张成空间的方向相同吗?

这就是之后的特征基的含义。

以下为代数思考

二维塌缩到一维的时候,只有少量线会完全塌缩到0\vec{0}上,类似于投影,只有完全垂直于该一维的线才能完全塌缩到0\vec{0}

那么我们现在转化为代数思维,先将其看做向量,则:

Avλv=0A\vec{v}-\lambda\vec{v}=\vec{0}

我们从数学意义上思考,两个向量相减,在图形上是怎么表现的?

从减数尾部到被减数尾部,对吧?

那么0\vec{0},就代表了这两个向量重叠。

我们在来思考一个问题:

在这个平面内,为什么我要主动引发塌缩,并且能使其塌缩的λ\lambda就一定是特征值?

来看这个式子:

(AλI)v=0(A- \lambda I)\vec{v}=\vec{0}

0\vec{0}代表着什么?

(0,0)(0,0)这个向量吧?

那么,在二维的空间里,存在点对应0\vec{0}这一个向量吗?

显而易见的是,只有0\vec{0}才会对应0\vec{0}

那么实际上,这个行列式:

(AλI)=0(A- \lambda I)=0

这就意味着,v\vec{v}在这个特定的变化上,所有的拉伸都压缩到了0\vec{0}

因为这里可以乘以一个任意的常数,能代表这条线,不是吗?

还是有点混乱,看看我之后能不能解释吧。

分享

如果这篇文章对你有帮助,欢迎分享给更多人!

2026-03-31学习
https://suifengstudy.tech/posts/2026-03-31学习/
作者
随风
发布于
2026-03-31
许可协议
CC BY-NC-SA 4.0

部分信息可能已经过时

封面
Sample Song
Sample Artist
封面
Sample Song
Sample Artist
0:00 / 0:00