Lineaarinen algebra kuulostaa pelottavalta, mutta sen ydinideat ovat huomattavan konkreettisia. Vektorit, matriisit ja niiden väliset toiminnot kuvaavat kaikkea fysiikan simulaatioista koneoppimismalleihin. Tämän oppaan avulla perusasiat ovat käytettävissä – edistyneitä merkintöjä ei tarvita.

Mikä on vektori?

Vektori on yksinkertaisesti suure, jolla on sekä suuruus (koko) että suunta. 2D:ssä vektori, kuten v = [3, 4] tarkoittaa "siirrä 3 yksikköä oikealle ja 4 yksikköä ylös". 3D:ssä lisäät kolmannen komponentin: v = [3, 4, 2].

Geometrisesti vektori on nuoli origosta pisteeseen. Algebrallisesti se on järjestetty numeroiden (komponenttien) luettelo. Molemmat näkymät ovat yhtä päteviä, ja voit vaihtaa niiden välillä jatkuvasti.

Vektorin magnitudi (pituus) käyttää Pythagoraan lausetta yleistettynä n ulottuvuuteen:

|v| = √(v₁² + v₂² + v₃²)

v = [3, 4]: |v| = √(9 + 16) = √25 = 5

Yksikkövektorin magnitudi on tasan 1. Jos haluat muuntaa minkä tahansa vektorin yksikkövektoriksi, jaa jokainen komponentti magnitudilla: v̂ = v / |v|.

Vektorin lisäys ja skalaarikerto

Kaksi vektoria lisää komponenttikohtaisesti:

[1, 2, 3] + [4, 5, 6] = [5, 7, 9]

Geometrisesti tämä on "päästä häntään" -sääntö - aseta toisen vektorin häntä ensimmäisen vektorin päähän.

Kertomalla skalaarilla (tavallinen luku) jokainen komponentti skaalaa:

3 × [1, 2, 3] = [3, 6, 9]

Positiiviset skalaarit venyttävät vektoria; skalaari −1 kääntää suuntansa; skalaarit välillä 0 ja 1 kutistavat sitä.

Pistetuote

Kahden vektorin pistetulo tuottaa skalaarin (yksi luku):

A·B = a₁b₁ + a₂b₂ + a₃b₃

Jos A = [1, 2, 3] ja B = [4, 5, 6]:

A·B = (1×4) + (2×5) + (3×6) = 4 + 10 + 18 = 32

Geometrinen merkitys on paljastavampi:

A·B = |A| × |B| × cos(θ)

Missä θ on vektorien välinen kulma. Tämä antaa meille kriittisen käsityksen:

  • A·B > 0: Kulma < 90° — vektorit osoittavat suunnilleen samaan suuntaan
  • A·B = 0: Kulma = 90° — vektorit ovat pystysuorat (ortogonaaliset)
  • A·B < 0: Kulma > 90° — vektorit osoittavat suunnilleen vastakkaisiin suuntiin

Pistetulo on kaikkialla sovelletussa matematiikassa. Koneoppiminen käyttää kosinin samankaltaisuutta (pistetulo jaettuna magnitudien tulolla) asiakirjojen ja käyttäjien mieltymysten vertaamiseen. Fysiikka käyttää sitä työn laskemiseen: W = F·d (voimapisteen siirtymä).

Ristituote

ristitulo toimii vain 3D:ssä ja tuottaa vektorin (ei skalaarin), joka on kohtisuorassa molempiin tuloihin nähden:

A × B = [a₂b₃ - a₃b₂, a₃b₁ - a₁b₃, a₁b₂ - a₂b₁]

Suunta noudattaa oikean käden sääntöä: osoita sormesi A:n suuntaan, käännä ne kohti B:tä ja peukalo osoittaa suuntaan A × B.

A × B:n suuruus on yhtä suuri kahden vektorin kattaman suuntaviivan pinta-ala:

|A × B| = |A| × |B| × sin(θ)

Toisin kuin pistetulo, ristitulo on antikommutatiivinen: A × B = −(B × A).

Sovellukset: Vääntömomentti fysiikassa on τ = r × F. Pintanormaalit tietokonegrafiikassa (pinnan suunta) lasketaan reunavektorien ristituloina.

Mikä on matriisi?

Matriisi on suorakaiteen muotoinen lukujono, joka on järjestetty riveihin ja sarakkeisiin. 3×2-matriisissa on 3 riviä ja 2 saraketta.

Matriisit edustavat lineaarisia muunnoksia — funktioita, jotka venyttävät, pyörittävät, heijastavat tai leikkaavat vektoreita. Vektorin kertominen matriisilla muuntaa sen.

2×2-matriisille A ja vektorille v:

A = [[3, 0],    v = [1]    Av = [3×1 + 0×2] = [3]
     [0, 2]]        [2]         [0×1 + 2×2]   [4]

Tämä muunnos skaalaa x-komponentin 3:lla ja y-komponentin 2:lla.

Matriisikertominen

Kaksi matriisia A ja B kertovat matriisin C = AB, jossa jokainen elementti c_ij on A:n rivin i ja B:n sarakkeen j pistetulo.

[1, 2] × [5, 6] = [(1×5 + 2×7), (1×6 + 2×8)] = [19, 22]
[3, 4]   [7, 8]   [(3×5 + 4×7), (3×6 + 4×8)]   [43, 50]

Kriittiset säännöt:

  • AB määritetään vain, kun sarakkeiden määrä A:ssa on yhtä suuri kuin B:n rivien määrä
  • Matriisikertolasku on yleensä ei kommutatiivista: AB ≠ BA

Determinantti

Neliömatriisin determinantti on skalaari, joka kertoo kuinka paljon matriisi skaalaa pinta-alaa (2D:ssä) tai tilavuutta (3D:ssä).

2×2-matriisille:

det [[a, b]] = ad - bc
    [[c, d]]
Determinantti arvo Merkitys
det > 0 Transformaatio säilyttää suunnan
det < 0 Transformaatio heijastaa (kääntää suunnan)
det
det
det = 0 Transformaatio on yksittäinen – puristaa alempaan ulottuvuuteen

Kun det = 0, matriisi on yksittäinen — sillä ei ole käänteistä, ja sen esittämällä yhtälöjärjestelmällä joko ei ole ratkaisua tai sitä on äärettömän monta.

Matrixin käänteinen

Käänteinen A-1 täyttää AA-1 = I (identtisyysmatriisi). Se on olemassa vain, kun det(A) ≠ 0.

2×2-matriisille:

A = [[a, b]]    A⁻¹ = (1/det) × [[ d, -b]]
    [[c, d]]                     [[-c,  a]]

Matriisikäänteisfunktioita käytetään lineaaristen yhtälöjärjestelmien ratkaisemiseen: jos Ax = b, niin x = A⁻¹b.

Käytännössä suuret järjestelmät ratkaistaan ​​Gaussin eliminoinnilla sen sijaan, että laskettaisiin A⁻¹ suoraan - numeerisesti tehokkaammin ja vakaammin.

Ominaisarvot ja ominaisvektorit

Matriisin A ominaisvektori on erityinen vektori v, joka A:lla muunnettuina vain skaalataan (ei pyöritetä):

Av = λv

Skalaari λ on vastaava ominaisarvo — se kertoo kuinka paljon ominaisvektori venyy tai kutistuu.

Ominaisuusarvojen löytämiseksi ratkaise ominaisyhtälö:

det(A - λI) = 0

2×2-matriisille tämä antaa toisen asteen yhtälön, jossa on (yleensä) kaksi ratkaisua.

Miksi ominaisarvoilla on merkitystä?

  • Pääkomponenttianalyysi (PCA): Datakovarianssimatriisin ominaisvektorit määrittävät suurimman varianssin suunnat - "pääkomponentit", jotka vähentävät dimensioisuutta säilyttäen samalla tiedot.
  • Google PageRank: Verkkolinkkimatriisin hallitseva ominaisvektori antaa satunnaisen web-selaajan kiinteän jakauman
  • Kvanttimekaniikka: Havaittavat suureet (energiatasot, spin-tilat) ovat operaattoreiden ominaisarvoja

Napakoordinaatit

Vaikka koordinaattijärjestelmät eivät ole tiukasti osa lineaarista algebraa, ne liittyvät muunnoksiin. napakoordinaatit edustavat mitä tahansa 2D-pistettä sen etäisyydellä r origosta ja kulmalla θ positiivisesta x-akselista.

Muunnos järjestelmien välillä:

Cartesian → Polar:   r = √(x² + y²),  θ = atan2(y, x)
Polar → Cartesian:   x = r cos(θ),    y = r sin(θ)

Napakoordinaatit yksinkertaistavat monia ympyröitä ja kiertoa koskevia ongelmia – karteesian kielellä monimutkaisista yhtälöistä tulee elegantteja napamuodossa.

Laita kaikki yhteen

Lineaarialgebran teho tulee siitä tosiasiasta, että sen avulla voit työskennellä useiden muuttujien kanssa samanaikaisesti yhtenä matemaattisena objektina. Koneoppimismalli, jossa on miljoonia parametreja, on vain sarja matriisikertoja ja epälineaarisia funktioita. 3D-pelimoottori muuttaa miljoonia pisteitä sekunnissa rotaatio-, skaalaus- ja projektiomatriiseilla.

Perustekijät - vektorit, pistetulot, matriisit, determinantit - ovat kaiken perusta.

Käytä [Dot Product Calculator] (/en/math/algebra/vector-dot-product), [Cross Product Calculator] (/en/math/algebra/vektori-ristitulo), [matriisimäärittelijälaskin] (/en/math/algebra/matrix-determinant), Matrix Inverse Calculator//math/-inverse//math Eigenvalue Calculator tutkiaksesi näitä käsitteitä interaktiivisesti.