A lineáris algebra ijesztően hangzik, de alapvető ötletei rendkívül konkrétak. A vektorok, mátrixok és a köztük lévő műveletek a fizikai szimulációktól a gépi tanulási modellekig mindent leírnak. Ez az útmutató elérhetővé teszi az alapokat – nincs szükség speciális jelölésekre.

Mi az a vektor?

A vektor egyszerűen egy mennyiség, amelynek nagysága (mérete) és iránya is van. A 2D-ben egy olyan vektor, mint a v = [3, 4], azt jelenti, hogy "mozogjon 3 egységet jobbra és 4 egységet felfelé". 3D-ben egy harmadik komponenst ad hozzá: v = [3, 4, 2].

Geometriailag a vektor egy nyíl az origótól egy pontig. Algebrailag ez a számok (összetevők) rendezett listája. Mindkét nézet egyformán érvényes, és folyamatosan váltani fog közöttük.

Egy vektor nagysága (hossza) a Pitagorasz-tételt használja n dimenzióra általánosítva:

|v| = √(v₁² + v₂² + v₃²)

v = [3, 4] esetén: |v| = √(9 + 16) = √25 = 5

Egy egységvektor magnitúdója pontosan 1. Bármely vektor egységvektorrá alakításához ossza el az egyes komponenseket a következő nagyságrenddel: v̂ = v / |v|.

Vektoros összeadás és skaláris szorzás

Két vektor összeadódik komponensenként:

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

Geometriailag ez a „fejtől farokig” szabály – helyezzük a második vektor farkát az első vektor fejére.

Ha skalárral (közönséges számmal) szorozzuk, az egyes komponensek skáláit kapják:

3 × [1, 2, 3] = [3, 6, 9]

A pozitív skalárok megfeszítik a vektort; a −1 skalár megfordítja az irányát; a 0 és 1 közötti skalárok csökkentik azt.

A Dot termék

Két vektor pontszorzata skalárt (egy számot) állít elő:

A·B = a₁b₁ + a₂b₂ + a₃b₃

A = [1, 2, 3] és B = [4, 5, 6] esetén:

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

A geometriai jelentés sokkal árulkodóbb:

A·B = |A| × |B| × cos(θ)

Ahol θ a vektorok közötti szög. Ez kritikus betekintést ad nekünk:

  • A·B > 0: Szög < 90° — a vektorok nagyjából ugyanabba az irányba mutatnak
  • A·B = 0: Szög = 90° – a vektorok merõlegesek (merõlegesek)
  • A·B < 0: Szög > 90° — a vektorok nagyjából ellentétes irányba mutatnak

A pontszorzat mindenhol megtalálható az alkalmazott matematikában. A gépi tanulás a koszinusz-hasonlóságot (pontszorzat osztva a nagyságrendek szorzatával) használja a dokumentumok és a felhasználói preferenciák összehasonlítására. A fizika ezt használja a munka kiszámításához: W = F·d (erőponteltolás).

A kereszttermék

A keresztszorzat csak 3D-ben működik, és egy vektort (nem skalárt) állít elő, amely merőleges mindkét bemenetre:

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

Az irány a jobbkéz szabályt követi: mutasson az ujjaival A irányába, görbítse őket B felé, hüvelykujjával pedig A × B irányába.

Az A × B nagysága megegyezik a paralelogramma területével, amelyet a két vektor fed le:

|A × B| = |A| × |B| × sin(θ)

A pontszorzattal ellentétben a keresztszorzat antikommutatív: A × B = −(B × A).

Alkalmazások: A forgatónyomaték a fizikában τ = r × F. A számítógépes grafikában a felületi normálisokat (a felületnek az irányát) a rendszer az élvektorok keresztszorzataként számítja ki.

Mi az a mátrix?

A mátrix egy téglalap alakú számtömb, amely sorokba és oszlopokba rendeződik. A 3×2-es mátrixnak 3 sora és 2 oszlopa van.

A mátrixok lineáris transzformációkat képviselnek – olyan függvényeket, amelyek nyújtanak, forgatnak, tükröznek vagy nyíró vektorokat. Egy vektort mátrixszal megszorozva transzformálja azt.

2×2 A mátrix és v vektor esetén:

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

Ez a transzformáció az x-komponenst 3-mal, az y-komponenst pedig 2-vel skálázza.

Mátrixszorzás

Két A és B mátrix szorozva adja a C = AB mátrixot, ahol minden c_ij elem A i sor és B j oszlopának pontszorzata.

[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]

Kritikus szabályok:

  • AB csak akkor van megadva, ha az A oszlopok száma megegyezik a B sorok számával
  • A mátrixszorzás általában nem kommutatív: AB ≠ BA

A meghatározó

A négyzetes mátrix determinánsa egy skalár, amely megmondja, hogy a mátrix mennyivel skálázza a területet (2D-ben) vagy a térfogatot (3D-ben).

2×2 mátrix esetén:

det [[a, b]] = ad - bc
    [[c, d]]
Meghatározó érték Jelentése
det > 0 Az átalakítás megőrzi a tájékozódást
det < 0 Az átalakítás tükrözi (megfordítja a tájolást)
det
det
det = 0 Az átalakulás egyedi – alacsonyabb dimenzióba zúdul

Ha det = 0, a mátrix szinguláris — nincs inverze, és az általa reprezentált egyenletrendszernek vagy nincs megoldása, vagy végtelen sok.

A Mátrix Inverze

Az inverz A⁻1 teljesíti az AA⁻1 = I-t (az azonosságmátrix). Csak akkor létezik, ha det(A) ≠ 0.

2×2 mátrix esetén:

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

A mátrix inverzeket lineáris egyenletrendszerek megoldására használják: ha Ax = b, akkor x = A⁻¹b.

A gyakorlatban a nagy rendszereket Gauss-eliminációval oldják meg, nem pedig A⁻¹ közvetlen kiszámításával – ez numerikusan hatékonyabb és stabilabb.

Sajátértékek és sajátvektorok

Az A mátrix sajátvektora egy speciális v vektor, amelyet A-val transzformálva csak skálázódik (nem forgatja el):

Av = λv

A skalár λ a megfelelő sajátérték — ez azt mutatja meg, hogy a sajátvektor mennyire nyúlik meg vagy zsugorodik.

A sajátértékek megtalálásához oldja meg a karakterisztikus egyenletet:

det(A - λI) = 0

2×2-es mátrix esetén ez egy másodfokú egyenletet ad (általában) két megoldással.

Miért számítanak a sajátértékek?

  • Főkomponens-elemzés (PCA): Az adatkovariancia mátrix sajátvektorai határozzák meg a maximális variancia irányait – a "főkomponenseket", amelyek csökkentik a dimenziót, miközben megőrzik az információkat.
  • Google PageRank: A webhivatkozási mátrix domináns sajátvektora egy véletlenszerű webszörfölő stacionárius eloszlását adja meg
  • Kvantummechanika: A megfigyelhető mennyiségek (energiaszintek, spinállapotok) az operátorok sajátértékei

Poláris koordináták

Bár nem szigorúan a lineáris algebra része, a koordinátarendszerek a transzformációkhoz kapcsolódnak. A poláris koordináták bármely 2D-s pontot képviselnek az origótól való r távolság és a pozitív x-tengelytől bezárt θ szög alapján.

Konverzió a rendszerek között:

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

A poláris koordináták leegyszerűsítik a körökkel és az elforgatással kapcsolatos számos problémát – a derékszögű összetett egyenletek poláris formában elegánssá válnak.

Mindent összerakni

A lineáris algebra ereje abból fakad, hogy lehetővé teszi, hogy egyszerre több változóval dolgozzon egyetlen matematikai objektumként. A több millió paramétert tartalmazó gépi tanulási modell csupán mátrixszorzások és nemlineáris függvények sorozata. Egy 3D-s játékmotor másodpercenként több millió csúcsot alakít át forgatási, skálázási és vetítési mátrixokkal.

Az alapok – vektorok, pontszorzatok, mátrixok, determinánsok – mindennek az alapját képezik.

Használja a Dot Product Calculator, Cross Product Calculator, Matrix Determinant Calculator, Matrix Inverz mátrix kalkulátor///mátrix Sajátérték-kalkulátor a fogalmak interaktív felfedezéséhez.