Линейная алгебра звучит устрашающе, но ее основные идеи удивительно конкретны. Векторы, матрицы и операции между ними описывают все: от физического моделирования до моделей машинного обучения. Это руководство делает основы доступными — никаких дополнительных обозначений не требуется.

Что такое вектор?

Вектор — это просто величина, имеющая как величину (размер), так и направление. В 2D вектор типа v = [3, 4] означает «переместить на 3 единицы вправо и на 4 единицы вверх». В 3D вы добавляете третий компонент: v = [3, 4, 2].

Геометрически вектор — это стрелка из начала координат в точку. Алгебраически это упорядоченный список чисел (компонентов). Оба представления одинаково действительны, и вы будете постоянно переключаться между ними.

Величина (длина) вектора использует теорему Пифагора, обобщенную на n измерений:

|v| = √(v₁² + v₂² + v₃²)

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

Единичный вектор имеет величину ровно 1. Чтобы преобразовать любой вектор в единичный вектор, разделите каждый компонент на величину: v̂ = v / |v|.

Сложение векторов и скалярное умножение

Два вектора складываются покомпонентно:

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

Геометрически это правило «голова к хвосту» — поместите хвост второго вектора в голову первого вектора.

Умножение на скаляр (обычное число) масштабирует каждый компонент:

3 × [1, 2, 3] = [3, 6, 9]

Положительные скаляры растягивают вектор; скаляр -1 меняет свое направление; скаляры между 0 и 1 сжимают его.

Скалярное произведение

Скалярное произведение двух векторов дает скаляр (одиночное число):

A·B = a₁b₁ + a₂b₂ + a₃b₃

Для A = [1, 2, 3] и B = [4, 5, 6]:

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

Геометрический смысл более показателен:

A·B = |A| × |B| × cos(θ)

Где θ — угол между векторами. Это дает нам критическое понимание:

  • А·Б > 0: Угол < 90° — векторы направлены примерно в одном направлении
  • A·B = 0: Угол = 90° — векторы перпендикулярны (ортогональны)
  • A·B < 0: Угол > 90° — векторы направлены примерно в противоположные стороны.

Скалярное произведение присутствует повсюду в прикладной математике. Машинное обучение использует косинусное сходство (скалярное произведение, разделенное на произведение величин) для сравнения документов и предпочтений пользователя. Физика использует его для расчета работы: W = F·d (сила смещения точки).

Перекрестное произведение

Взаимное произведение работает только в 3D и создает вектор (не скаляр), перпендикулярный обоим входным данным:

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

Направление соответствует правилу правой руки: направьте пальцы в направлении A, согните их в сторону B, а большой палец укажет в направлении A × B.

Величина A × B равна площади параллелограмма, натянутого на два вектора:

|A × B| = |A| × |B| × sin(θ)

В отличие от скалярного произведения, векторное произведение является антикоммутативным: A × B = −(B × A).

Применение: Крутящий момент в физике равен τ = r × F. Нормали поверхности в компьютерной графике (направление, в котором обращена поверхность) вычисляются как векторные произведения векторов ребер.

Что такое матрица?

Матрица — это прямоугольный массив чисел, организованный в строки и столбцы. Матрица 3×2 имеет 3 строки и 2 столбца.

Матрицы представляют собой линейные преобразования — функции, которые растягивают, поворачивают, отражают или сдвигают векторы. Умножение вектора на матрицу преобразует его.

Для матрицы A 2×2 и вектора v:

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

Это преобразование масштабирует компонент x на 3, а компонент y на 2.

Матричное умножение

Две матрицы A и B умножаются, чтобы получить матрицу C = AB, где каждый элемент c_ij представляет собой скалярное произведение строки i строки A со столбцом j матрицы B.

[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]

Важнейшие правила:

  • AB определяется только тогда, когда количество столбцов в A равно количеству строк в B.
  • Умножение матриц обычно некоммутативно: AB ≠ BA.

Определитель

Определитель квадратной матрицы — это скаляр, который показывает, насколько матрица масштабирует площадь (в 2D) или объем (в 3D).

Для матрицы 2×2:

det [[a, b]] = ad - bc
    [[c, d]]
Определяющее значение Значение
дет > 0 Трансформация сохраняет ориентацию
дет < 0 Трансформация отражает (меняет ориентацию)
дет
дет
дет = 0 Трансформация единична — сжимается в более низкое измерение.

Когда det = 0, матрица является сингулярной — она не имеет обратной, а система уравнений, которую она представляет, либо не имеет решения, либо имеет бесконечное множество решений.

Обратная матрица

Обратный A⁻¹ удовлетворяет условию AA⁻¹ = I (единичная матрица). Он существует только тогда, когда det(A) ≠ 0.

Для матрицы 2×2:

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

Обратные матрицы используются для решения систем линейных уравнений: если Ax = b, то x = A⁻¹b.

На практике большие системы решаются методом исключения Гаусса, а не прямым вычислением A⁻¹, что в цифровом отношении более эффективно и стабильно.

Собственные значения и собственные векторы

Собственный вектор матрицы A — это специальный вектор v, который при преобразовании с помощью A только масштабируется (но не поворачивается):

Av = λv

Скаляр λ — это соответствующее собственное значение — оно показывает, насколько собственный вектор растягивается или сжимается.

Чтобы найти собственные значения, решите характеристическое уравнение:

det(A - λI) = 0

Для матрицы 2×2 это дает квадратное уравнение с (обычно) двумя решениями.

Почему собственные значения имеют значение?

  • Анализ главных компонентов (PCA): Собственные векторы ковариационной матрицы данных определяют направления максимальной дисперсии — «главные компоненты», которые уменьшают размерность при сохранении информации.
  • Google PageRank: Доминантный собственный вектор матрицы веб-ссылок дает стационарное распределение случайного веб-пользователя.
  • Квантовая механика: Наблюдаемые величины (уровни энергии, спиновые состояния) являются собственными значениями операторов.

Полярные координаты

Хотя системы координат не являются строго частью линейной алгебры, они связаны с преобразованиями. Полярные координаты представляют любую двумерную точку по ее расстоянию r от начала координат и углу θ от положительной оси X.

Преобразование между системами:

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

Полярные координаты упрощают многие задачи, связанные с кругами и вращением: сложные в декартовой форме уравнения становятся элегантными в полярной форме.

Собираем все вместе

Сила линейной алгебры заключается в том, что она позволяет работать со многими переменными одновременно как с одним математическим объектом. Модель машинного обучения с миллионами параметров — это всего лишь последовательность матричных умножений и нелинейных функций. Движок 3D-игры преобразует миллионы вершин в секунду с помощью матриц вращения, масштабирования и проецирования.

Основой всего этого являются векторы, скалярные произведения, матрицы, определители.

Используйте наш Калькулятор скалярного произведения, Калькулятор перекрестного произведения, Калькулятор определителя матрицы, Калькулятор обратной матрицы и Калькулятор собственных значений для интерактивного изучения этих концепций.