Лінійна алгебра звучить лякаюче, але її основні ідеї надзвичайно конкретні. Вектори, матриці та операції між ними описують усе: від фізичного моделювання до моделей машинного навчання. Цей посібник робить основи доступними — не потрібні розширені нотації.

Що таке вектор?

Вектор — це просто величина, що має як величину (розмір), так і напрямок. У 2D такий вектор, як v = [3, 4], означає «переміститися на 3 одиниці праворуч і 4 одиниці вгору». У 3D ви додаєте третій компонент: v = [3, 4, 2].

Геометрично вектор — це стрілка від початку координат до точки. Алгебраично, це впорядкований список чисел (компонентів). Обидва види однаково дійсні, і ви постійно перемикатиметеся між ними.

Магнітуда (довжина) вектора використовує теорему Піфагора, узагальнену на n вимірів:

|v| = √(v₁² + v₂² + v₃²)

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

Одиничний вектор має величину рівно 1. Щоб перетворити будь-який вектор на одиничний вектор, розділіть кожен компонент на величину: v̂ = v / |v|.

Векторне додавання та скалярне множення

Два вектори складаються покомпонентно:

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

Геометрично це правило «голова до хвоста» — розмістіть хвіст другого вектора біля голови першого вектора.

Множення на скаляр (звичайне число) масштабує кожен компонент:

3 × [1, 2, 3] = [3, 6, 9]

Додатні скаляри розтягують вектор; скаляр −1 змінює свій напрямок; скаляри між 0 і 1 зменшують його.

Добуток

Скалярний добуток двох векторів дає скаляр (одне число):

A·B = a₁b₁ + a₂b₂ + a₃b₃

Для A = [1, 2, 3] і B = [4, 5, 6]:

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

Геометричний зміст більш показовий:

A·B = |A| × |B| × cos(θ)

Де θ – кут між векторами. Це дає нам критичне розуміння:

  • A·B > 0: Кут < 90° — вектори вказують приблизно в одному напрямку
  • A·B = 0: Кут = 90° — вектори перпендикулярні (ортогональні)
  • A·B < 0: Кут > 90° — вектори спрямовані приблизно протилежно

Скалярний добуток є скрізь у прикладній математиці. Машинне навчання використовує косинусну подібність (скалярний добуток, поділений на добуток величин) для порівняння документів і вподобань користувачів. Фізика використовує його для обчислення роботи: W = F·d (сила переміщення точки).

Перехресний продукт

Перехресний добуток працює лише в 3D і створює вектор (а не скаляр), перпендикулярний до обох вхідних даних:

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

Напрямок відповідає правилу правої руки: направте пальці в напрямку A, зігніть їх у напрямку B, а великий палець вказує в напрямку A × B.

Величина A × B дорівнює площі паралелограма, натягнутого на два вектори:

|A × B| = |A| × |B| × sin(θ)

На відміну від скалярного добутку, перехресний добуток є антикомутативним: A × B = −(B × A).

Застосування: Крутний момент у фізиці дорівнює τ = r × F. Нормалі поверхні в комп’ютерній графіці (напрямок, до якого звернена поверхня) обчислюються як перехресний добуток векторів ребер.

Що таке матриця?

Матриця — це прямокутний масив чисел, організованих у рядки та стовпці. Матриця 3×2 має 3 рядки та 2 стовпці.

Матриці представляють лінійні перетворення — функції, які розтягують, обертають, відображають або зсувають вектори. Множення вектора на матрицю перетворює його.

Для матриці A 2×2 і вектора v:

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

Це перетворення масштабує x-компоненту на 3 і y-компоненту на 2.

Множення матриць

Дві матриці A і B множаться, щоб отримати матрицю C = AB, де кожен елемент c_ij є скалярним добутком рядка i з A на стовпець j з 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]

Критичні правила:

  • AB визначається лише тоді, коли кількість стовпців у A дорівнює кількості рядків у B
  • Матричне множення, як правило, не комутативне: AB ≠ BA

Визначник

Детермінант квадратної матриці — це скаляр, який повідомляє вам, наскільки матриця масштабує площу (у 2D) або об’єм (у 3D).

Для матриці 2×2:

det [[a, b]] = ad - bc
    [[c, d]]
Визначальне значення Значення
det > 0 Трансформація зберігає орієнтацію
det < 0 Трансформація відображає (перевертає орієнтацію)
дет
дет
det = 0 Трансформація є сингулярною — здавлює до нижчого виміру

Коли det = 0, матриця є сингулярною — вона не має оберненого, а система рівнянь, яку вона представляє, або не має розв’язків, або нескінченно багато.

Обернена матриця

Обернена A⁻¹ задовольняє AA⁻¹ = I (одинична матриця). Він існує лише тоді, коли det(A) ≠ 0.

Для матриці 2×2:

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

Обернені матриці використовуються для розв’язування систем лінійних рівнянь: якщо Ax = b, то x = A⁻¹b.

На практиці великі системи розв’язуються елімінацією Гауса, а не прямим обчисленням A⁻¹ — чисельно ефективніше та стабільніше.

Власні значення та власні вектори

Власний вектор матриці A — це спеціальний вектор v, який під час перетворення за допомогою A лише масштабується (а не обертається):

Av = λv

Скаляр λ є відповідним власним значенням — він говорить вам, наскільки власний вектор розтягується або звужується.

Щоб знайти власні значення, розв’яжіть характеристичне рівняння:

det(A - λI) = 0

Для матриці 2×2 це дає квадратне рівняння з (зазвичай) двома розв’язками.

Чому важливі власні значення?

  • Аналіз головних компонентів (PCA): Власні вектори коваріаційної матриці даних визначають напрямки максимальної дисперсії — «головні компоненти», які зменшують розмірність, зберігаючи інформацію.
  • Google PageRank: Домінуючий власний вектор матриці веб-посилань дає стаціонарний розподіл випадкового веб-серфінгу
  • Квантова механіка: Спостережувані величини (рівні енергії, спінові стани) є власними значеннями операторів

Полярні координати

Хоча системи координат не є частиною лінійної алгебри, вони пов’язані з перетвореннями. Полярні координати представляють будь-яку двовимірну точку за відстанню r від початку координат і кутом θ до додатної осі x.

Перетворення між системами:

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

Полярні координати спрощують багато проблем, пов’язаних із колами та обертанням — рівняння, складні в декартовій системі, стають елегантними в полярній формі.

Збираємо все разом

Сила лінійної алгебри полягає в тому, що вона дозволяє працювати з багатьма змінними одночасно як з одним математичним об’єктом. Модель машинного навчання з мільйонами параметрів — це лише послідовність множень матриць і нелінійних функцій. Двигун 3D-ігор перетворює мільйони вершин за секунду за допомогою матриць обертання, масштабування та проекції.

Основи — вектори, скалярні добутки, матриці, визначники — є основою для всього цього.

Використовуйте наш калькулятор скалярного добутку, калькулятор перехресного добутку, калькулятор визначника матриці, обернений калькулятор матриці і Калькулятор власних значень, щоб досліджувати ці концепції в інтерактивному режимі.