プログラミングのための線形代数
参考:
その時々の(たぶん半理解での)感想
具体的には、n次元空間の点x(n次元縦ベクトル)を m次元空間の点(m次元縦ベクトル) Axに移す写像です
総まとめ: 文脈なしでそのまま抜き出し or 自分のため表現に変更してるので、正しければよいけど。
本文を一区切り読んでは、ここに戻って頭を整理、をおすすめします
行列は、単なる「数字の表」ではありません。m x n 行列A には、n次元空間からm次元空間への「写像]という意味があります。具体的には、n次元空間の点x(n次元縦ベクトル)を m次元空間の点(m次元縦ベクトル) Axに移す写像です。この写像を観察して、ランク・行列式・対角化などの意味を明らかにするのが、、アニメーションの実行結果です。
線形代数を使う状況では、先に写像があって、その後に座標 1. 通常の写像で、元の?座標のままでみると、空間が歪む
2. その写像(行列)の固有ベクトルは、方向(ベクトル表現)が変わらない
3. 固有ベクトルの方向に斜交座標をとると、その座標に沿った伸び縮みのみになる。
これは、対角行列を写像とした変換(伸び縮み)となる。
斜交座標にする操作自体も、行列の積の操作でできる。
座標は本質?ではない。写像とベクトルが大事な何か。
ベクトルは、座標(成分表示)がなくても、その性質を表現できる。定数倍とか結合法則とか、、ということか。
座標は簡単に変更できる。変換、それが写像(行列). ただ、それは正方行列の場合。同じ次元への変換なら。
p14
基準となる一組のベクトルを基底、各基準で何歩進むかを座標という。
基底と名乗る資格は。線形結合で任意のベクトルが表わせ、それが唯一。
p24
>相乗効果や規模効果がなく、単純な各要因の合計になるような。
>鶴亀算、製品と原料、統計解析(線形モデル), よくあるスコアリングシステムもそうかな.
p25
行列の積は、写像の合成になる。2つの写像の合成。ABxだと、xにBして、Aする。前置き記法なので、操作手順と逆になる。お尻から操作する。
p43
逆行列は逆写像。元に戻す操作。
p52 行列で、変わった関係を表す
高階差分、高階微分、定数項の除去。
p54
座標変換は、正方行列Aを掛ける、という形にかける。このAには逆行列が存在。
言い換えると? 逆行列を持つような正方行列Aを掛けることとは、座標変換と解釈可能。
p56
基底は実体ではない、ものごとを測る単位みたいなもの。cmでいくかmでいくかkmでいくか..
正方行列で計算できる。各行・各列でindexをずらしながら要素の積、これをプラス・マイナスをつけて足し上げた和。
幾何的なイメージでいくと、この正方行列が空間上の図形(二次元での2つのベクトル、三次元なら3つのベクトル)の行列変換後の、図形の拡大率を示す。
行列式がゼロの場合がある。この場合、正方行列でも逆行列をもたない。特異行列となる。
行列が正方行列か特異行列かで、線形変換に影響がある?ありそうだが、まだイメージできてない。 #TOP 単位行列の行列式の値は1
下図は、多重線形性の話。ある列ベクトル部分を定数倍したり(行列式も定数倍)、ベクトルを2つのベクトルの和にしたり(行列式には変化ない)
https://gyazo.com/8590d44ceb8031796fcffb982d3bd0e7
正方行列、特異行列
全射、単射、両者が成り立つ全単射
写像で、べちゃんこになる(単射でない?)線形従属。=0になるようなものがある #TOP ランク
LU分解で行こう
固有値・対角化・Jordan標準形 暴走の危険があるかを判断 暴走、値が発散、するかしないか。固有値を使って、うまい基底をとりたい。 対角化できれば、簡単に解けて、暴走するかしないかが分かる。
https://gyazo.com/f16f4da41d556f3577a3df69f16e80d7