原本隻想著解釋一下指數和冪函數,結果發現在將實數空間R^n展開之後格外的適合線性代數,
實數空間R^n=R*R*R*R*R*R*R*R*R*R*R……,現在解釋一下n,n其實可以分成兩部分,一部分就是確確實實是張成空間的一個維度,是基石,另一部分是前面的組合中隨機選出來的一個,
如果化簡就可以叫做矩陣的秩,
當然現在不化簡。那麽就可以通過凱萊矩陣的方式將R^n=R*R*R*R*R*R*R*R*R*R*R……轉換成2維度的矩陣,這裡是凱萊矩陣,但之後的那種是行決策和列決策的轉換,雖然看起來差不多但是原理不一樣,一個是記錄途徑,一個是執行途徑只剩下結果的那種。而且凱萊矩陣的展開程度是實實在在會展開到2維,而行決策和列決策的轉換是一種偽2維,真三維的形式。行決策和列決策構成的矩陣更接近黎曼矩陣這種嵌入式的矩陣,而凱萊矩陣更類似希爾伯特空間。
接下來解釋一下:
這個行向量就出現了,這裡的行向量代表著一個決策樹的一個途徑,列向量也是一個決策樹的一個途徑,那麽列向量和行向量的本質就是一樣的,所以轉置矩陣的特性就很清楚了,列向量和行向量也可以看作樹的子樹,左子樹,右子樹,這樣就有了兩種方式,行決策和列決策,突然好類似矩陣乘法A*B,A被叫做行排列矩陣,B被叫做列組合矩陣,所以R^n=R*R*R*R*R*R*R*R*R*R*R……就有了兩種出來方式,一個是從左到右的方式,一個是從右到左。這樣就是R^n=R*R*R*R*R*R*R*R*R*R*R……轉換成2維度的矩陣的思路。將一個非常複雜的立體空間展開到了2維空間。
填坑了行空間和列空間為什麽一樣的,
雖然到了這裡一轉身就可以到迦羅瓦域,但是現在又不用,所以這部分以後在說。
剛才是說了矩陣,但是沒有提到矩陣的值,所以接下來討論2維空間如何表示三維,這就用到了值,矩陣的坐標是途徑,該點的值就是實際包含的物質的量,這裡得提到酉空間的一維化,所以這個是代表兩個含義,第一個含義就是實實在在包含的有限實數的個數,第二個就是一個投影空間包含的有限實數的個數,第一個方式可以用來構造矩陣,第二個方法可以得到矩陣的運算,突然發現加法和減法的定義也都一起出來了,就是對應位置的有限實數的個數的加和,先提一下這個在後來可以看作加權,先用凱萊矩陣解釋一下這個值就是步數,也可以叫加權,是圖論中的權,代表著步數,就是這個位置左右,需要走過的有限實數的個數。行決策和列決策可以看作凱萊矩陣的一種簡化,但依然沒有改變這種利用圖論表示步數的邏輯。
點積的定義又稍微填了一些坑。但離完整的定義還是有很大距離,任重道遠。
對於函數,現在不去深究空間上的張開,函數只是單點映射,都沒有構成封閉性,本身的運算都稱不上是群。
隻滿足垂線檢驗。垂線檢驗的作用就是為了檢驗x的取值空間和y的取值空間是滿射。