非方阵：不同维度之间的线性变换｜3Blue1Brown

1. 公式
   观察依据

   屏幕显示矩阵 [[1,3],[2,1]]。

[[1, 3], [2, 1]]

一个 2×2 矩阵，表示从二维向量到二维向量的线性映射。

2×2 实矩阵

1. 公式
   观察依据

   屏幕显示矩阵 [[0,1,2],[3,4,5],[6,7,8]]。

[[0, 1, 2], [3, 4, 5], [6, 7, 8]]

一个 3×3 矩阵，表示从三维向量到三维向量的线性映射。

3×3 实矩阵

1. 公式
   观察依据

   屏幕显示示例矩阵 [[3,1],[4,1],[5,9]]。

[[3, 1], [4, 1], [5, 9]]

一个示例性的 3×2 矩阵，有两列和三行。

3×2 实矩阵

1. 公式
   观察依据

   绿色标签将第一列与 i-hat 的像关联起来。

\hat{i}

二维输入空间的第一个基向量。

二维向量

1. 公式
   观察依据

   红色标签将第二列与 j-hat 的像关联起来。

\hat{j}

二维输入空间的第二个基向量。

二维向量

1. 公式
   观察依据

   维度图示显示输入列 [2,7]。

\begin{bmatrix} 2 \\ 7 \end{bmatrix}

单独维度图示中的一个二维输入向量。

二维向量

1. 公式
   观察依据

   维度图示显示输出列 [1,8,2]。这不是前述示例矩阵与输入的乘积结果。

\begin{bmatrix} 1 \\ 8 \\ 2 \end{bmatrix}

单独维度图示中的一个三维输出向量。

三维向量

1. 公式
   观察依据

   记号 L(v) 连接了输入和输出的坐标列。

L(\vec{v})

向量 v 在线性映射 L 下的像。

线性变换

1. 公式
   观察依据

   第一列标记为“Where î lands” / “变换后的 i”。

2. 声音
   观察依据

   旁白指出第一个基向量的像为(2,-1,-2)。

\hat{\imath}

输入空间的第一个基向量；其变换后的像构成矩阵的第一列。

2维输入空间中的基向量

1. 公式
   观察依据

   第二列标记为“Where ĵ lands” / “变换后的 j”。

2. 声音
   观察依据

   旁白指出第二个基向量的像为(0,1,1)。

\hat{\jmath}

输入空间的第二个基向量；其变换后的像构成矩阵的第二列。

2维输入空间中的基向量

1. 公式
   观察依据

   显示的矩阵为 $\begin{bmatrix} 2 & 0 \\ -1 & 1 \\ -2 & 1 \end{bmatrix}$。

2. 声音
   观察依据

   旁白将每一列与一个基向量的像对应起来，并指出形状为3×2。

\begin{bmatrix} 2 & 0 \\ -1 & 1 \\ -2 & 1 \end{bmatrix}

编码从2维输入空间到3维输出空间的线性变换的矩阵，其列等于两个基向量的像。

3×2 实矩阵

1. 公式
   观察依据

   大括号标记垂直范围为“3 rows” / “3行”。

2. 声音
   观察依据

   旁白数出矩阵有三行。

3 \text{ rows}

描述输出空间中每个落点所需的坐标数量。

输出维度计数

1. 声音
   观察依据

   旁白回顾了之前的 2D 到 2D 和 3D 到 3D 的例子。

2. 公式
   观察依据

   动画在网格变换旁边显示了 2×2 和 3×3 矩阵。

在选定基底的情况下，同维度空间之间的线性映射具有方阵表示。

1. 输入空间和输出空间具有相同的维度

1. 声音
   观察依据

   旁白介绍了非方阵的几何意义。

2. 公式
   观察依据

   屏幕分别展示了一个 3×2 矩阵和一个 2D 输入/3D 输出的映射。

非方阵表示输入和输出坐标空间维度不同的线性映射。3×2 矩阵将二维输入映射为三维输出。

1. 行数代表输出维度；列数代表输入维度

1. 方阵与等维线性映射

1. 声音
   观察依据

   旁白描述了保持网格结构和原点条件。

2. 动画
   观察依据

   分屏动画将平面网格映射到 3D 中的一个平面。

该示例保持了平行且间距均匀的网格，并将输入原点映射到输出原点。这是线性的几何图示。退化的线性映射可能会压缩整个网格方向。

1. 线性映射；在退化情况下方向可能会被压缩

1. 声音
   观察依据

   旁白解释了为什么使用单独的输入和输出视图。

2. 动画
   观察依据

   两个坐标空间并排显示。

输入和输出向量具有不同的维度和坐标描述。单独的视图强调了这种区别；这是一种可视化选择，并不禁止其他表示方法。

1. 输入和输出空间具有不同的维度

1. 非方阵表示不同维度间的映射

1. 声音
   观察依据

   旁白将非方阵构造与之前的矩阵方法联系起来。

2. 公式
   观察依据

   屏幕开始通过检查基向量的落点来构建矩阵。

在选定输入和输出基底的情况下，每个输入基向量的像的坐标构成矩阵的一列。

1. 映射是线性的，且已知其对每个输入基向量的作用

1. 非方阵表示不同维度间的映射

1. 声音
   观察依据

   旁白根据基向量像的坐标构建矩阵列。

2. 公式
   观察依据

   列被明确标记为 \hat{\imath} 和 \hat{\jmath} 的落点。

对于线性变换，编码它的矩阵是通过将每个变换后的基向量的坐标放入一列来构建的。第一列对应第一个基向量的像，第二列对应第二个基向量的像，依此类推。

1. 变换是线性的。

2. 输入空间有一个选定的有序基。

3. 输出向量的坐标是相对于输出空间的标准基取的。

1. 声音
   观察依据

   旁白数出三行两列以命名矩阵形状。

2. 公式
   观察依据

   大括号在示例矩阵周围标记“3 rows”和“2 columns”。

矩阵的列数等于输入空间中基向量的数量（输入维度）。行数等于描述输出空间中每个落点所需的坐标数量（输出维度）。具有 m 行和 n 列的矩阵称为 m×n 矩阵。

1. 矩阵表示有限维空间之间的线性变换。

2. 行和列按标准矩阵布局计数。

1. 作为变换后基向量的矩阵列

1. 声音
   观察依据

   旁白将此示例的列空间描述为穿过3维原点的平面。

2. 公式
   观察依据

   文字将“Span of columns”等同于“Column space”。

矩阵的列空间是其各列的张成空间。几何上，对于线性变换，它是所有可能的输出向量的集合——即变换后每个输入向量落下的地方。

1. 矩阵有列 \mathbf{c}_1, \dots, \mathbf{c}_n。

2. 变换是线性的。

1. 作为变换后基向量的矩阵列

1. 声音
   观察依据

   旁白比较显示的像平面维度与2维输入，以确定此示例中的满秩。

满列秩意味着所有列都是线性无关的，因此秩等于列数。当行数至少与列数一样多时，这是可能的。在显示的3×2示例中，两列张成一个2维平面，矩阵具有满列秩。对于一般的 m×n 矩阵，满秩意味着 rank=min(m,n)；应区分满行秩和满列秩。

1. A 是 m×n 矩阵，且 m≥n 时可能存在满列秩。

2. 显示的3×2示例有两个独立的列。

1. 作为落点区域的列空间
2. 变换矩阵的维度

1. 声音
   观察依据

   旁白将3×2解释为具有两个输入坐标和三个输出坐标的映射。

2. 公式
   观察依据

   矩阵 $\begin{bmatrix} 3 & 1 \\ 4 & 1 \\ 5 & 9 \end{bmatrix}$ 显示有关于列和行的注释。

3×2 矩阵表示从2维空间到3维空间的线性变换。两列指示两个输入基向量；三行指示每个变换后的基向量由输出空间中的三个坐标描述。

1. 矩阵恰好有3行和2列。

2. 输入和输出空间都使用标准基约定。

1. 变换矩阵的维度
2. 作为变换后基向量的矩阵列

1. 声音
   观察依据

   旁白解释三列对应输入基向量，而两行提供输出坐标。

2. 公式
   观察依据

   矩阵 $\begin{bmatrix} 3 & 1 & 4 \\ 1 & 5 & 9 \end{bmatrix}$ 标注有“3 basis vectors”和“2 coordinates for each landing spots”。

2×3 矩阵表示从3维空间到2维空间的线性变换。三列对应三个输入基向量；两行意味着每个变换后的基向量仅由输出平面中的两个坐标描述。

1. 矩阵恰好有2行和3列。

2. 输入和输出空间都使用标准基约定。

1. 变换矩阵的维度
2. 作为变换后基向量的矩阵列

1. 声音
   观察依据

   解说通过基向量的像说明立体输入到平面输出的映射。

2. 图示
   观察依据

   左侧为三维输入空间，右侧为二维输出空间，三个基向量分别映射到二维平面。

本片段先把线性变换理解为把整个三维空间压缩到二维平面上的映射：输入空间是 3D，输出空间是 2D。画面用左右分屏展示这一维度下降过程，并用三个基向量的像来说明变换由基向量落点决定。

1. 输入空间为三维空间

2. 输出空间为二维平面

3. 讨论对象是线性变换

1. 声音
   观察依据

   旁白将显示的矩阵的像描述为穿过3维原点的平面。

2. 动画
   观察依据

   显示一个半透明平面穿过3维网格中的原点，包含变换后的基向量。

对于特定的3×2矩阵 $\begin{bmatrix} 2 & 0 \\ -1 & 1 \\ -2 & 1 \end{bmatrix}$，其列空间是一个2维平面，穿过 \mathbb{R}^3 的原点。

1. 矩阵是视频中显示的那个。

2. 变换是线性的。

3. 输出空间是具有标准坐标的 \mathbb{R}^3。

此声明适用于视频中显示的特定示例矩阵，而非所有3×2矩阵。

1. 声音
   观察依据

   旁白通过比较其像维度与输入维度来确定此特定矩阵的满秩。

3×2 示例矩阵具有满秩，因为 dim(Col(A)) = dim(input space) = 2。

1. A 是显示的3×2矩阵。

2. 输入空间是2维的。

3. 列空间是2维的。

适用于特定示例，但反映了满列秩的一般定义。

1. 声音
   观察依据

   解说邀请观众想象立体结构被压平的效果。

如果把自身想象成被卷入从 3D 空间到 2D 平面的变换，这种体验会非常不舒服。

1. 想象自己经历该变换

针对该具体 3D→2D 变换的直观感受陈述。

1. 声音
   观察依据

   解说引出平面到数轴的线性映射。

除了 3D→2D，还可以考虑从二维空间到一维空间的线性变换。

1. 在线性变换框架下讨论不同维度之间的映射

存在性陈述。

1. 声音
   观察依据

   解说把输出坐标空间解释为实数数轴。

一维空间可以直接理解为数轴。

1. 采用视频的几何直观表述

对“一维空间”的解释性等同。

1. 声音
   观察依据

   解说追踪一串等距点，说明输出点距仍然均匀。

线性映射把同一直线上的等距点列映成等距点列；输出点距可以为零。仅凭等距性不能充分判定线性。

1. 映射满足线性。

2. 输入点在同一直线上组成等距点列；输出点距可以为零。

对该类点列成立。

1. 声音
   观察依据

   解说把每个输入基向量的标量像写入对应列，构造行矩阵。

从二维到一维的这类线性变换可以用一个 1×2 矩阵表示，且它的两列各只有一个元素。

1. 变换是从 R^2 到 R^1 的线性变换

对本片段所示类型成立。

1. 声音
   观察依据

   解说把每个输入基向量的标量像写入对应列，构造行矩阵。

该 1×2 矩阵的两列分别表示两个基向量在数轴上的落点，每一列只需要一个数。

1. 使用基向量 î、ĵ

2. 输出空间为数轴

对矩阵两列逐一成立。

1. 声音
   观察依据

   结尾预告与点积的联系，把完整解释留到下一集。

这种从二维到一维的变换与点积有紧密联系，下一集会进一步讨论。

1. 指本片段刚介绍的 2D→1D 变换类型

对“这类变换”作出联系性判断。

1. 声音
   观察依据

   旁白从3×2示例过渡到2×3示例，同时保留相同的输入/列和输出/行解释。

2. 公式
   观察依据

   两个矩阵都带有匹配的注释，解释列→输入基数量和行→输出坐标数量。

1. 公式

   $$3\times 2 \text{ matrix}: 2 \text{ cols} \Rightarrow 2 \text{ input basis vectors};\; 3 \text{ rows} \Rightarrow 3 \text{ output coordinates}$$
   解释

   前一段确立的规则：列编码输入维度，行编码输出维度。

   步骤依据

   3×2示例在02:18–02:37被直接陈述，并配有视觉标注。

   视频直接表达
2. 公式

   $$2\times 3 \text{ matrix}: 3 \text{ cols} \Rightarrow 3 \text{ input basis vectors};\; 2 \text{ rows} \Rightarrow 2 \text{ output coordinates}$$
   解释

   将相同的列/输入和行/输出角色应用于新的维度计数。

   步骤依据

   叙述者明确使用“Likewise”，并为2×3矩阵在02:38–02:58提供相同的注释结构。

   视频直接表达
3. 公式

   $$T: \mathbb{R}^3 \to \mathbb{R}^2$$
   解释

   结论：2×3矩阵将3维空间映射到2维空间。

   步骤依据

   直接遵循步骤2，依据 ki-matrix-dimensions 中建立的定义。

   依据视频推导

2×3 矩阵表示从3维输入空间到2维输出空间的线性变换，依据用于3×2矩阵的相同列/行维度逻辑。

1. 声音
   观察依据

   解说把每个输入基向量的标量像写入对应列，构造行矩阵。

2. 公式
   观察依据

   画面先出现空矩阵，再填入第一列 1、第二列 2，并标注 î lands on 1、ĵ lands on 2。

1. 公式

   $$$$
   解释

   先确定讨论的是从二维到一维的线性变换，因此输出是一维数轴上的坐标。

   步骤依据

   视频前段已把这类变换定义为 2D→1D。

   视频直接表达
2. 公式

   $$\text{Transformation matrix: }[\ \ \ ]$$
   解释

   写出一个 1×2 的空矩阵框架，表示该变换将由两列组成。

   步骤依据

   解说指出，这类线性映射用 1×2 矩阵表示。

   视频直接表达
3. 公式

   $$\hat{i}\text{ lands on }1$$
   解释

   观察基向量 î 在数轴上的落点是 1，于是把 1 放进第一列。

   步骤依据

   旁白说两列代表基向量落点，且画面同步把第一列填为 1。

   视频直接表达
4. 公式

   $$\hat{j}\text{ lands on }2$$
   解释

   观察基向量 ĵ 在数轴上的落点是 2，于是把 2 放进第二列。

   步骤依据

   旁白继续说明每一列只需一个数，即该基向量落到的数，画面同步把第二列填为 2。

   视频直接表达
5. 公式

   $$\begin{bmatrix}1&2\end{bmatrix}$$
   解释

   得到完整的 1×2 变换矩阵。

   步骤依据

   由前两列分别对应 î、ĵ 的落点组合而成。

   视频直接表达

对 2D→1D 线性变换，可直接按“第一列=î 的落点，第二列=ĵ 的落点”读出矩阵；本例得到 [1 2]。

1. 公式
   观察依据

   全程显示矩阵 $\begin{bmatrix} 2 & 0 \\ -1 & 1 \\ -2 & 1 \end{bmatrix}$。

2. 声音
   观察依据

   旁白给出两个基向量的像(2,-1,-2)和(0,1,1)。

3. 动画
   观察依据

   3维网格显示变换后的基向量和代表其张成空间的平面。

给定一个线性变换，将 \hat{\imath} 映射到 (2,-1,-2)，将 \hat{\jmath} 映射到 (0,1,1)，构造其矩阵并解释其几何意义。

1. \hat{\imath} \mapsto (2, -1, -2)

2. \hat{\jmath} \mapsto (0, 1, 1)

3. 输入空间是2维的；输出空间是3维的。

写出变换矩阵并确定其列空间和秩状态。

1. 公式

   $$A = \begin{bmatrix} 2 & 0 \\ -1 & 1 \\ -2 & 1 \end{bmatrix}$$
   解释

   将 T(\hat{\imath}) 的坐标作为第1列，T(\hat{\jmath}) 的坐标作为第2列放置。

   步骤依据

   线性变换矩阵表示的定义 (ki-basis-columns)。

   视频直接表达
2. 公式

   $$A \in \mathbb{R}^{3 \times 2}$$
   解释

   矩阵有3行和2列。

   步骤依据

   计数构造矩阵的行和列；由01:48–01:57的屏幕标签确认。

   视频直接表达
3. 公式

   $$\operatorname{Col}(A) = \operatorname{span}\left\{ \begin{pmatrix}2\\-1\\-2\end{pmatrix}, \begin{pmatrix}0\\1\\1\end{pmatrix} \right\}$$
   解释

   列空间是两列的张成空间。

   步骤依据

   列空间的定义 (ki-column-space)；口头陈述并在动画中显示为平面。

   依据视频推导
4. 公式

   $$\dim(\operatorname{Col}(A)) = 2 = \dim(\text{input space})$$
   解释

   两列线性无关，因此它们张成一个2维平面；这与输入维度匹配。

   步骤依据

   叙述者在02:07–02:17陈述此为矩阵满秩的原因。

   视频直接表达

矩阵是 $\begin{bmatrix} 2 & 0 \\ -1 & 1 \\ -2 & 1 \end{bmatrix}$，这是一个3×2矩阵，其列空间为一个2维平面，穿过 \mathbb{R}^3 的原点，且该矩阵具有满秩。

可以直接检查两列的线性无关性：任何一个都不是另一个的标量倍数，确认列空间是2维的且矩阵是满秩的。这与叙述者的陈述和动画中的视觉平面相符。

1. 公式
   观察依据

   显示带有注释的矩阵 $\begin{bmatrix} 3 & 1 & 4 \\ 1 & 5 & 9 \end{bmatrix}$。

2. 声音
   观察依据

   旁白为2×3矩阵分配三个输入基向量和两个输出坐标。

解释2×3矩阵 $\begin{bmatrix} 3 & 1 & 4 \\ 1 & 5 & 9 \end{bmatrix}$ 的几何意义。

1. 矩阵有2行和3列。

2. 元素3,1,4在第1行，元素1,5,9在第2行。

确定输入/输出维度并描述行和列代表什么。

1. 公式

   $$3 \text{ columns} \Rightarrow 3 \text{ input basis vectors} \Rightarrow \text{input space is } \mathbb{R}^3$$
   解释

   每列对应一个变换后的基向量，所以三列意味着三个输入基向量。

   步骤依据

   为3×2情况建立的规则，并在02:38通过“Likewise”重新应用；屏幕上注释为“3 basis vectors”。

   视频直接表达
2. 公式

   $$2 \text{ rows} \Rightarrow 2 \text{ coordinates per landing spot} \Rightarrow \text{output space is } \mathbb{R}^2$$
   解释

   每行为每个输出向量添加一个坐标，所以两行意味着输出存在于2维中。

   步骤依据

   “2 coordinates for each landing spots”的屏幕标注出现在02:50–02:58。

   视频直接表达
3. 公式

   $$T: \mathbb{R}^3 \to \mathbb{R}^2$$
   解释

   变换将3维空间映射到2维空间。

   步骤依据

   结合步骤1和2，使用维度规则 (ki-matrix-dimensions)。

   依据视频推导

2×3 矩阵表示从3维空间到2维空间的线性变换。其三列是三个输入基向量的像，每个由两个输出坐标描述。

与片段早些时候陈述的一般规则 A∈ℝ^{m×n} ⇔ T:ℝⁿ→ℝᵐ 一致。视频中未对此示例进行数值计算；验证是通过与已定义规则的结构匹配进行的。

1. 图示
   观察依据

   左侧三维网格中有三个基向量，右侧二维网格中出现三个对应像向量 L(î)、L(ĵ)、L(k̂)。

2. 声音
   观察依据

   解说通过基向量的像说明立体输入到平面输出的映射。

用一个左右分屏动画说明从三维空间到二维平面的线性变换长什么样。

1. 输入空间是 3D

2. 输出空间是 2D

3. 三个输入基向量 î、ĵ、k̂ 被映射到二维平面

展示降维线性变换如何由基向量的像来理解。

1. 公式

   $$$$
   解释

   先在左侧建立三维输入空间，并标出三个基向量。

   步骤依据

   画面标题为“3d input”，并用三轴网格呈现定义域。

   视频直接表达
2. 公式

   $$$$
   解释

   再在右侧建立二维输出空间，并画出三个像向量。

   步骤依据

   画面标题为“Output in 2d”，右侧出现三个落点向量。

   视频直接表达
3. 公式

   $$L(\hat{i}),\ L(\hat{j}),\ L(\hat{k})$$
   解释

   把三个像分别记为 L(î)、L(ĵ)、L(k̂)，以此表示整个变换对基向量的作用。

   步骤依据

   右侧向量旁直接标注了这些符号。

   视频直接表达

该示例表明：一个 3D→2D 线性变换可以通过三个输入基向量在二维平面中的像来直观把握。

三个基向量像的箭头与输入基向量对应。示意图用于表达维度，并未给出数值输出坐标；它不是用前面的矩阵完成的计算。

1. 公式
   观察依据

   画面显示 [2;7] → L(\vec{v}) → [1.8]。

2. 声音
   观察依据

   解说引出平面到数轴的线性映射。

给出一个具体的二维输入向量，展示它在一维输出中的结果。

1. 输入向量为 $\begin{bmatrix}2\\7\end{bmatrix}$

2. 变换记作 L(\vec{v})

3. 输出为一维向量

说明 2D→1D 变换会把二维向量变成一个数。

1. 公式

   $$\begin{bmatrix}2\\7\end{bmatrix}$$
   解释

   先写出二维输入向量。

   步骤依据

   左侧黄色括号内明确显示分量 2 和 7。

   视频直接表达
2. 公式

   $$L(\vec{v})$$
   解释

   对该输入施加线性变换 L。

   步骤依据

   画面中央标注 L(\vec{v})。

   视频直接表达
3. 公式

   $$\begin{bmatrix}1.8\end{bmatrix}$$
   解释

   得到一维输出，数值为 1.8。

   步骤依据

   右侧粉色括号内显示 1.8，并标注“1d output”。

   视频直接表达

该二维向量在此变换下的输出是 $\begin{bmatrix}1.8\end{bmatrix}$。

真实维度图显示 [2;7] 映到 [1.8]，输出为标量；图中没有给出映射系数。它与后面的行矩阵 [1,2] 是分别说明的例子，不能用那个矩阵计算本图。

1. 动画
   观察依据

   二维网格上出现一串等距黄点，随后被压到数轴上仍保持等距。

2. 声音
   观察依据

   解说追踪一串等距点，说明输出点距仍然均匀。

用一串点演示线性变换保持均匀间隔。

1. 二维平面上有一条直线

2. 直线上有一串等距排列的黄点

3. 变换把平面压到数轴

直观说明线性在降维情形下的几何表现。

1. 公式

   $$$$
   解释

   先在二维网格上画出一条直线和若干等距点。

   步骤依据

   动画中黄点沿同一直线均匀排列。

   视频直接表达
2. 公式

   $$$$
   解释

   再对整个平面实施压向数轴的变换。

   步骤依据

   画面显示二维网格被挤压到一维直线。

   视频直接表达
3. 公式

   $$$$
   解释

   观察映射后的点在数轴上的间距。

   步骤依据

   解说提示观察映射后点列的均匀间距。

   视频直接表达

这些原本等距的点在数轴上仍然等距，从而体现线性保持均匀间隔。

动画前后对比显示点的相对均匀性没有被破坏。

1. 公式
   观察依据

   画面写出 Transformation matrix，并填入 [1 2]。

2. 声音
   观察依据

   解说把每个输入基向量的标量像写入对应列，构造行矩阵。

根据 î 和 ĵ 在数轴上的落点写出对应变换矩阵。

1. 变换是 2D→1D

2. î 落在 1

3. ĵ 落在 2

把几何落点翻译成矩阵表示。

1. 公式

   $$\text{Transformation matrix: }[\ \ \ ]$$
   解释

   先建立 1×2 矩阵框架。

   步骤依据

   旁白说这类变换由 1×2 矩阵编码。

   视频直接表达
2. 公式

   $$1$$
   解释

   把 î 的落点 1 写入第一列。

   步骤依据

   画面标注“î lands on 1”。

   视频直接表达
3. 公式

   $$2$$
   解释

   把 ĵ 的落点 2 写入第二列。

   步骤依据

   画面标注“ĵ lands on 2”。

   视频直接表达
4. 公式

   $$\begin{bmatrix}1&2\end{bmatrix}$$
   解释

   合成完整矩阵。

   步骤依据

   两列分别对应两个基向量的落点。

   视频直接表达

对应矩阵为 $\begin{bmatrix}1&2\end{bmatrix}$。

矩阵两列与数轴上两个基向量落点一一对应。

1. 图示
   观察依据

   顶部写“Next video: Dot products and duality”，左上角显示 [3;1]·[2;-1]。

2. 公式
   观察依据

   斜线上出现“Scale by ||\vec{v}||”和“Length of scaled projection”。

1. 本片段只给出预告性图示，未展开点积与对偶性的完整推导。

用一组新图形提示 2D→1D 变换与点积的关系。

1. 出现向量 [3;1] 与 [2;-1] 的点积写法

2. 出现一条斜线和投影缩放标注

预告后续将把这类变换与点积联系起来。

1. 公式

   $$\begin{bmatrix}3\\1\end{bmatrix}\cdot\begin{bmatrix}2\\-1\end{bmatrix}$$
   解释

   先展示一个点积表达式。

   步骤依据

   左上角明确写出该点积。

   视频直接表达
2. 公式

   $$\text{Scale by }\|\vec{v}\|$$
   解释

   再展示按向量长度缩放的思想。

   步骤依据

   斜线上方标注了该文字。

   视频直接表达
3. 公式

   $$\text{Length of scaled projection}$$
   解释

   最后把注意力引到缩放后的投影长度。

   步骤依据

   斜线上方随后出现该标注。

   视频直接表达

本片段以点积表达式和投影缩放图示预告下一集主题。

顶部标题“Next video: Dot products and duality”与这些图示共同构成明确的后续主题提示。

1. 动画
   观察依据

   2D 网格及其基向量在 2×2 矩阵旁边被变换。

1. 平面网格

2. 基向量 i-hat 和 j-hat

3. 2×2 矩阵

1. 网格方向倾斜并缩放

2. 基向量移动到它们的像的位置

1. 图示网格保持平行且间距均匀

2. 原点映射到原点

动画展示了方阵在维度不变的空间内起作用。

1. 动画
   观察依据

   3D 网格在 3×3 矩阵旁边被变换。

1. 空间网格

2. 基向量

3. 3×3 矩阵

1. 网格方向倾斜并缩放

2. 基向量移动

1. 网格方向保持平行且间距均匀，包括可能压缩的方向

2. 原点映射到原点

动画展示了方阵在三维空间之间起作用。

1. 动画
   观察依据

   左侧视图显示 2D 输入；右侧视图显示其在 3D 中的像平面。

1. 2D 输入网格

2. 3D 输出空间

3. 像平面

1. 输入网格被映射到输出平面

2. 输出坐标位于 3D 中

1. 图示网格保持平行且间距均匀

2. 输入原点映射到输出原点

单独的视图明确了输入和输出的不同维度。

1. 动画
   观察依据

   屏幕右半部分显示带有黄色轴、绿色/红色变换向量和半透明平面的3维坐标网格。

2. 声音
   观察依据

   叙述者描述变换的输出，将 î 和 ĵ 带到指定坐标。

1. 带有黄色轴箭头的3维笛卡尔网格

2. 代表 T(\hat{\imath})=(2,-1,-2) 的绿色向量

3. 代表 T(\hat{\jmath})=(0,1,1) 的红色向量

4. 穿过原点的半透明灰色平面

1. 相机围绕原点轻微旋转以显示深度

2. 变换后的基向量一旦放置就保持固定

3. 平面作为两个向量的张成空间变得可见

1. 原点保持在网格中心

2. 向量从原点发出

3. 平面始终包含两个变换后的向量

展示2维输入空间的像是一个2维子空间（平面），位于3维输出空间中，使列空间的几何意义具体可见。

1. 动画
   观察依据

   大括号依次出现标记行和列，随后是“3×2 matrix”文本。

2. 公式
   观察依据

   标签读取“3 rows / 3行”, “2 columns / 2列”, “3×2 matrix / 3×2矩阵”。

1. 矩阵 $\begin{bmatrix} 2 & 0 \\ -1 & 1 \\ -2 & 1 \end{bmatrix}$

2. 标记为“3 rows”的垂直大括号

3. 标记为“2 columns”的水平大括号

4. 标题文本“3×2 matrix”

1. 行大括号首先出现

2. 列大括号其次出现

3. 维度标题最后淡入

1. 矩阵元素不变

2. 列的颜色编码（绿/红）持续存在

视觉上强化行数 = 输出坐标数和列数 = 输入基向量数，建立 m×n 命名约定。

1. 动画
   观察依据

   文本“Span of columns ⇔ Column space”出现在矩阵下方，同时右侧仍可见3维平面。

2. 公式
   观察依据

   双语标签：“列张成的空间 ⇔ 列空间”。

1. 下方带括号的矩阵

2. 由 ⇔ 连接的文本“Span of columns”和“Column space”

3. 相邻面板中的3维平面

1. 括号和文本一起淡入

2. 平面继续微妙地旋转

1. 矩阵值不变

2. 平面仍包含两个列向量

将列张成的代数概念链接到3维中显示的几何落点区域，操作性地定义列空间。

1. 动画
   观察依据

   Pi 生物出现在矩阵 $\begin{bmatrix} 3 & 1 \\ 4 & 1 \\ 5 & 9 \end{bmatrix}$ 旁边，思维气泡显示3维平面。

2. 声音
   观察依据

   叙述者从特定示例推广到任意3×2矩阵。

1. 粉色 Pi 生物

2. 通用3×2矩阵

3. 带有3维网格和平面的思维气泡

1. 之前的特定矩阵被通用条目替换

2. 思维气泡概念性地动画展示2维→3维映射

1. 列/行维度逻辑保持不变

2. Pi 生物作为一致的视觉锚点

从工作示例过渡到一般原则，使用角色+思维气泡来信号概念抽象而非计算。

1. 动画
   观察依据

   矩阵 $\begin{bmatrix} 3 & 1 & 4 \\ 1 & 5 & 9 \end{bmatrix}$ 接收大括号和标签“3 basis vectors”及“2 coordinates for each landing spots”。

2. 声音
   观察依据

   解说把相同的维度读取规则应用于新的矩阵。

1. 2×3 矩阵

2. 覆盖三列并标记为“3 basis vectors”的顶部大括号

3. 覆盖两行并标记为“2 coordinates for each landing spots”的侧边大括号

4. 观察的 Pi 生物

1. 大括号和标签随叙述者说话依次出现

2. 颜色区分三列（绿、红、蓝）

1. 矩阵条目静止

2. 与3×2情况相同的注释风格

新的 2×3 例子继续使用列对应输入、行对应输出的约定。它是维度和元素不同的矩阵，并非前面数值矩阵的转置。

1. 图示
   观察依据

   左右分屏：左侧“3d input”，右侧“Output in 2d”。

2. 动画
   观察依据

   右侧依次出现 L(î)、L(ĵ)、L(k̂) 三个像向量。

1. 三维网格

2. 二维网格

3. 三个输入基向量

4. 三个输出像向量 L(î), L(ĵ), L(k̂)

1. 右侧像向量逐个出现

2. 三维网格一度淡出，只留下基向量以便观察

1. 左侧始终是三维输入空间

2. 右侧始终是二维输出空间

3. 三个基向量与三个像向量保持对应关系

该动画用左右对照展示降维线性变换：三维空间中的基向量被映到二维平面中的三个向量，从而把抽象变换变成可见的落点关系。

1. 公式
   观察依据

   [2;7] → L(\vec{v}) → [1.8]。

2. 图示
   观察依据

   输入标为“2d input”，输出标为“1d output”。

1. 二维输入列向量 [2;7]

2. 变换记号 L(\vec{v})

3. 一维输出列向量 [1.8]

1. 箭头从左向右依次连接输入、变换、输出

1. 输入始终是一列两个数

2. 输出始终是一列一个数

这个简洁流程图把 2D→1D 变换压缩成“二维向量进入、一维数出来”的单次映射，突出维度下降。

1. 图示
   观察依据

   出现“1d space (number line)”和带刻度的水平线。

2. 动画
   观察依据

   平面网格塌缩到数轴上；绿色基向量的像落在 1，红色的像落在 2。

1. 数轴

2. 二维网格

3. 红色基向量像

4. 绿色基向量像

1. 二维平面逐渐坍缩成一维直线

2. 基向量像落到数轴刻度 1 和 2

1. 数轴作为一维空间保持不变

2. 刻度方向与原点保持一致

动画把“从平面到数轴”的抽象说法具体化：整个二维结构被挤到一维直线上，基向量的落点因此可以用单个数表示。

1. 动画
   观察依据

   一串黄点先排在二维直线上，再被映射到数轴上。

2. 声音
   观察依据

   解说追踪一串等距点，说明输出点距仍然均匀。

1. 二维直线

2. 一串等距黄点

3. 数轴

1. 黄点从二维直线移动到数轴

2. 点与点之间的视觉位置改变但间距保持均匀

1. 黄点原本等距

2. 映射后仍等距

这组动画用点的均匀间隔不变来可视化线性性质，说明线性不只是“直线变直线”，还体现在保持等距结构上。

1. 声音
   观察依据

   旁白明确引入了不同维度间的映射作为一种有意义的解释。

只有方阵才能表示线性变换；3×2 矩阵没有几何意义。

非方阵表示维度不同的坐标空间之间的线性映射。

1. 声音
   观察依据

   旁白明确将非方形示例命名为具有三行两列的矩阵。

2. 公式
   观察依据

   屏幕标签明确标记不相等的行和列计数。

学习者可能假设只有方形矩阵编码线性变换，因为入门示例通常使用2×2或3×3矩阵。

视频演示了像3×2和2×3这样的非方形矩阵也编码不同维度空间之间的有效线性变换。行和列计数独立跟踪输出和输入维度。

1. 声音
   观察依据

   旁白尽管像是3维空间内的平面，仍确定满秩。

2. 动画
   观察依据

   平面显示为真子空间，但秩被确认为满。

学生可能认为，3×2矩阵的像是一个2维平面，位于3维空间中，因此该矩阵必然秩亏或退化。

对于显示的3×2矩阵，最大可能秩是2。其列空间具有该维度，即使它不填满3维余域，也给出满列秩。一般来说，满秩意味着 rank=min(行数,列数)。

1. 声音
   观察依据

   相同的列/输入和行/输出阅读应用于两种矩阵形状。

2. 公式
   观察依据

   注释在两种情况下保持一致的列→输入，行→输出。

学习者可能错误地认为“行总是意味着输入”，或者当输出维度小于输入维度时维度规则会翻转。

视频显示规则是不变的：列总是对应输入基向量，行总是对应输出坐标，无论 m>n 还是 m<n。2×3 示例通过对调幅度应用相同的逻辑证实了这一点。

1. 声音
   观察依据

   由于网格方向会塌缩，解说改为观察等距点列。

理解 2D→1D 线性变换时，仍试图用“网格线保持平行且等距”这一套直观去硬套。

压缩可能使网格方向塌缩，因此视频改为追踪等距点。这仍然是在说明已经线性的映射，而不是充分判定：仿射映射也能保留等距。

1. 公式
   观察依据

   输出写成 [1.8]，并标注“1d output”。

2. 声音
   观察依据

   解说引出平面到数轴的线性映射。

看到线性变换就默认输出仍是平面里的向量。

平面到数轴的例子输出标量，写成 [1.8]。它也可以视为只有一个实数分量的向量，而不是输入平面中具有两个坐标的向量。

1. 声音
   观察依据

   旁白从方阵过渡到非方阵，同时保留了线性映射的解释。

不同维度空间之间的映射扩展了用于等维空间映射的相同矩阵表示方法。

1. 声音
   观察依据

   示例保留了图示的网格结构，并将输入原点映射到输出原点。

线性的几何图示同样适用于由非方阵表示的示例。

1. 声音
   观察依据

   叙述者从基向量像构建矩阵，然后立即数行/列以命名维度。

2. 公式
   观察依据

   列标签直接馈入行/列大括号注释。

矩阵维度 (m×n) 的定义直接源于计数产生列的基向量数量 (n) 和描述每个输出的坐标数量 (m)。前者是理解后者的先决条件。

1. 声音
   观察依据

   定义3×2后，叙述者立即将其解释为2维→3维映射。

2. 动画
   观察依据

   维度标签先于 Pi 角色的广义解释。

抽象维度规则（列=输入，行=输出）被具体应用以赋予3×2格式几何意义。一般定义使得特定解释成为可能。

1. 声音
   观察依据

   叙述者定义列空间，然后用其维度在同一口气中证明满秩。

2. 动画
   观察依据

   平面可视化同时支持这两个概念。

对于这个3×2示例，比较列空间维度与输入维度确立了满列秩。一般非方形矩阵可能具有满行秩。

1. 声音
   观察依据

   旁白使用相同的维度解释比较两种矩阵形状。

2. 公式
   观察依据

   对两个矩阵应用相同的注释方案，计数对调。

这两个知识点说明了应用于相反维度不等式 (m>n vs m<n) 的相同底层规则。它们是对比例子，共同展示了该规则超越方形情况的普遍性。

1. 声音
   观察依据

   列被引入为落点，然后那些相同的列被张成以定义列空间。

2. 公式
   观察依据

   由基向量像构建的矩阵正是其列被张成的对象。

列空间由由变换后的基向量定义的非常列构建。基-列定义提供了列空间定义操作的构建块。

1. 声音
   观察依据

   解说引出平面到数轴的线性映射。

视频先用 3D→2D 建立“跨维线性变换”的直观，再把它推广到 2D→1D，说明降维变换不止一种维度组合。

1. 公式
   观察依据

   矩阵两列分别由 î、ĵ 的落点填入。

2. 声音
   观察依据

   解说把每个输入基向量的标量像写入对应列，构造行矩阵。

前面“用基向量的像刻画变换”的方法，在这里被具体应用到矩阵读取规则上：矩阵列就是基向量落点。

1. 声音
   观察依据

   解说把输出坐标空间解释为实数数轴。

2. 图示
   观察依据

   出现“1d space (number line)”并展示压向数轴的过程。

要理解 2D→1D 变换的输出，需要先接受视频对一维空间的几何解释：它就是一条数轴。

1. 声音
   观察依据

   解说追踪一串等距点，说明输出点距仍然均匀。

视频用等距点列说明线性映射的一项几何性质。等距性本身不是线性的完整刻画；一个方向也可能塌缩到同一个点。

1. 公式
   观察依据

   矩阵 [1 2] 与“î lands on 1”“ĵ lands on 2”同步出现。

1×2 矩阵这一表示法内部包含了一条核心读法：两列分别记录两个基向量的落点。

1. 声音
   观察依据

   课程引入非方阵作为维度间的映射。

1. 非方阵表示不同维度间的映射

1. 声音
   观察依据

   旁白和动画区分了 2D 输入和 3D 输出。

1. 非方阵表示不同维度间的映射
2. 线性映射的几何特征

1. 声音
   观察依据

   旁白解释了分屏呈现背后的坐标空间区别。

1. 区分输入和输出空间

1. 声音
   观察依据

   开场指令：“将落点的坐标写为矩阵的列。”

2. 公式
   观察依据

   显示了 î 和 ĵ 的显式列构造。

1. 作为变换后基向量的矩阵列
2. 特定3×2变换示例

1. 声音
   观察依据

   叙述者定义3×2术语然后给出几何解释。

2. 公式
   观察依据

   维度标签和通用矩阵都存在。

1. 变换矩阵的维度
2. 3×2 矩阵的几何意义

1. 声音
   观察依据

   明确陈述：“矩阵仍然是满秩的，因为这个列空间中的维度数与输入空间的维度数相同。”

2. 动画
   观察依据

   画面中的2维平面位于3维空间内，同时确认了该矩阵的满秩性质。

1. 3×2 示例中的满列秩
2. 示例矩阵的满秩判据
3. 误解：映射到低维子空间意味着秩亏缺

1. 声音
   观察依据

   “这个矩阵的列空间，所有向量落下的地方”

2. 公式
   观察依据

   显示“Span of columns ⇔ Column space”等价关系。

1. 作为落点区域的列空间
2. 将列的张成空间等同于列空间

1. 声音
   观察依据

   叙述者使用相同规则询问并回答2×3矩阵的含义。

2. 公式
   观察依据

   带有显式基向量和坐标标签的注释2×3矩阵。

1. 2×3 矩阵的几何意义
2. 推导2×3矩阵的几何意义：应用3×2示例中的规则
3. s89-cr-3x2-vs-2x3

1. 声音
   观察依据

   对3×2和2×3解释使用相同的措辞模式。

2. 公式
   观察依据

   两种矩阵类型之间一致的注释风格。

1. 变换矩阵的维度
2. 3×2 矩阵的几何意义
3. 2×3 矩阵的几何意义
4. 误解：行/列语义取决于哪个更大

1. 声音
   观察依据

   解说通过基向量的像说明立体输入到平面输出的映射。

1. 从三维空间到二维平面的线性变换
2. 用基向量的像刻画跨维线性变换

1. 公式
   观察依据

   右侧二维图中标出 L(î)、L(ĵ)、L(k̂)。

1. 用基向量的像刻画跨维线性变换

1. 公式
   观察依据

   画面显示 [2;7] → L(\vec{v}) → [1.8]。

1. 从二维到一维的线性变换