线性代数在AI和图形学里

先收个尾：九讲串成一句话

向量是数据，矩阵是处理数据的机器，消元是解题流程，行列式和特征值是机器的体检报告，线性空间把一切统一，正交投影在噪声里找最优——这套组合拳，恰好是今天两大热门领域的地基。

AI：一切都是矩阵乘法

大语言模型把句子切成词，每个词先变成一个几千维的向量——词义相近的词，向量方向也接近：「猫」和「狗」的夹角，比「猫」和「汽车」小。模型的每一层，本质就是拿巨大的矩阵去乘这些向量，再加点非线性调味。GPT 级模型的几千亿个参数，就住在一个个矩阵里。训练用的「梯度下降」，几何上就是沿误差曲面往下走，离不开第八讲的投影思想。

图形学：你看到的每一帧都是变换

3D 游戏里，角色每个顶点是一个向量；移动、旋转、缩放角色，就是给这些向量乘矩阵；把 3D 世界拍扁成 2D 屏幕，用的是投影（第八讲本尊）。显卡（GPU）的设计目标只有一个：把矩阵乘法算得飞快——几万个核心同时乘，游戏和 AI 两种应用通吃。

常见误区：学线代只为考试

恰恰相反：考试里的线代是简版，真实世界的线代在搜索引擎、推荐算法、量子力学、计算机视觉里天天上岗。你现在建立的直觉，就是以后啃这些领域的本钱。

练一练：和家长讨论：手机相册的「人像抠图」功能，哪些地方可能用到了向量和矩阵？