矩阵理论的概念间的组合关系的公式
现在很火执的人工智能技术，要求很高的数学基础知识。
除了微积分就是线性代数的内容了。自动微分框架是人工
智能技术的底层框架。其实就是实现了微积分的各种函数
的微积分运算而矣。线性代数的内容应用于计算机
的软件中的各个角落，除了线性代数,还要学习它的进阶课程
，这就是《矩阵理论》，需要全面了解矩阵的各个概念和运算。
下面给出了矩阵理论中各个主要的概念之间的关联关系，
可以以此为蓝图，按图索骥地精读《矩阵理论》
矩阵在计算机中用二维数组来表示，在图论，数据结构，
计算机图形学等众多的领域中使用。
数学符号虽然能简洁和准确地表达出数学专业的语义，但不利于
计算机程序员阅读与理解，所以这里不使用数学符号，仅用文字
来描述，以达到让读者理解概念之间的关系与区别。
线性=齐次性+可加性
线性空间=集合+线性运算
欧氏空间=线性空间+实数域+内积运算
酉空间=线性空间+复数域+内积运算
映射=原像+像
实函数=映射+原像实数域+像实数域
复函数=映射+原像复数域+像复数域
函数=映射+原像数域+像数域
范数=映射+原像空间+像实数域
向量范数=映射+原像线性空间+像实数域
矩阵范数=映射+原像矩阵空间+像实数域
算子=映射+原像空间U+像空间V
变换=映射+原像空间U+像空间U
线性算子=映射+原像线性空间U+像线性空间V
线性变换=映射+原像线性空间U+像线性空间U
正交变换=线性变换+欧氏空间+正交性
对称变换=线性变换+欧氏空间+对称性
酉变换=线性变换+酉空间+正交性
Hermite变换=线性变换+酉空间+对称性
实线性空间=实数域+向量加法+数乘运算
矩阵空间=实数域（或者复数域）+矩阵加法+数乘运算
复数域=实数域+拓域
向量=实数+N维拓域
矩阵=向量+N维拓域
位似变换=线性变换+数乘运算
恒等变换=位似变换+系数为1
投影算子=线性算子+原像线性空间V+像线性空间V的子空间
