线性代数是数学工具 掌握它,打开数学的另一扇大门
1:声明
非原创,笔记系诞生于10年前的孟岩先生的《理解矩阵》篇。
原文链接:===> 是它,就是它,杀死它
为什么会今天被我看到,进而进行了整理。
因为,此刻,线性代数已经不再是用来应付考试的一门普通数学科目。它已经成为了阻碍继续精进的巨大“石块”,所以需要移去。问题转换成为了主动遇到的问题。
回过头可以再继续看任何一本线性代数教材:线性空间与线性变换篇。
此刻线性代数没能成为你的问题的话,看这篇笔记的收获并不会很大。
系学习编程技术的“小学生”,有错误欢迎斧正。
下面的笔记整理系知识点的说明. 主要的内容:
- 空间
- 线性空间,基
- 向量
- 矩阵,矩阵乘法
- 变换,线性变换
- 相似矩阵
2:空间
2.1: 坐标系
001.png
概念:在参照系中,为确定空间一点的位置,按规定方法选取的有次序的一组数据,这就叫做“坐标”. 作用:为了说明质点的位置、运动的快慢、方向等
说明:最为常见的是数学中建立坐标系解决几何问题,假如我们在A4纸面上进行建立坐标,原则上,建立原点,纸面上的另一个点都能进行用坐标点进行描述。
2.2:三维空间
002.jpg
概念:三维空间:三维空间,日常生活中可指由长、宽、高三个维度所构成的空间。而且日常生活中使用的“三维空间”一词,常常是指三维的欧几里德空间。
特征:
- 存在很多位置点
- 位置点存在相对关系
- 空间点可以定义长度,角度等
- 这个空间点可以从一个点移动(变换)到另一个点
2.3:空间与线性空间
孟岩先生认为:空间中最重要的特征是:可以存在一个点移动(变换)到另一个点。
“空间”是容纳运动的一个对象集合,而变换则规定了对应空间的运动。
空间是一个对象的集合,集合元素对象间可以存在某些相互变换关系。
Paste_Image.png
- 线性空间 线性空间是上述定义空间中的一种,也存在上述的特征。 线性空间中任何一个对象,选取基和坐标,可以用向量的形式进行表示。
正规的数学中对线性代数的定义:
Paste_Image.png
- 线性空间是一个对象的集合
- 线性空间元素对象中存在相互关系(加法,乘法)
引出问题:线性空间中的任意元素如何表示?
- 基: 数学定义:
Paste_Image.png
在二维空间中举的坐标的例子,可以看做是A点移动到B点位置的时在坐标系下的表示为B点的坐标值,一方面B点可以表示二维坐标系中的一个点坐标,同时可以表示为点A坐标的变换后在坐标系中的表示。这种变换我们使用了数量关系2达到了实现。
上述基术语的定义指出了线性空间中的任一元素要表示出来需要基,但是基的定义不唯一,但元素间需要符合线性无关的性质
引出问题:那么线性空间元素间的关系如何表示?
在线性空间中,当你选定一组基之后,不仅可以用一个向量来描述空间中的任何一个对象,而且可以用矩阵来描述该空间中的任何一个运动(变换)。而使某个对象发生对应运动的方法,就是用代表那个运动的矩阵,乘以代表那个对象的向量。
孟岩先生认为:矩阵的本质是运动的描述 这种运动并不值连续意义上的运动,而是指某种“跃迁”.而这种跃迁的形式在线性代数里指:线性变换
2.4:线性变换
线性变换指的空间里从一个点(元素/对象)到另一个点(元素/对象)的跃迁。
那么谁来表示这种变换的形式呢? 矩阵:是线性空间里变换的描述形式。 梳理下思路:
- 基是一组向量,可以看成是线性空间的坐标系(类比二维空间坐标系的建立不唯一,所以基也不唯一,二维,三维坐标轴相互垂直,类比组成基的向量线性无关)
- “矩阵是线性空间中的线性变换的一个描述。在一个线性空间中,只要我们选定一组基,那么对于任何一个线性变换,都能够用一个确定的矩阵来加以描述。”(类比上述例子中坐标点A和B的转换关系是2倍的关系,这个2描述的就是二维空间点坐标变换的形式,多维空间是矩阵形式。)
- 由于基的不唯一性,对于一个线性变换,只要你选定一组基,那么就可以找到一个矩阵来描述这个线性变换。换一组基,就得到一个不同的矩阵。所有这些矩阵都是这同一个线性变换的描述,但又都不是线性变换本身。
如何表示出同一线性变换的描述形式呢?
003.png
再次举例:
Paste_Image.png
实际上这两个点的位置并没有发生变换,仅仅只是坐标系的变换。
下述矩阵以方阵为例:
Paste_Image.png
上述讲述的其实是相似矩阵,这表示的是同一个线性变换的不同的描述矩阵。
矩阵不仅可以作为线性变换的描述,而且可以作为一组基的描述。而作为变换的矩阵,不但可以把线性空间中的一个点给变换到另一个点去,而且也能够把线性空间中的一个坐标系(基)表换到另一个坐标系(基)去。而且,变换点与变换坐标系,具有异曲同工的效果。线性代数里最有趣的奥妙,就蕴含在其中。理解了这些内容,线性代数里很多定理和规则会变得更加清晰、直觉。
- 基变换
Paste_Image.png
可以理解为矩阵把两个向量之间进行了连接。基于此,可以实现不同坐标之间的变换。
2.5:再次理解矩阵
矩阵乘法
给出结论:
矩阵描述了一个坐标系。 “运动等价于坐标系变换”。 “对象的变换等价于坐标系的变换”。 “固定坐标系下一个对象的变换等价于固定对象所处的坐标系变换。”
比如:
Paste_Image.png
上述式子可以理解为:“有一个向量,它在坐标系M的度量下得到的度量结果向量为A,那么它在坐标系I的度量下,这个向量的度量结果是B。”
Paste_Image.png
上述式子可以理解为:“在M坐标系里量出来的向量A,跟在I坐标系里量出来的向量B,是同一个向量。
那如何度量坐标系M中向量A在I单位坐标系下的度量:
Paste_Image.png
3:总结
希望不要被误导了... 可以这么理解线性代数中关于矩阵,线性空间,线性变换等的概念
但是:上文只是帮助理解,却实际上解决不了你的实际遇到的问题,在理解层面上再继续使用线性代数工具吧...