最近重新学习了线性代数,对于矩阵有了一点新的理解。
上学期苏老师讲授优化的时候多涉及矩阵的分析和计算,他跟我们说,在高维矩阵超越想象能力的情况下,
采用低维矩阵去分析和理解问题,往往可以获得更直观的理解,也容易引起思路。
一个简单的例子就是,需要知道36和89 之间有几个数,这就涉及做差后要不要加一个1的问题,
容易考虑的是1-3之间有3个数,是3-1+1的结果,可见要加1,于是问题得到了更简单的分析思路。
最近关于矩阵的理解:
举一个二维矩阵的例子(公式不好打,我用MATLAB的矩阵表示形式),如[1,2;2,4],这个矩阵
可以看成是两个行向量[1,2],[2,4]的组合,那么使用两个二维向量,我们本身可以表示一个二维
的空间。但是对于这个矩阵,他的两个向量是平行的,也就是说,这个原本能够表示二维空间
的矩阵现在只能表示一维空间。他的秩就是1,也就是可以表示的空间的维数。同样道理,我们
有[1,2,3;2,4,6;5,3,1],在这个矩阵中,有两个向量是平行的,因此在表示空间上,他们两个只能
发挥一个人的作用。因此这个满秩情况下能表示3维空间的矩阵现在只能表示二维空间,他的秩是2.
另外,考虑齐次线性方程,[1,2;2,4]*[x,y],其实这个的意思是求与两个向量都垂直的线与他们的交点。
显然,给出的矩阵是一条直线,那么与之垂直的线也有无数个,所以解就不唯一了。同理,
若对于一个满秩的二维矩阵,他表示的是两个向量相交,那么在二维空间内,与两条相交的线都
垂直的向量只有零向量了(要不就得找个垂直于这两个向量确定的平面了,这就要求是三维的了)
,因此只有零解。
矩阵的本质是运动的描述————>探索中