线性代数笔记

线性代数的本质

序言

初次学习线性代数的学生往往对这一科目的理解很肤浅，学生在教室中学到的可能是如何进行各种各样的计算，比如：

• 矩阵乘法
  $$\left[\begin{array}{cc}a& b\\ c& d\end{array}\right]\left[\begin{array}{cc}e& f\\ g& h\end{array}\right]=\left[\begin{array}{cc}ae+bg& af+bh\\ ce+dg& cf+dh\end{array}\right]$$

• 行列式
  $$Det\left(\begin{array}{cc}a& b\\ c& d\end{array}\right)=ac-bc$$

• 叉积，其中用到了行列式
  $$v\times w=Det\left(\begin{array}{ccc}\hat{i}& \hat{j}& \hat{k}\\ v_1& v_2& v_3\\ w_1& w_2& w_3\end{array}\right)$$

• 特征值
  $$Det(A-\lambda I)=0$$
  ​ 但结果很可能是学生并非真正理解为什么矩阵乘法要如此定义，为什么叉积与行列式有所关联，又或者特征值究竟代表了什么；大部分时候，学生对于矩阵的数值操作驾轻就熟，但对于潜在的几何直观知之甚少。在数值水平和几何水平上理解线性代数上有着根本性的差异，它们各有千秋，但粗略地讲，几何水平上理解能让你判断出解决特定问题需要用什么样的工具，感受它们为什么有用，以及如何解读最终结果；数值水平上的理解则能让你顺利应用这些工具。

​ 假如你在学习线性代数时，并没有几何上的直观理解作为坚实基础，问题可能暂时不会浮出水面，但当你在你的研究领域中继续钻研时，它就会显露出来；

向量究竟是什么

线性代数中最基础、最根源的组成部分就是向量，有三种看待向量的观点，看似不同却有所关联。

• 物理专业学生的视角

  向量是空间中的箭头，决定一个向量的是它的长度和它所指的方向，但只要以上两个特征相同，你可以自由移动一个向量而保持它不变。

• 计算机专业学生的视角

  向量是有序的数字列表，在这里，“向量” 只不过是 “列表” 的一个花哨的说法。

• 数学家的视角

  大致地说，向量可以是任何东西，只要保证两个向量相加及数字与向量相乘是有意义的即可；

向量加法和向量数乘贯穿线性代数始终，二者起着重要的作用。

​ 线性代数的效用很少体现在这些观点的其中一个上，而是更多地体现在它能够在这些观点中相互转化。线性代数为数据分析提供了一条大量数据列表概念化、可视化的渠道，它让数据样式变得非常明晰，并让你大致了解特定运算的意义。另一方面，线性代数给物理学家和计算机图形程序员提供了一种语言，让他们通过计算机处理的数字来描述操纵空间。

，它让数据样式变得非常明晰，并让你大致了解特定运算的意义。另一方面，线性代数给物理学家和计算机图形程序员提供了一种语言，让他们通过计算机处理的数字来描述操纵空间。