#线性代数与微积分的区别
线性代数—>公理化表述—>抽象的—>第二代数学模型
微积分--------->实用导向—>具体的—>第一代数学模型
几个核心概念
1.空间(space)
空间 | 条件 | 空间 | 条件 | 空间 | 条件 | 空间 |
---|---|---|---|---|---|---|
线性空间 | 定义了范数–> | 赋范线性空间 | 满足完备性–> | 巴拿赫空间 | ||
赋范线性空间 | 定义了角度–> | 内积空间 | 满足完备性–> | 希尔伯特空间 |
从常见的三维空间出发,进行探究:
三维空间的特点:
- 由无穷多位置点组成
- 这些点之间存在相对关系
- 可以在空间中定义长度、角度
- 空间中可以容纳运动,这里的运动是从一点到一点的变换(或者跃迁),并不是微积分上的连续运动
抽象出空间的本质:
空间的本质是:空间容纳运动(变换)
空间与变换:空间是容纳运动的一个对象集合,而变换规定了对应空间的运动(变换)
拓展到线性空间
由空间的本质提出:
问题一:线性空间中的对象是什么,有什么共同点?
问题二:线性空间的运动(线性变换)如何表示?
问题一答案:线性空间中的对象,即空间中的有向线段,即就是向量,可通过选取一组基,并通过坐标表示的方法表达。
问题二答案:在选定一组基后,使用矩阵来描述该空间中任何一个运动(线性变换)。
总结:在线性空间中,选定一组基后,使用向量刻画空间中的对象,使用矩阵来刻画对象的运动,使用矩阵与向量的乘法来施加运动。
2.基
基,可看成线性空间里面的坐标系,选定一组基,即在线性空间中,选定一个坐标系
一句话: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
那么,同一个线性变换,在不同的基下,就会对应不同的描述矩阵
理解:注意区别线性变换和线性变换的描述
比喻:线性变换为一个人,线性变换的描述为对这个人拍照。人不会变,但是拍照的角度会千差万别,角度的变化对应基选择的变化。
3.矩阵
问题:那么给定两个矩阵,是否能知道这两个矩阵是不是对同一个线性变换的描述呢?
答案:肯定的,若矩阵A与B是同一个线性变换的两个不同的描述,那么一定能找到一个非奇异矩阵,使得A、B之间满足:
A
=
P
−
1
B
P
A=P^{-1}BP
A=P−1BP即,相似矩阵的定义。所谓相似矩阵,就是同一个线性变换的不同的描述矩阵。
同一个线性变换,在不同的基(坐标系)下,对这个线性变化的描述,表现为不同的矩阵。但是本质相同,所以本征值相同
这里,同一个线性变化的不同的描述矩阵中,总会有性质较好的描述矩阵。如同,不同的角度拍摄一个人,总有美丑之分,不然也不会有著名的斜上方45度。
特殊性质:矩阵不仅可以作为线性变换的描述,而且可以作为一组基(一个坐标系)的描述。
用作变换的矩阵,不仅可以把线性空间中的一个点变换到另一个点去,而且也可以把线性空间中的一组基(一个坐标系)变换到另一组基(一个坐标系)上去。
4.向量
向量形如:
a
=
[
a
1
,
a
2
,
.
.
.
]
−
1
a=[a_{1},a_{2},...]^{_{-1}}
a=[a1,a2,...]−1
如果一组向量(矩阵)是线性无关的,那么他们就可以成为度量这个线性空间的一组基,每个向量都躺在一个坐标轴上,成为那根坐标轴上的基本度量单位。
所以,解释了上面矩阵的特殊性质,矩阵既可以描述变换,也可以描述坐标系。
5.矩阵乘法
矩阵乘法表示施加变换(左乘):
1.向量的变换
2.坐标系的变换
运动是相对的:
1.对于一个常见的矩阵乘法运算:
M
a
=
b
Ma=b
Ma=b
其中,
M
M
M为矩阵,
a
a
a,
b
b
b为向量。
矩阵 M M M从变换的角度看: 向量 a a a经过矩阵M所描述的线性变换,变成了向量 b b b。
- 如何完成相对运动呢,即向量变换vs坐标系变换?
答:向量变换为: M a = b Ma=b Ma=b:向量 a a a经过矩阵M所描述的线性变换,变成了向量 b b b。
坐标系变换:将 M a = b Ma=b Ma=b两边同乘 M − 1 M^{-1} M−1, M − 1 M^{-1} M−1为坐标系变换,得到 a = M − 1 b a=M^{-1}b a=M−1b,即向量 b b b经过 M − 1 M^{-1} M−1变为 a a a,
矩阵 M M M从坐标系描述的角度看:矩阵M描述了一个坐标系,一个向量在坐标系 M M M下度量成为向量 b b b,在坐标系 I I I的度量下,成为向量 a a a。 I I I为单位阵。
等号代表这两种描述是等价的。
- 对于单独的一个向量:
a = [ a 1 , a 2 , . . . ] − 1 a=[a_{1},a_{2},...]^{_{-1}} a=[a1,a2,...]−1
隐含着,在 I I I坐标系下的度量结果为 a a a,即 I a = a Ia=a Ia=a - 对于单独的一个矩阵:
M M M
隐含着,如果为基,即为一个坐标系;如果为线性变换,意味着,这个矩阵 M M M是在 I I I坐标系下度量的。
对坐标系施加变换的方法,就是让表示那个坐标系的矩阵与表示那个变换的矩阵相乘。
从向量变换的角度看坐标系变换,对坐标系N施加M变换,就是把组成坐标系N中的每个向量施加M变换。