思考了一些关于范数的直觉性理解,想先记下来,好好消化消化。
关于矩阵的理解,这里有一篇文章非常不错,对矩阵的直觉理解有深入的剖析,如何理解线性代数
那么在链接的文章中,如果你看过了,就可以理解两个重要的概念:
1.矩阵的本质是运动(跃迁)的描述,线性变换是描述运动的过程,所以线性变换可以用矩阵来表示。
2.一个对象可以表达为无穷多个合理选择的对象的线性和。所以向量表征对象,无穷多个向量可以合理选择线性组合表出其他向量。
我们这里就把向量等价于一个对象,一个矩阵等价于一个变换。
一个向量有一定的维度,而这些维度可以看作这个对象的所有属性,比如一头大象有很多属性--体重,个头,长鼻子,大耳朵等。
书中定义的范数,是在一般的线性空间中,使用范数来定义一个向量的长度。长度是什么?就是两个点之间的差别,那个这个差别如何而来?这样的话,每个人有每个人不同的看法,每个人看得角度不同。
比如那头大象是向量x,那么一个中国人来看这头大象,他心目中产生的“大象”,就会和原始的大象产生差距,||x||a,就表示为向量x的a范数,表征着这个大象由这个中国人来看会产生的现实大象与心中“大象”的差别。
那么接下来定义一个矩阵A,矩阵表征着一个空间到另一个空间的映射,我们继续来看大象,“现实”为一个空间,“心中”为另一个空间,大象从现实映射到心中,我们就可以用Ax来表征“心中的大象”,x-->Ax的变换过程,就是通过矩阵A的变换得到,那么矩阵的范数又是什么呢?矩阵的范数便是这些变换的范围,一个人看大象,可能想到一个动画片中的小象的形象,可能想到泰国,甚至想到蛤蟆(蛤蟆吞大象嘛),而从大象出发映射到这些想象的事物的映射所构成的空间,便是矩阵A的空间,A的a范数||A||a,便是一个中国人的想象空间中映射的长度。那么矩阵的范数当中,为什么多了一条相容性的规则呢?我们定义一个映射,也必须考虑到这个映射输入的数据的范围,比如f(x)=In(x),这个函数的x的范围就必须大于0,如果一个小于0的数x,就无法和这个映射In()相容,所以矩阵的范数与向量的范数相容也就是这个道理,我们定义一个范数就是让一个婴儿来看这头大象,你说婴儿能够看得懂这是什么玩意嘛?那么我们定义的矩阵范数不止一个,比如a范数是中国人看,b范数是美国人看,无论从向量范数比较(现实的大象和心中大象的差距),还是从矩阵范数比较(美国人可能不会想到蛤蟆~~)都会产生不同。
那么一个矩阵范数总能找到一个向量范数与之相容也成立,一个婴儿总会有他看得懂的东西,一些存在他本能里的。
那么所谓矩阵的谱半径,我理解为事物的本质。而矩阵的谱半径是这个矩阵所有矩阵范数的下确界,理解这一定理,也就直观的多。一个矩阵的矩阵范数是通过一个人来看大象的“现象”,现象永远无法超越本质,只能无限靠近本质,谱半径构成的球体是事物本质最大特征为半径构成的,矩阵范数永远只能徘徊于这个球体之外,或无限接近球体。(难怪有人说,哲学和数学一样,是万物的基础)
所谓有限维空间的不同范数是等价的。这句话也好理解了,不同人看大象无论是想成动画片里的“飞天象”也好,或是蛤蟆也罢,最终还是要收敛到大象这个事物上去。
那么所谓的算子范数,算子范数真包含于矩阵范数当中,从与向量范数的相容性出发。算子范数从现实的大象出发,包含中国人的想象,美国人的想象,但不包含婴儿的想象。基于大象出发,诱导出成年人的想象,构成想象空间。但注意,算子范数是范数,是一个实数,不等同于空间,是这个空间的上界,即使变换的上界,大象缩放的上界。
以上是我对这些日子学习的范数概念的直觉性理解,我也是受到了上面推荐的那篇文章的启发,喜欢把具体的数据抽象为我们生活中的东西,不然虽懂得做数学公式推导,但无法理解这样推导的原理,那和计算器没什么区别。
__ __
/ \~~~/ \
,----( .. )
/ \__ __/
/| (\ |(
^ \ /___\ /\ |
|__| |__|-"