心得-优化基础：向量空间和矩阵

心得-优化基础：向量空间和矩阵

线性代数基础对优化这门课是非常重要的。我总结了之前大一没有搞清楚的几个基本概念，自己学的时候，发现掌握概念这个最容易被我忽视的问题，也是最重要的。当初因为没有理解清楚几个基本的概念，导致后面学习效果很差，总是看完书回头又忘，题目也理解不透。总结心得的过程也是成长的过程。

1、向量和矩阵的区别

定义上的区别：
n维列向量是有n个数的数组，这个数组是一维的，表示时候用“小写粗体字母”。

矩阵则是指行列数组，定义m行n列矩阵为m*n矩阵。在实数域中，同向量一样，矩阵中的每个元素都是实数。表示时候用“大写粗体字母”。

使用上的区别：
矩阵中第i列可以用向量ai表示，所以矩阵除了用m*n个实数表示，还可以用一行或者一列向量的集合表示。

2、向量的维and矩阵的秩
在给定子空间v中，存在线性无关的向量集合，使得v是这些向量长成的子空间，那么称这些向量集合是子空间v的一组基。子空间中可以有无数组基，但是每组基都包含相同的向量的数量，这个向量的数量就称为v的维数（dim）。

和向量差不多，矩阵A中线性无关的“列”的最大数目称为该矩阵的秩（rank）。

两者的联系：
矩阵的秩rankA 正是 子空间v的维数。

3、矩阵和行列式
行列式是n*n的矩阵（方针）相对应的一个标量，可以利用线性代数的方法来计算，本质上可以说是一个数；
矩阵可以说是一群数。