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。