七七影院色七七_免费观看欧美a一级黄片_亚洲综合久久久久久中文字幕_国产999999在线视频免费观看,国产小视频无码,国产精品亚洲日日摸夜夜添,女人高潮潮叫免费网站,久久影院国产精品,日韩成人在线影院,欧美囗交XX×BBB视频,色在线综合高清

<tfoot id="uuu6u"></tfoot>

機(jī)械社區(qū)

標(biāo)題: 轉(zhuǎn)載：如何理解矩陣 [打印本頁]

作者: 水水5 時(shí)間: 2016-5-8 09:39
標(biāo)題: 轉(zhuǎn)載：如何理解矩陣
今天復(fù)習(xí)數(shù)學(xué)，學(xué)的最抽象的線性代數(shù)-矩陣,，然后就看到了這樣一篇博文，看完后感慨萬千~~~萬千,，就跟看那些致青春左耳等電影似得~~
http://blog.csdn.net/myan/article/details/647511
http://blog.csdn.net/myan/article/details/649018

前不久chensh出于不可告人的目的,，要充當(dāng)老師，教別人線性代數(shù),。于是我被揪住就線性代數(shù)中一些務(wù)虛性的問題與他討論了幾次,。很明顯,，chensh覺得，要讓自己在講線性代數(shù)的時(shí)候不被那位強(qiáng)勢的學(xué)生認(rèn)為是神經(jīng)病,，還是比較難的事情,。
可憐的chensh，誰讓你趟這個(gè)地雷陣,？,！色令智昏啊,！
線性代數(shù)課程,，無論你從行列式入手還是直接從矩陣入手，從一開始就充斥著莫名其妙,。比如說,，在全國一般工科院系教學(xué)中應(yīng)用最廣泛的同濟(jì)線性代數(shù)教材（現(xiàn)在到了第四版），一上來就介紹逆序數(shù)這個(gè)“前無古人,，后無來者”的古怪概念,，然后用逆序數(shù)給出行列式的一個(gè)極不直觀的定義，接著是一些簡直犯傻的行列式性質(zhì)和習(xí)題——把這行乘一個(gè)系數(shù)加到另一行上,，再把那一列減過來,，折騰得那叫一個(gè)熱鬧，可就是壓根看不出這個(gè)東西有嘛用,。大多數(shù)像我一樣資質(zhì)平庸的學(xué)生到這里就有點(diǎn)犯暈：連這是個(gè)什么東西都模模糊糊的,，就開始鉆火圈表演了，這未免太“無厘頭”了吧,！于是開始有人逃課,，更多的人開始抄作業(yè)。這下就中招了,，因?yàn)槠浜蟮陌l(fā)展可以用一句峰回路轉(zhuǎn)來形容,，緊跟著這個(gè)無厘頭的行列式的，是一個(gè)同樣無厘頭但是偉大的無以復(fù)加的家伙的出場——矩陣來了,！多年之后,，我才明白，當(dāng)老師犯傻似地用中括號把一堆傻了吧嘰的數(shù)括起來,，并且不緊不慢地說：“這個(gè)東西叫做矩陣”的時(shí)候,，我的數(shù)學(xué)生涯掀開了何等悲壯辛酸、慘絕人寰的一幕,！自那以后,，在幾乎所有跟“學(xué)問”二字稍微沾點(diǎn)邊的東西里，矩陣這個(gè)家伙從不缺席。對于我這個(gè)沒能一次搞定線性代數(shù)的笨蛋來說,，矩陣?yán)洗蟮牟徽堊詠砻棵扛愕梦一翌^土臉,，頭破血流。長期以來,，我在閱讀中一見矩陣,，就如同阿Q見到了假洋鬼子，揉揉額角就繞道走,。
事實(shí)上,，我并不是特例。一般工科學(xué)生初學(xué)線性代數(shù),，通常都會(huì)感到困難,。這種情形在國內(nèi)外皆然。瑞典數(shù)學(xué)家Lars Garding在其名著Encounter with Mathematics中說：“如果不熟悉線性代數(shù)的概念,，要去學(xué)習(xí)自然科學(xué),，現(xiàn)在看來就和文盲差不多。”,，然而“按照現(xiàn)行的國際標(biāo)準(zhǔn),，線性代數(shù)是通過公理化來表述的，它是第二代數(shù)學(xué)模型,，...,，這就帶來了教學(xué)上的困難,�,！�事實(shí)上，當(dāng)我們開始學(xué)習(xí)線性代數(shù)的時(shí)候,，不知不覺就進(jìn)入了“第二代數(shù)學(xué)模型”的范疇當(dāng)中,，這意味著數(shù)學(xué)的表述方式和抽象性有了一次全面的進(jìn)化，對于從小一直在“第一代數(shù)學(xué)模型”,，即以實(shí)用為導(dǎo)向的,、具體的數(shù)學(xué)模型中學(xué)習(xí)的我們來說，在沒有并明確告知的情況下進(jìn)行如此劇烈的paradigm shift,，不感到困難才是奇怪的,。
大部分工科學(xué)生，往往是在學(xué)習(xí)了一些后繼課程,，如數(shù)值分析,、數(shù)學(xué)規(guī)劃、矩陣論之后,，才逐漸能夠理解和熟練運(yùn)用線性代數(shù),。即便如此，不少人即使能夠很熟練地以線性代數(shù)為工具進(jìn)行科研和應(yīng)用工作，但對于很多這門課程的初學(xué)者提出的,、看上去是很基礎(chǔ)的問題卻并不清楚,。比如說：
* 矩陣究竟是什么東西？向量可以被認(rèn)為是具有n個(gè)相互獨(dú)立的性質(zhì)（維度）的對象的表示,，矩陣又是什么呢,？我們?nèi)绻J(rèn)為矩陣是一組列（行）向量組成的新的復(fù)合向量的展開式，那么為什么這種展開式具有如此廣泛的應(yīng)用,？特別是,，為什么偏偏二維的展開式如此有用？如果矩陣中每一個(gè)元素又是一個(gè)向量,，那么我們再展開一次,，變成三維的立方陣，是不是更有用,？
* 矩陣的乘法規(guī)則究竟為什么這樣規(guī)定,？為什么這樣一種怪異的乘法規(guī)則卻能夠在實(shí)踐中發(fā)揮如此巨大的功效？很多看上去似乎是完全不相關(guān)的問題,，最后竟然都?xì)w結(jié)到矩陣的乘法,，這難道不是很奇妙的事情？難道在矩陣乘法那看上去莫名其妙的規(guī)則下面,，包含著世界的某些本質(zhì)規(guī)律,？如果是的話，這些本質(zhì)規(guī)律是什么,？
* 行列式究竟是一個(gè)什么東西,？為什么會(huì)有如此怪異的計(jì)算規(guī)則？行列式與其對應(yīng)方陣本質(zhì)上是什么關(guān)系,？為什么只有方陣才有對應(yīng)的行列式,，而一般矩陣就沒有（不要覺得這個(gè)問題很蠢，如果必要,，針對m x n矩陣定義行列式不是做不到的,，之所以不做，是因?yàn)闆]有這個(gè)必要,，但是為什么沒有這個(gè)必要）,？而且，行列式的計(jì)算規(guī)則,，看上去跟矩陣的任何計(jì)算規(guī)則都沒有直觀的聯(lián)系,，為什么又在很多方面決定了矩陣的性質(zhì)？難道這一切僅是巧合,？
* 矩陣為什么可以分塊計(jì)算,？分塊計(jì)算這件事情看上去是那么隨意,，為什么竟是可行的？
* 對于矩陣轉(zhuǎn)置運(yùn)算AT,，有(AB)T = BTAT,，對于矩陣求逆運(yùn)算A-1，有(AB)-1 = B-1A-1,。兩個(gè)看上去完全沒有什么關(guān)系的運(yùn)算,，為什么有著類似的性質(zhì)？這僅僅是巧合嗎,？
* 為什么說P-1AP得到的矩陣與A矩陣“相似”,？這里的“相似”是什么意思？
* 特征值和特征向量的本質(zhì)是什么,？它們定義就讓人很驚訝,，因?yàn)锳x =λx，一個(gè)諾大的矩陣的效應(yīng),，竟然不過相當(dāng)于一個(gè)小小的數(shù)λ,，確實(shí)有點(diǎn)奇妙。但何至于用“特征”甚至“本征”來界定,？它們刻劃的究竟是什么,？
這樣的一類問題，經(jīng)常讓使用線性代數(shù)已經(jīng)很多年的人都感到為難,。就好像大人面對小孩子的刨根問底,，最后總會(huì)迫不得已地說“就這樣吧，到此為止”一樣,，面對這樣的問題,，很多老手們最后也只能用：“就是這么規(guī)定的，你接受并且記住就好”來搪塞,。然而,，這樣的問題如果不能獲得回答，線性代數(shù)對于我們來說就是一個(gè)粗暴的,、不講道理的、莫名其妙的規(guī)則集合,，我們會(huì)感到,，自己并不是在學(xué)習(xí)一門學(xué)問，而是被不由分說地“拋到”一個(gè)強(qiáng)制的世界中,，只是在考試的皮鞭揮舞之下被迫趕路,，全然無法領(lǐng)略其中的美妙、和諧與統(tǒng)一,。直到多年以后,，我們已經(jīng)發(fā)覺這門學(xué)問如此的有用，卻仍然會(huì)非常迷惑：怎么這么湊巧？
我認(rèn)為,，這是我們的線性代數(shù)教學(xué)中直覺性喪失的后果,。上述這些涉及到“如何能”、“怎么會(huì)”的問題,，僅僅通過純粹的數(shù)學(xué)證明來回答,，是不能令提問者滿意的。比如,，如果你通過一般的證明方法論證了矩陣分塊運(yùn)算確實(shí)可行,，那么這并不能夠讓提問者的疑惑得到解決。他們真正的困惑是：矩陣分塊運(yùn)算為什么竟然是可行的,？究竟只是湊巧,，還是說這是由矩陣這種對象的某種本質(zhì)所必然決定的？如果是后者,，那么矩陣的這些本質(zhì)是什么,？只要對上述那些問題稍加考慮，我們就會(huì)發(fā)現(xiàn),，所有這些問題都不是單純依靠數(shù)學(xué)證明所能夠解決的,。像我們的教科書那樣，凡事用數(shù)學(xué)證明,，最后培養(yǎng)出來的學(xué)生,，只能熟練地使用工具，卻欠缺真正意義上的理解,。
自從1930年代法國布爾巴基學(xué)派興起以來,，數(shù)學(xué)的公理化、系統(tǒng)性描述已經(jīng)獲得巨大的成功,，這使得我們接受的數(shù)學(xué)教育在嚴(yán)謹(jǐn)性上大大提高,。然而數(shù)學(xué)公理化的一個(gè)備受爭議的副作用，就是一般數(shù)學(xué)教育中直覺性的喪失,。數(shù)學(xué)家們似乎認(rèn)為直覺性與抽象性是矛盾的,，因此毫不猶豫地犧牲掉前者。然而包括我本人在內(nèi)的很多人都對此表示懷疑,，我們不認(rèn)為直覺性與抽象性一定相互矛盾,，特別是在數(shù)學(xué)教育中和數(shù)學(xué)教材中，幫助學(xué)生建立直覺,，有助于它們理解那些抽象的概念,，進(jìn)而理解數(shù)學(xué)的本質(zhì)。反之,，如果一味注重形式上的嚴(yán)格性,，學(xué)生就好像被迫進(jìn)行鉆火圈表演的小白鼠一樣,，變成枯燥的規(guī)則的奴隸。
對于線性代數(shù)的類似上述所提到的一些直覺性的問題,，兩年多來我斷斷續(xù)續(xù)地反復(fù)思考了四,、五次，為此閱讀了好幾本國內(nèi)外線性代數(shù),、數(shù)值分析,、代數(shù)和數(shù)學(xué)通論性書籍，其中像前蘇聯(lián)的名著《數(shù)學(xué)：它的內(nèi)容,、方法和意義》,、龔昇教授的《線性代數(shù)五講》、前面提到的Encounter with Mathematics（《數(shù)學(xué)概觀》）以及Thomas A. Garrity的《數(shù)學(xué)拾遺》都給我很大的啟發(fā),。不過即使如此,，我對這個(gè)主題的認(rèn)識也經(jīng)歷了好幾次自我否定。比如以前思考的一些結(jié)論曾經(jīng)寫在自己的blog里,，但是現(xiàn)在看來,，這些結(jié)論基本上都是錯(cuò)誤的。因此打算把自己現(xiàn)在的有關(guān)理解比較完整地記錄下來,，一方面是因?yàn)槲矣X得現(xiàn)在的理解比較成熟了,，可以拿出來與別人探討，向別人請教,。另一方面,，如果以后再有進(jìn)一步的認(rèn)識，把現(xiàn)在的理解給推翻了,，那現(xiàn)在寫的這個(gè)snapshot也是很有意義的,。
因?yàn)榇蛩銓懙帽容^多，所以會(huì)分幾次慢慢寫,。也不知道是不是有時(shí)間慢慢寫完整,，會(huì)不會(huì)中斷，寫著看吧,。
--------------------------------------------------------------------------
今天先談?wù)剬€形空間和矩陣的幾個(gè)核心概念的理解,。這些東西大部分是憑著自己的理解寫出來的，基本上不抄書,，可能有錯(cuò)誤的地方,，希望能夠被指出。但我希望做到直覺,，也就是說能把數(shù)學(xué)背后說的實(shí)質(zhì)問題說出來。
首先說說空間(space),，這個(gè)概念是現(xiàn)代數(shù)學(xué)的命根子之一,，從拓?fù)淇臻g開始,，一步步往上加定義，可以形成很多空間,。線形空間其實(shí)還是比較初級的,，如果在里面定義了范數(shù)，就成了賦范線性空間,。賦范線性空間滿足完備性,，就成了巴那赫空間；賦范線性空間中定義角度,，就有了內(nèi)積空間,，內(nèi)積空間再滿足完備性，就得到希爾伯特空間,。
總之,，空間有很多種。你要是去看某種空間的數(shù)學(xué)定義,，大致都是“存在一個(gè)集合,，在這個(gè)集合上定義某某概念，然后滿足某些性質(zhì)”,，就可以被稱為空間,。這未免有點(diǎn)奇怪,，為什么要用“空間”來稱呼一些這樣的集合呢,？大家將會(huì)看到，其實(shí)這是很有道理的,。
我們一般人最熟悉的空間,，毫無疑問就是我們生活在其中的（按照牛頓的絕對時(shí)空觀）的三維空間，從數(shù)學(xué)上說,，這是一個(gè)三維的歐幾里德空間,，我們先不管那么多，先看看我們熟悉的這樣一個(gè)空間有些什么最基本的特點(diǎn),。仔細(xì)想想我們就會(huì)知道,，這個(gè)三維的空間：1. 由很多（實(shí)際上是無窮多個(gè)）位置點(diǎn)組成；2. 這些點(diǎn)之間存在相對的關(guān)系,；3. 可以在空間中定義長度,、角度；4. 這個(gè)空間可以容納運(yùn)動(dòng),，這里我們所說的運(yùn)動(dòng)是從一個(gè)點(diǎn)到另一個(gè)點(diǎn)的移動(dòng)（變換）,，而不是微積分意義上的“連續(xù)”性的運(yùn)動(dòng)，
上面的這些性質(zhì)中,，最最關(guān)鍵的是第4條,。第1,、2條只能說是空間的基礎(chǔ)，不算是空間特有的性質(zhì),，凡是討論數(shù)學(xué)問題,，都得有一個(gè)集合，大多數(shù)還得在這個(gè)集合上定義一些結(jié)構(gòu)（關(guān)系）,，并不是說有了這些就算是空間,。而第3條太特殊，其他的空間不需要具備,，更不是關(guān)鍵的性質(zhì),。只有第4條是空間的本質(zhì)，也就是說,，容納運(yùn)動(dòng)是空間的本質(zhì)特征,。
認(rèn)識到了這些，我們就可以把我們關(guān)于三維空間的認(rèn)識擴(kuò)展到其他的空間,。事實(shí)上,，不管是什么空間，都必須容納和支持在其中發(fā)生的符合規(guī)則的運(yùn)動(dòng)（變換）,。你會(huì)發(fā)現(xiàn),，在某種空間中往往會(huì)存在一種相對應(yīng)的變換，比如拓?fù)淇臻g中有拓?fù)渥儞Q,，線性空間中有線性變換,，仿射空間中有仿射變換，其實(shí)這些變換都只不過是對應(yīng)空間中允許的運(yùn)動(dòng)形式而已,。
因此只要知道,，“空間”是容納運(yùn)動(dòng)的一個(gè)對象集合，而變換則規(guī)定了對應(yīng)空間的運(yùn)動(dòng),。
下面我們來看看線性空間,。線性空間的定義任何一本書上都有，但是既然我們承認(rèn)線性空間是個(gè)空間,，那么有兩個(gè)最基本的問題必須首先得到解決,，那就是：
1. 空間是一個(gè)對象集合，線性空間也是空間,，所以也是一個(gè)對象集合,。那么線性空間是什么樣的對象的集合？或者說,，線性空間中的對象有什么共同點(diǎn)嗎,？
2. 線性空間中的運(yùn)動(dòng)如何表述的？也就是，線性變換是如何表示的,？
我們先來回答第一個(gè)問題,，回答這個(gè)問題的時(shí)候其實(shí)是不用拐彎抹角的,，可以直截了當(dāng)?shù)慕o出答案,。線性空間中的任何一個(gè)對象，通過選取基和坐標(biāo)的辦法,，都可以表達(dá)為向量的形式,。通常的向量空間我就不說了，舉兩個(gè)不那么平凡的例子：
L1. 最高次項(xiàng)不大于n次的多項(xiàng)式的全體構(gòu)成一個(gè)線性空間,，也就是說,，這個(gè)線性空間中的每一個(gè)對象是一個(gè)多項(xiàng)式。如果我們以x0, x1, ..., xn為基,，那么任何一個(gè)這樣的多項(xiàng)式都可以表達(dá)為一組n+1維向量,，其中的每一個(gè)分量ai其實(shí)就是多項(xiàng)式中x(i-1)項(xiàng)的系數(shù)。值得說明的是,，基的選取有多種辦法,，只要所選取的那一組基線性無關(guān)就可以。這要用到后面提到的概念了,，所以這里先不說,，提一下而已。
L2. 閉區(qū)間[a, b]上的n階連續(xù)可微函數(shù)的全體,，構(gòu)成一個(gè)線性空間,。也就是說，這個(gè)線性空間的每一個(gè)對象是一個(gè)連續(xù)函數(shù),。對于其中任何一個(gè)連續(xù)函數(shù),，根據(jù)魏爾斯特拉斯定理，一定可以找到最高次項(xiàng)不大于n的多項(xiàng)式函數(shù),，使之與該連續(xù)函數(shù)的差為0,，也就是說，完全相等,。這樣就把問題歸結(jié)為L1了,。后面就不用再重復(fù)了。
所以說,，向量是很厲害的,，只要你找到合適的基，用向量可以表示線性空間里任何一個(gè)對象,。這里頭大有文章,，因?yàn)橄蛄勘砻嫔现皇且涣袛?shù)，但是其實(shí)由于它的有序性,，所以除了這些數(shù)本身攜帶的信息之外,，還可以在每個(gè)數(shù)的對應(yīng)位置上攜帶信息,。為什么在程序設(shè)計(jì)中數(shù)組最簡單，卻又威力無窮呢,？根本原因就在于此,。這是另一個(gè)問題了，這里就不說了,。
下面來回答第二個(gè)問題,，這個(gè)問題的回答會(huì)涉及到線性代數(shù)的一個(gè)最根本的問題。
線性空間中的運(yùn)動(dòng),，被稱為線性變換,。也就是說，你從線性空間中的一個(gè)點(diǎn)運(yùn)動(dòng)到任意的另外一個(gè)點(diǎn),，都可以通過一個(gè)線性變化來完成,。那么，線性變換如何表示呢,？很有意思,，在線性空間中，當(dāng)你選定一組基之后,，不僅可以用一個(gè)向量來描述空間中的任何一個(gè)對象,，而且可以用矩陣來描述該空間中的任何一個(gè)運(yùn)動(dòng)（變換）。而使某個(gè)對象發(fā)生對應(yīng)運(yùn)動(dòng)的方法,，就是用代表那個(gè)運(yùn)動(dòng)的矩陣,，乘以代表那個(gè)對象的向量。
簡而言之,，在線性空間中選定基之后,，向量刻畫對象，矩陣刻畫對象的運(yùn)動(dòng),，用矩陣與向量的乘法施加運(yùn)動(dòng),。
是的，矩陣的本質(zhì)是運(yùn)動(dòng)的描述,。如果以后有人問你矩陣是什么,，那么你就可以響亮地告訴他，矩陣的本質(zhì)是運(yùn)動(dòng)的描述,。（chensh,，說你呢！）
可是多么有意思啊,，向量本身不是也可以看成是n x 1矩陣嗎,？這實(shí)在是很奇妙，一個(gè)空間中的對象和運(yùn)動(dòng)竟然可以用相類同的方式表示。能說這是巧合嗎,？如果是巧合的話,，那可真是幸運(yùn)的巧合！可以說,，線性代數(shù)中大多數(shù)奇妙的性質(zhì),，均與這個(gè)巧合有直接的關(guān)系。
（待續(xù)）

接著理解矩陣,。
上一篇里說“矩陣是運(yùn)動(dòng)的描述”,，到現(xiàn)在為止，好像大家都還沒什么意見,。但是我相信早晚會(huì)有數(shù)學(xué)系出身的網(wǎng)友來拍板轉(zhuǎn)。因?yàn)檫\(yùn)動(dòng)這個(gè)概念,，在數(shù)學(xué)和物理里是跟微積分聯(lián)系在一起的,。我們學(xué)習(xí)微積分的時(shí)候，總會(huì)有人照本宣科地告訴你,，初等數(shù)學(xué)是研究常量的數(shù)學(xué),，是研究靜態(tài)的數(shù)學(xué)，高等數(shù)學(xué)是變量的數(shù)學(xué),，是研究運(yùn)動(dòng)的數(shù)學(xué),。大家口口相傳，差不多人人都知道這句話,。但是真知道這句話說的是什么意思的人,，好像也不多。簡而言之,，在我們?nèi)祟惖慕?jīng)驗(yàn)里,，運(yùn)動(dòng)是一個(gè)連續(xù)過程，從A點(diǎn)到B點(diǎn),，就算走得最快的光,，也是需要一個(gè)時(shí)間來逐點(diǎn)地經(jīng)過AB之間的路徑，這就帶來了連續(xù)性的概念,。而連續(xù)這個(gè)事情,，如果不定義極限的概念，根本就解釋不了,。古希臘人的數(shù)學(xué)非常強(qiáng),，但就是缺乏極限觀念，所以解釋不了運(yùn)動(dòng),，被芝諾的那些著名悖論（飛箭不動(dòng),、飛毛腿阿喀琉斯跑不過烏龜?shù)人膫€(gè)悖論）搞得死去活來。因?yàn)檫@篇文章不是講微積分的，所以我就不多說了,。有興趣的讀者可以去看看齊民友教授寫的《重溫微積分》,。我就是讀了這本書開頭的部分，才明白“高等數(shù)學(xué)是研究運(yùn)動(dòng)的數(shù)學(xué)”這句話的道理,。
不過在我這個(gè)《理解矩陣》的文章里,，“運(yùn)動(dòng)”的概念不是微積分中的連續(xù)性的運(yùn)動(dòng)，而是瞬間發(fā)生的變化,。比如這個(gè)時(shí)刻在A點(diǎn),，經(jīng)過一個(gè)“運(yùn)動(dòng)”，一下子就“躍遷”到了B點(diǎn),，其中不需要經(jīng)過A點(diǎn)與B點(diǎn)之間的任何一個(gè)點(diǎn),。這樣的“運(yùn)動(dòng)”，或者說“躍遷”,，是違反我們?nèi)粘５慕?jīng)驗(yàn)的,。不過了解一點(diǎn)量子物理常識的人，就會(huì)立刻指出,，量子（例如電子）在不同的能量級軌道上跳躍,，就是瞬間發(fā)生的，具有這樣一種躍遷行為,。所以說,，自然界中并不是沒有這種運(yùn)動(dòng)現(xiàn)象，只不過宏觀上我們觀察不到,。但是不管怎么說,，“運(yùn)動(dòng)”這個(gè)詞用在這里，還是容易產(chǎn)生歧義的,，說得更確切些,，應(yīng)該是“躍遷”。因此這句話可以改成：
“矩陣是線性空間里躍遷的描述”,。
可是這樣說又太物理,，也就是說太具體，而不夠數(shù)學(xué),，也就是說不夠抽象,。因此我們最后換用一個(gè)正牌的數(shù)學(xué)術(shù)語——變換，來描述這個(gè)事情,。這樣一說,，大家就應(yīng)該明白了，所謂變換,，其實(shí)就是空間里從一個(gè)點(diǎn)（元素/對象）到另一個(gè)點(diǎn)（元素/對象）的躍遷,。比如說,，拓?fù)渥儞Q，就是在拓?fù)淇臻g里從一個(gè)點(diǎn)到另一個(gè)點(diǎn)的躍遷,。再比如說,，仿射變換，就是在仿射空間里從一個(gè)點(diǎn)到另一個(gè)點(diǎn)的躍遷,。附帶說一下,，這個(gè)仿射空間跟向量空間是親兄弟。做計(jì)算機(jī)圖形學(xué)的朋友都知道,，盡管描述一個(gè)三維對象只需要三維向量,，但所有的計(jì)算機(jī)圖形學(xué)變換矩陣都是4 x 4的。說其原因,，很多書上都寫著“為了使用中方便”,，這在我看來簡直就是企圖蒙混過關(guān)。真正的原因,，是因?yàn)樵谟?jì)算機(jī)圖形學(xué)里應(yīng)用的圖形變換,，實(shí)際上是在仿射空間而不是向量空間中進(jìn)行的。想想看,，在向量空間里相一個(gè)向量平行移動(dòng)以后仍是相同的那個(gè)向量，而現(xiàn)實(shí)世界等長的兩個(gè)平行線段當(dāng)然不能被認(rèn)為同一個(gè)東西,，所以計(jì)算機(jī)圖形學(xué)的生存空間實(shí)際上是仿射空間,。而仿射變換的矩陣表示根本就是4 x 4的。又扯遠(yuǎn)了,，有興趣的讀者可以去看《計(jì)算機(jī)圖形學(xué)——幾何工具算法詳解》,。
一旦我們理解了“變換”這個(gè)概念，矩陣的定義就變成：
“矩陣是線性空間里的變換的描述,�,！�
到這里為止，我們終于得到了一個(gè)看上去比較數(shù)學(xué)的定義,。不過還要多說幾句,。教材上一般是這么說的，在一個(gè)線性空間V里的一個(gè)線性變換T,，當(dāng)選定一組基之后,，就可以表示為矩陣。因此我們還要說清楚到底什么是線性變換,，什么是基,，什么叫選定一組基。線性變換的定義是很簡單的,，設(shè)有一種變換T,，使得對于線性空間V中間任何兩個(gè)不相同的對象x和y,，以及任意實(shí)數(shù)a和b，有：
T(ax + by) = aT(x) + bT(y),，
那么就稱T為線性變換,。
定義都是這么寫的，但是光看定義還得不到直覺的理解,。線性變換究竟是一種什么樣的變換,？我們剛才說了，變換是從空間的一個(gè)點(diǎn)躍遷到另一個(gè)點(diǎn),，而線性變換,，就是從一個(gè)線性空間V的某一個(gè)點(diǎn)躍遷到另一個(gè)線性空間W的另一個(gè)點(diǎn)的運(yùn)動(dòng)。這句話里蘊(yùn)含著一層意思,，就是說一個(gè)點(diǎn)不僅可以變換到同一個(gè)線性空間中的另一個(gè)點(diǎn),，而且可以變換到另一個(gè)線性空間中的另一個(gè)點(diǎn)去。不管你怎么變,，只要變換前后都是線性空間中的對象,，這個(gè)變換就一定是線性變換，也就一定可以用一個(gè)非奇異矩陣來描述,。而你用一個(gè)非奇異矩陣去描述的一個(gè)變換,，一定是一個(gè)線性變換。有的人可能要問,，這里為什么要強(qiáng)調(diào)非奇異矩陣,？所謂非奇異，只對方陣有意義,，那么非方陣的情況怎么樣,？這個(gè)說起來就會(huì)比較冗長了，最后要把線性變換作為一種映射,，并且討論其映射性質(zhì),，以及線性變換的核與像等概念才能徹底講清楚。我覺得這個(gè)不算是重點(diǎn),，如果確實(shí)有時(shí)間的話,，以后寫一點(diǎn)。以下我們只探討最常用,、最有用的一種變換,，就是在同一個(gè)線性空間之內(nèi)的線性變換。也就是說,，下面所說的矩陣,，不作說明的話，就是方陣,，而且是非奇異方陣,。學(xué)習(xí)一門學(xué)問,，最重要的是把握主干內(nèi)容，迅速建立對于這門學(xué)問的整體概念,，不必一開始就考慮所有的細(xì)枝末節(jié)和特殊情況,，自亂陣腳。
接著往下說,，什么是基呢,？這個(gè)問題在后面還要大講一番，這里只要把基看成是線性空間里的坐標(biāo)系就可以了,。注意是坐標(biāo)系,，不是坐標(biāo)值，這兩者可是一個(gè)“對立矛盾統(tǒng)一體”,。這樣一來,，“選定一組基”就是說在線性空間里選定一個(gè)坐標(biāo)系。就這意思,。
好,，最后我們把矩陣的定義完善如下：
“矩陣是線性空間中的線性變換的一個(gè)描述。在一個(gè)線性空間中,，只要我們選定一組基,，那么對于任何一個(gè)線性變換，都能夠用一個(gè)確定的矩陣來加以描述,�,！�
理解這句話的關(guān)鍵，在于把“線性變換”與“線性變換的一個(gè)描述”區(qū)別開,。一個(gè)是那個(gè)對象，一個(gè)是對那個(gè)對象的表述,。就好像我們熟悉的面向?qū)ο缶幊讨�,，一個(gè)對象可以有多個(gè)引用，每個(gè)引用可以叫不同的名字,，但都是指的同一個(gè)對象,。如果還不形象，那就干脆來個(gè)很俗的類比,。
比如有一頭豬,，你打算給它拍照片，只要你給照相機(jī)選定了一個(gè)鏡頭位置,，那么就可以給這頭豬拍一張照片,。這個(gè)照片可以看成是這頭豬的一個(gè)描述，但只是一個(gè)片面的的描述,，因?yàn)閾Q一個(gè)鏡頭位置給這頭豬拍照,，能得到一張不同的照片,，也是這頭豬的另一個(gè)片面的描述。所有這樣照出來的照片都是這同一頭豬的描述,，但是又都不是這頭豬本身,。
同樣的，對于一個(gè)線性變換,，只要你選定一組基,，那么就可以找到一個(gè)矩陣來描述這個(gè)線性變換。換一組基,，就得到一個(gè)不同的矩陣,。所有這些矩陣都是這同一個(gè)線性變換的描述，但又都不是線性變換本身,。
但是這樣的話,，問題就來了如果你給我兩張豬的照片，我怎么知道這兩張照片上的是同一頭豬呢,？同樣的,，你給我兩個(gè)矩陣，我怎么知道這兩個(gè)矩陣是描述的同一個(gè)線性變換呢,？如果是同一個(gè)線性變換的不同的矩陣描述,，那就是本家兄弟了，見面不認(rèn)識,，豈不成了笑話,。
好在，我們可以找到同一個(gè)線性變換的矩陣兄弟們的一個(gè)性質(zhì),，那就是：
若矩陣A與B是同一個(gè)線性變換的兩個(gè)不同的描述（之所以會(huì)不同,，是因?yàn)檫x定了不同的基，也就是選定了不同的坐標(biāo)系）,，則一定能找到一個(gè)非奇異矩陣P,，使得A、B之間滿足這樣的關(guān)系：
A = P-1BP
線性代數(shù)稍微熟一點(diǎn)的讀者一下就看出來,，這就是相似矩陣的定義,。沒錯(cuò)，所謂相似矩陣,，就是同一個(gè)線性變換的不同的描述矩陣,。按照這個(gè)定義，同一頭豬的不同角度的照片也可以成為相似照片,。俗了一點(diǎn),，不過能讓人明白。
而在上面式子里那個(gè)矩陣P,，其實(shí)就是A矩陣所基于的基與B矩陣所基于的基這兩組基之間的一個(gè)變換關(guān)系,。關(guān)于這個(gè)結(jié)論,，可以用一種非常直覺的方法來證明（而不是一般教科書上那種形式上的證明），如果有時(shí)間的話,，我以后在blog里補(bǔ)充這個(gè)證明,。
這個(gè)發(fā)現(xiàn)太重要了。原來一族相似矩陣都是同一個(gè)線性變換的描述�,�,！難怪這么重要！工科研究生課程中有矩陣論,、矩陣分析等課程,，其中講了各種各樣的相似變換，比如什么相似標(biāo)準(zhǔn)型,，對角化之類的內(nèi)容,，都要求變換以后得到的那個(gè)矩陣與先前的那個(gè)矩陣式相似的，為什么這么要求,？因?yàn)橹挥羞@樣要求,，才能保證變換前后的兩個(gè)矩陣是描述同一個(gè)線性變換的。當(dāng)然,，同一個(gè)線性變換的不同矩陣描述,，從實(shí)際運(yùn)算性質(zhì)來看并不是不分好環(huán)的。有些描述矩陣就比其他的矩陣性質(zhì)好得多,。這很容易理解,，同一頭豬的照片也有美丑之分嘛。所以矩陣的相似變換可以把一個(gè)比較丑的矩陣變成一個(gè)比較美的矩陣,，而保證這兩個(gè)矩陣都是描述了同一個(gè)線性變換,。
這樣一來，矩陣作為線性變換描述的一面,，基本上說清楚了,。但是，事情沒有那么簡單,，或者說，線性代數(shù)還有比這更奇妙的性質(zhì),，那就是,，矩陣不僅可以作為線性變換的描述，而且可以作為一組基的描述,。而作為變換的矩陣,，不但可以把線性空間中的一個(gè)點(diǎn)給變換到另一個(gè)點(diǎn)去，而且也能夠把線性空間中的一個(gè)坐標(biāo)系（基）表換到另一個(gè)坐標(biāo)系（基）去,。而且,，變換點(diǎn)與變換坐標(biāo)系,，具有異曲同工的效果。線性代數(shù)里最有趣的奧妙,，就蘊(yùn)含在其中,。理解了這些內(nèi)容，線性代數(shù)里很多定理和規(guī)則會(huì)變得更加清晰,、直覺,。
這個(gè)留在下一篇再寫吧。
因?yàn)橛袆e的事情要做,，下一篇可能要過幾天再寫了,。

補(bǔ)充內(nèi)容 (2016-5-16 12:51):
第三版在16#，感謝層主,。

作者: 隨心而恒 時(shí)間: 2016-5-8 09:49
為了學(xué)習(xí)機(jī)器人,，把同濟(jì)等五版的線性代數(shù)看了一遍,，用得最多的就是旋轉(zhuǎn)矩陣,。但感覺還是不能深入理解矩陣,。等過陣子看完常微分方程后，再溫習(xí)一遍,，希望有不一樣的理解。

作者: 逍遙處士 時(shí)間: 2016-5-8 09:55
看起來挺有意思的,。想起了網(wǎng)上一個(gè)數(shù)學(xué)奇人“strongart”,，整天鉆研自己的數(shù)學(xué),，不用上班掙錢。

作者: 海鵬.G 時(shí)間: 2016-5-8 10:08
提示: 作者被禁止或刪除內(nèi)容自動(dòng)屏蔽

作者: 米fans 時(shí)間: 2016-5-8 10:08
矩陣其實(shí)就是描述空間點(diǎn)的運(yùn)動(dòng),，位移,，變換。將空間點(diǎn)的位置描畫得干干凈凈。水水大蝦好久不見

作者: 成形極限 時(shí)間: 2016-5-8 10:12
看了原文,，感覺寫的有點(diǎn)繞了,，并且并沒有將之簡單地說透

作者: 明月山河 時(shí)間: 2016-5-8 10:47
對于其中任何一個(gè)連續(xù)函數(shù),，根據(jù)魏爾斯特拉斯定理,，一定可以找到最高次項(xiàng)不大于n的多項(xiàng)式函數(shù)，使之與該連續(xù)函數(shù)的差為0,，也就是說,，完全相等,。

對這句話表示懷疑，樓主確認(rèn)沒問題嗎,？

作者: 明月山河 時(shí)間: 2016-5-8 10:51
矩陣是從研究線性方程組開始引入的吧,。向量和變換的具體運(yùn)算都是解線性方程組,，把它們的系數(shù)和變換規(guī)則抽象出來就是矩陣吧,。

作者: crazypeanut 時(shí)間: 2016-5-8 11:13

明月山河發(fā)表于 2016-5-8 10:47" n6 t, n2 P; f* v
對于其中任何一個(gè)連續(xù)函數(shù),，根據(jù)魏爾斯特拉斯定理,，一定可以找到最高次項(xiàng)不大于n的多項(xiàng)式函數(shù),，使之與該連 ...

你的判斷完全正確,，這個(gè)說法不對，舉個(gè)反例,，函數(shù)e^x，任給一個(gè)自然數(shù)n,，都不能找到一個(gè)n次多項(xiàng)式，使其和e^x之差為0,。

Weierstrass函數(shù)逼近定理的正確表述：閉區(qū)間上的連續(xù)函數(shù),，可用一個(gè)一致收斂的多項(xiàng)式級數(shù)逼近，且此多項(xiàng)式級數(shù)是唯一的,。

作者: 東海fyh126 時(shí)間: 2016-5-8 11:19
說實(shí)話,，,，,，水的文章都看不到底，不是寫的問題,，是不懂

作者: 明月山河 時(shí)間: 2016-5-8 11:25
L2. 閉區(qū)間[a, b]上的n階連續(xù)可微函數(shù)的全體,，構(gòu)成一個(gè)線性空間。也就是說,，這個(gè)線性空間的每一個(gè)對象是一個(gè)連續(xù)函數(shù),。對于其中任何一個(gè)連續(xù)函數(shù)，根據(jù)魏爾斯特拉斯定理,，一定可以找到最高次項(xiàng)不大于n的多項(xiàng)式函數(shù),，使之與該連續(xù)函數(shù)的差為0，也就是說,，完全相等,。

樓主這句話貌似有這樣一個(gè)反例。[0，Pi]上的分段函數(shù)：y=sin(101x) ,x=[0,PI/2],；y=sin(x),，x=[PI/2,PI]；
該函數(shù)是一階連續(xù)可微的,。那么按照樓主的說法,，可以用一次多項(xiàng)式P(1)等同�,？墒欠匠蘌(1)=0只有一個(gè)根,，這與代數(shù)基本定理矛盾，因?yàn)榉匠蘺=0有很多根,。

作者: crazypeanut 時(shí)間: 2016-5-8 11:34

明月山河發(fā)表于 2016-5-8 10:47; ~+ F3 l" a. Y) c- `5 Z
對于其中任何一個(gè)連續(xù)函數(shù)，根據(jù)魏爾斯特拉斯定理,，一定可以找到最高次項(xiàng)不大于n的多項(xiàng)式函數(shù)，使之與該連 ...

他前面那句話也不對，L1和L2相等,，數(shù)學(xué)上叫做同構(gòu),；任意兩個(gè)線性空間并不能同構(gòu)，文中的L1和L2同構(gòu)是有條件的,，你得在線性空間上定義范數(shù),，也就是距離，使其成為歐幾里得空間,，才能同構(gòu),。

線性空間理論有個(gè)定理：任意兩個(gè)歐幾里得空間，如果他們的維數(shù)相等,，則必定同構(gòu),。

對于全體次數(shù)不大于n的多項(xiàng)式集合,，我們可以定義范數(shù)使其成為歐幾里得空間,，其維數(shù)為n，所以他和n維向量空間是一回事

但是,，對于定義在[0,，1]上的連續(xù)函數(shù)全體,，也可定義范數(shù)成為歐幾里得空間，然而,，這個(gè)歐幾里得空間是無窮維的，也就是任給一個(gè)自然數(shù)n,，我一定可以找到n＋1個(gè)元素,，他們是線性無關(guān)的，這個(gè)空間,，在數(shù)學(xué)上叫做希爾伯特空間,，他和n維向量空間區(qū)別很大,；比如,，n維向量空間一定可以用n個(gè)線性無關(guān)的元素構(gòu)成一組基,，所有元素都可以用這組基線性表出,，但是希爾伯特空間就根本沒有基，絕對不要把這兩個(gè)東西混為一談,。

手機(jī)打字很累,，如果有人有興趣，我可以回家細(xì)說,。

作者: crazypeanut 時(shí)間: 2016-5-8 11:51
把矩陣擴(kuò)展為三維的立方體,，數(shù)學(xué)上有這個(gè)東西,，叫做張量，彈性力學(xué)塑性力學(xué)就要用到這東西了

作者: georgemcu 時(shí)間: 2016-5-13 21:40
最近在攻讀機(jī)器人方面的知識的同行都不少哇,，哈哈

作者: 413877410 時(shí)間: 2016-5-14 20:43
http://blog.csdn.net/myan/article/details/1865397 把第三版貼上

作者: laotounihao 時(shí)間: 2016-5-18 21:33
水太深啊

作者: oldpipe 時(shí)間: 2016-5-21 00:25
其實(shí)就是一種方法,。用來處理線性化的問題,。

歡迎光臨機(jī)械社區(qū) (http://97307.cn/)