为什么线性代数中作用类似数字1 的不是基本矩阵和单位矩阵阵

来源：蜘蛛抓取(WebSpider) 时间：2020-03-21 08:48 标签： 基本矩阵和单位矩阵

拍照搜题秒出答案，一键查看所有搜题记录

线性代数到底是解决什么问题的?所有的老师在讲矩阵的定义时都是讲它们是排在一起的一个表,它到底是干吗用的?为什么从没囿见过一个老师举一个现实中的例子呢?到底线性代数中的知识对应的几何意义或者物理是什么呢?它有没有对应的几何意义或者物理意义呢?
鈈要复制,我要听本质!是本质!
- 线性代数到底是解决什么问题的?
线性代数本身是研究线性空间及映射结构的,如果从解决问题的角度讲,线性代数昰一种速记语言,用于描述一些其它问题,所以可以让某些问题解决起来更容易.
- 所有的老师在讲矩阵的定义时都是讲它们是排在一起的一个表
即使你没有碰到好的老师,也不要随意推断其他老师的讲解方式.
- 它到底是干吗用的?
矩阵既可以用来速记一组数（表象）,
也可以用来完全刻画囿限维空间之间的线性映射（这个就是本质,自己去理解）.
- 为什么从没有见过一个老师举一个现实中的例子呢?
- 到底线性代数中的知识对应的幾何意义或者物理是什么呢?
线性代数在现实当中用得最多的地方就是求解经过离散化的微分方程,而这些微分方程的主要来源是物理,从实际問题到物理模型到数学模型经常需要很多级近似,一直到离散化以后的最后一步才会用上线性代数.
首先矩阵本身显然是有限维空间之间线性映射，这个是平凡的直接用定义验证就行了。 反过来如果有两个有限维线性空间X和Y（当然要在同一个域上），X->Y的任何线性映射T都可鉯用矩阵表示出来选定X和Y的基之后T的表示矩阵是唯一确定的，这样矩阵就可以用来刻画T本来X、Y、T都很抽象，基的作用就是把抽象的向量用具体的坐标来表示X和Y的基都给定之后T可以用矩阵表示，这样所有抽象的量都可以转化为很具体的量进行研究 至于相抵变换、合同變换、相似变换，这些变换的目的是为了让矩阵的形式更简单更易于研究。 另外由于矩阵本质上就是线性映射，矩阵的乘法就是复合映射所以有结合律但是一般没有交换律。学过线性映射之后应该自己回过去理解一下矩阵乘法的定义 从学习方法的角度讲，不能太依賴老师和教材要自己多思考。好的老师好的教材固然可以帮你省掉很多时间但是即便如此自己多思考仍然是有必要的。

前边我承诺过会写一些关于自己對矩阵的理解其实孟岩在《理解矩阵》这三篇文章中，已经用一种很直观的方法告诉了我们有关矩阵以及线性代数的一些性质和思想洏我对矩阵的理解，大多数也是来源于他的文章当然，为了更好地理解线性代数我还阅读了很多相关书籍，以求得到一种符合直觉的悝解方式孟岩的blog已经很久没有更新了，在此谨引用他的标题来叙述我对矩阵的理解。

        当然我不打算追求那些空间、算子那些高抽象性的问题，我只是想发表一下自己对线性代数中一些常用工具的看法比如说矩阵、行列式等。同时文章命名为“理解矩阵”，也就是說这不是矩阵入门教程而是与已经有一定的线性代数基础的读者一起探讨关于矩阵的其他理解方式，仅此而已我估计基本上学过线性玳数的读者都能够读懂这篇文章。

我们不妨回忆一下矩阵是怎么产生的。矩阵可以看成是一个个向量的有序组合这说明矩阵可以类比姠量；但是向量又是怎么产生的？向量则是一个个数字的有序组合这又把我们的研究方向指向了“数字是什么”这个问题上。比如数芓1是什么？它可以代表1米可以代表1千克，也可以代表1分钟、1摄氏度甚至1个苹果它为什么有这么多的表示意义？答案很简单因为在本質上，它什么都不是它就是数字1，一个记号一个抽象的概念。正因为它抽象它才可以被赋予各种各样直观的意义！回到矩阵本身，峩们才会明白矩阵的作用如此之大，就是因为书本上那个很枯燥的定义——矩阵就是m行n列的一个数表！它把矩阵抽象出来让它得到了“进化”。它是一个更一般化的概念：一个向量可以看作一个矩阵甚至一个数都可以看成一个矩阵，等等

当然，上述说法是含糊的峩们还是需要确切知道它究竟有什么用？这可以从代数和几何的角度来分析因为做到数形结合才是最完美的。首先我们知道数学最基本嘚元素就是数字严格来说是自然数，如01，2...；有了数字，我们就可以做到很多东西但是数字是单一的，而我们很多时候都要批量处悝一些类似的运算比如同时要计算1+2，1+32+3，4+5这四个算式不论是从记录还是从研究的角度来说，分开研究它们都是比较繁琐的于是一种“批量”的记号产生了，我们记为(1,1,2,4)+(2,3,3,5)用两个不同记号记录它们，比如 这样不论在研究还是记录方面都能够给我们方便。于是一个我们称の为“向量”的东西产生了也就是说，从代数的角度来讲向量是为了研究批量运算而产生的。但是向量并没有解决所有的批量运算的問题比如3元一次方程组

        单单用向量我们还是没有办法很好地研究这一类问题。于是我们就要想法子创造出一些新的记号由于左边的系數的具有一定的排列顺序和统一的形式，我们不妨把它们单独写出来

        由此我们可以定义一个3阶方阵乘以一个3维列向量的乘法了这是一种純粹的定义，是为了方便我们记录和研究的定义在此基础上，我们就可以研究更多的东西比如矩阵乘矩阵会得到什么？

        同样这里要研究的矩阵都是指n阶方阵这个最核心的东西，我们要先把核心问题研究透彻不然一开始就考虑所有的繁杂的情况，容易让我们陷入迷惘Φ而不知所措

在研究一般乘法之前，我们先来了解一下关于运算定律问题我们知道在实数中，加法满足结合律和交换律乘法满足结匼律、交换律和分配律。哪些定律可以迁移到矩阵乘法中的呢交换律是无法先验的，它是个定义问题我可以定义它成立也可以定义不荿立，但是为了运算的方便我们还是希望它满足更多地运算定律，所以我们先来考虑结合律希望它能够满足这一定律。也就是说

已经昰我们所熟知的运算（由定义而来）它将得到一个列向量，所以我们也可以轻易算出 A(Bx) 从直观上来讲， AB 应该也是一个n阶方阵我们可以先把它设出来，然后与列向量x进行运算最后把两边的结果一一对应起来，就得到了 AB 这个n阶方阵中各个元素的表达式我们最终可以发现，它就是我们书本上定义的表达式

以2阶方阵为例，令A为

        现在我们就可以从代数的角度来讲矩阵是为了简化批量线性运算的一个“终极武器”！这就是矩阵的一个比较直观和有用的代数意义。

        如果根据我们这个定义去考虑交换律我们会发现矩阵一般不符合交换律。这不能不说是一个遗憾但是没关系，它服从结合律这一个事实已经赋予了这个工具极大的力量。比如线性方程组 Ax=y 如果我们想办法找到一個矩阵 B ，使得 AB=I 那么就很棒了，因为我只要用矩阵B作用于向量y就可以得到方程组的解了事实上这样的矩阵B是存在的，这就是逆矩阵要昰没有结合律，这一切都免谈！

        由于这是实数基本运算（线性运算）的“批量版”那么我们就可以很自然地把实数的一些公式延伸为矩陣版（只要不是涉及到交换律就行）。比如在实数中，我们有公式

其中I是基本矩阵和单位矩阵阵A是一个“比较小”的矩阵。至于“比較小”怎么定义现在还说不清楚，可以认为是矩阵的行列式值比较小类似的，根据

这是求矩阵“平方根”的一个近似公式。

        得益于峩们定义的矩阵乘法批量的运算可以直接用单个量的运算公式进行，不用我们煞费苦心、绞尽脑汁地构思新的公式这就是矩阵的强大所在！它在解决很多线性问题时有着奇迹般的美妙，最简单的例子莫过于线性方程组 解答方程组的时候就好像求解一元方程那样有简单嘚形式！还有一些关于指数的定义等等，以后在应用时会把它介绍的它们都好像非常精美的“艺术品”！

        下一回，我们将从几何角度来悝解矩阵当然，这里边的绝大多数内容在孟岩的文章里头都已经提到了我只是重提旧论而已，希望读者不会厌烦


我要回帖

更多关于 基本矩阵和单位矩阵 的文章

 

随机推荐