《線性代數應該這樣學》解讀「1」

2021-01-18 工科學習乾貨

「三人務於精熟,而亮獨觀其大略」。

此話出自《魏略》。講的是諸葛亮在荊州與石廣元、徐元直、孟公威俱遊學時,諸葛亮與其他三人不同的學習方法。

誒這張好像不是諸葛亮
來了老弟

應用到線性代數學習上,也是一樣的操作。線性代數偏重於理解,很抽象,很雜,很繁,很煩。除開少部分天賦異稟的平推型選手,很多人應該都需要先觀其大略,有了直觀的大體的掌握,再去細細地計較一些具體操作,才能深刻理解這門學科。

「線性代數好難」共搜索到2400000個

簡單地說就是,這不是一系列很嚴謹正確但是看不懂的文章。

國內教科書大多從行列式講起,國外則不是,Sheldon Axler的《Linear Algebra Done Right》(中文譯名「線性代數應該這樣學」)完全拋棄了矩陣和行列式的概念,深入到最本質的向量空間,講的更清楚。

就是這本

我們先學習這本,然後再學習MIT的《Linear Algebra and ItsApplications》(中文譯名「線性代數及其應用」)。也就是說,先理解向量空間,再練熟矩陣運算。這兩本書還不算淺顯,我想寫的再淺顯一點,這是我的初衷。

還有這本
評價,看看就好

高能預警!!!!!!!!

1.2.3,開始吧。

慢著,和該書一樣,本文的「數」,既可以是實數,也可以是複數。

好我們正式開始。

011.1向量空間

向量空間是集合。

向量空間是集合。

向量空間是集合。

向量空間是什麼的集合?向量的集合。向量?想像成箭頭就好了。

向量空間就是平面,你想想看,很多很多很多很多箭頭密密麻麻在紙上排列,不就是向量空間嗎?

但是我們不能止於此,我們還要研究高維的向量空間。這要引入組的概念。

021.2組

組就是,排列,大家想像成坐標就好啦。在線性代數裡面,就是把一個一個坐標裡面的數字換成向量就好了。

關於組我們需要了解什麼呢?

組和集合的對比:

組有順序,可重複,集合對這兩點沒有要求。例如,組(3,5)和(5,3)是不相等的,但是集合{3,5}和{5,3}是相等的。組(4,4)和(4,4,4)是不相等的(它們的長度不同),而集合{4,4}和{4,4,4}都等於集合{4}。

注意,組的對象可以是數,也可以是點,也可以是向量。如果組的元素是數,那麼組就相當於是向量,組的集合就是向量空間。如果組的元素是向量,那麼組就是元素有順序的向量空間。

031.3向量

大家學線性代數,向量及其運算肯定知道吧...

041.4向量空間(記作V)

誒之前不是有一個向量空間嗎?

剛剛是彩排,我們現在正式請出我們第一章的主角,向量空間。

凡事有根基,我們一般說V是R或者C上的向量空間,不能直接說V是向量空間。意思就是,V中組(向量)的坐標、組(向量)的係數,是實數或者複數。

這裡提到了一個「加法單位元」』、「乘法單位元」和「加法逆」。定義了這些,就可以運算,就像我們定義了1+1=2,那麼所有的數都可以做加法。

051.5多項式

多項式這個概念,大家初中就學過吧。

組的元素可以是一個多項式,這裡看作多項式函數嘛,取不同的自變量,有不同的函數值,每一個函數也可以作為元素來定義向量空間。

061.6向量空間的性質

(1)向量空間有唯一的加法單位元

這種叫「同一法」,很多人會覺得數學一開始各種概念的證明很難,其實這些是有套路的,「同一法」在證明唯一性問題的時候就很常見。就是先假設有兩個加法單位元,然後利用加法單位元的性質去做加法運算,從而證明它們實際上是一樣的。

(2)向量空間每個元素有唯一的加法逆

也是「同一法」。

(3)

你們看,這裡用了之前的加法逆的性質,這也是一種思想,就是我們去證明一個高階的問題的時候可以從低階開始探索。

(4)

(5)

我們注意到,(4)和(5)的證明關乎標量乘法和向量加法,所以一定要用到結合這兩者的分配律。

今天先告一段落,祝大家元宵節快樂!

相關焦點

  • 《線性代數應該這樣學》解讀「13」
    《線性代數應該這樣學》解讀系列為慶祝本號開通原創,時隔三天強勢回歸!感謝百度爸爸!今天一看被邀請成為原創作者了,好開心!咳咳,回歸正題。上一期的最後我們介紹了什麼是可逆性,現在我們有了可逆性的概念之後,去說明一些新的概念。3.10同構同構是建立在可逆基礎上的一種概念,具體來說,先回想一下我們是怎麼形象的說明可逆的?
  • 《線性代數應該這樣學》解讀「14」
    實際上到目前為止,我們的線性代數學習,都是理解概念為主,真正涉及到計算還比較少,當然以後會有一些矩陣的計算。理解概念講究準確且通俗易懂,這也是我們這一系列文章的初心。今天呢我們先學習一下與多項式有關的一些知識,休息一下,(其實學習多項式也是打基礎)明天再開始很重要的一章:本徵值和本徵向量。
  • 《線性代數應該這樣學》解讀「8」
    歡迎大家關注我來查看往期文章,一起交流如何學習線性代數。言歸正傳,昨天實在太困了,就沒說線性映射為什麼不具備交換性,來,我們今天給出一個例子看一下,順便幫大家複習一下。線性映射不具備交換性的例子懂了吧!大家自己也可以舉一些例子。自己舉例子實際上也是一種很好的學習方法哦!
  • 線性代數的非主流經典名作:《線性代數應該這樣學》
    本書是公認的闡述線性代數的經典佳作。從線性代數基礎講起,無需更多數學預備知識。拋棄晦澀難懂的行列式,從向量空間和線性映射出發描述線性算子。包含561道習題和大量示例,提高學生理解和熟練運用線性代數知識的能力並闡明線性代數的主要思想。對術語、結論、證明思路、提及的數學家做了注釋,增加行文趣味性。
  • 《線性代數應該這樣學》解讀「11」
    前者,我們一般用這樣的數學語言來表達:「M(v)是向量v關於基(V1,…… ,Vn)的矩陣」後者則是:「M(T)是線性映射T關於基(V1,…… ,Vn)和(W1,…… ,Wn)的矩陣」。實際上,如果基(V1,…… ,Vn)和(W1,…… ,Wn)在上下文中是自明的。那麼將M(T,(V1,…… ,Vn),(W1,…… ,Wn))簡記為M(T)。
  • 線性代數重要,選對教材更重要:同濟版《線性代數》引發激烈爭議
    以下是對於這些觀點的簡單總結:結構編排不合理很多發帖的同學都指出,同濟版《線性代數》最大的問題就是「結構混亂」,第一章就從「行列式」開始講。對於沒有學過線性代數基本概念的大一同學來講,這種毫無鋪墊的引入方式讓很多同學無法接受。
  • 《線性代數應該這樣學》解讀「6」
    在研究向量的映射之前,我們先來回顧一下高中學過的函數的映射。我們對於y=f(x)這樣一個函數形式很熟悉吧,還記得我們是怎麼說的嗎?x叫作自變量,自變量有一個集合,y叫作因變量(函數),也有一個集合。f叫作對應法則,通過f我們把x和y對應起來,可以有多個x對應一個y,也可以是一個x對應一個y,注意不能有多個x對應一個y哦!
  • 線性代數應該這樣學一
    這樣的「運動」,或者說「躍遷」,是違反我們日常的經驗的。不過了解一點量子物理常識的人,就會立刻指出,量子(例如電子)在不同的能量級軌道上跳躍,就是瞬間發生的,具有這樣一種躍遷行為。所以說,自然界中並不是沒有這種運動現象,只不過宏觀上我們觀察不到。但是不管怎麼說,「運動」這個詞用在這裡,還是容易產生歧義的,說得更確切些,應該是「躍遷」。因此這句話可以改成:「矩陣是線性空間裡躍遷的描述」。
  • 線性代數應該這樣學
    引言線性代數是以解線性方程組為出發點,主要研究線性空間及其上的線性變換.考慮如下的線性方程組: 我們引入矩陣有了線性運算和乘法運算,上述線性方程組就可以分別表示為向量形式和矩陣形式:線性代數主要是圍繞著上述兩種形式來求解線性方程組的.1. 矩陣形式我們已通過矩陣乘法將線性方程組表示為矩陣形式
  • 《線性代數應該這樣學》解讀「10」
    鋪墊來了:3.1兩個推論之後的兩個結論昨天我們根據「重要定理」得到了兩個推論,即:推論一:現在我們可以證明,從一個有限維向量空間到比它更小的向量空間的線性映射不可能是單的,這裡「更小」是用維數來衡量的分開到每一個就是如下這樣表示:和剛剛一樣,把其中的這些a都看作已知的。現在的關鍵問題是,是不是對於每一組常數項C1……Cm,變量X1……Xn都至少有一個解.也就是說,我們想知道rangeT是否等於F^m。由推論二,如果n<m,那麼T不是滿的。
  • 資料下載 | 線性代數應該這樣學(中文第三版)
    《線性代數應該這樣學》 中文版第三版內容簡介:描述線性算子的結構是線性代數的中心任務之一,傳統的方法多以行列式為工具
  • 86歲還在錄網課:MIT教授Gilbert Strang最新「線性代數」課程上線
    無論你是在學校、油管、B 站還是其他地方學《線性代數》,相信你對 MIT 的 Gilbert Strang 老爺子都不會陌生。去年,清華將「線性代數」課本改成英文教材引發熱議,用的就是 Gilbert Strang 寫的《Introduction to Linear Algebra》。
  • 如何學好線性代數?
    哈爾莫斯在回憶錄《我要做數學家》( I Want to Be a Mathematician )談到他第一次學習線性代數的悲慘遭遇[1]:代數課很難,我讀得很搓火。…當我說搓火,我是真的生氣。Brahana… 不知道如何說清楚,我們的教材是 Bcher 的書(我認為寫得一團糟),我花在這個科目的多數時間裡,我的情緒惱火到憤怒。…不知怎麼的,我的線性代數導論最後倖存下來。
  • 85歲MIT教授上線全新「線性代數」公開課:大牛幫你重新梳理知識點
    這門名為「A 2020 Vision of Linear Algebra」的課程一共分為6節,每節課的長度不超過15分鐘。在這門課中,Strang教授以獨立向量和矩陣的列空間作為學習線性代數的起點,逐步引出正交向量、特徵值和特徵向量、奇異值等知識點。
  • 【經典書】線性代數,352頁pdf教你應該這樣學
    好的線性代數教材和資源往往能讓我們學習起來事半功倍!
  • 人工智慧中的線性代數:如何理解並更好地應用它
    如果不掌握應用數學這個領域,你永遠就只能是「門外漢」。當然,學習線性代數道阻且長。數學,尤其是線性代數常與枯燥、複雜和毫無意義的事物聯繫起來。不過你還可以另闢蹊徑。閱讀完本文後,你將了解到:線性代數的本質;線性代數的真實應用場景;線性代數可用於 AI、ML 和數據科學的原因;學習線性代數最有效的方法。
  • 二十年前的全民學英語風潮,如今變成了「學 Python」
    雖然 Python 「出圈」是這兩年的事,但它問世已有近 30 年歷史。稍微接觸過 Python 的人,大多都聽說過這樣一句話:人生苦短,我用 Python。他可以熟練地列舉 Python 的各種好處:「資源太豐富了,你想學人工智慧,框架和庫一堆一堆,多到你不知道用哪個好。」「應該這麼說,大家都用 Python,可以說是生態環境決定了吧。底層和類庫,你當然也可以用其他語言,不過這一大堆東西,你自己再擼一遍,那不是重複造輪子嗎?」阿峰總結道。還有一些人,他們學 Python 並不指望用它解決實際的問題。
  • 這是一份文科生都能看懂的線性代數簡介
    為了得到結果向量中的第一個元素 16,選擇拿來和矩陣相乘的向量中的元素 1 和 5,把它們與矩陣第一行中的元素 1 和 3 相乘,像這樣:1*1 + 3*5 = 16。對矩陣第二行的元素進行相同的計算:4*1 + 0*5 = 4。同樣,再計算矩陣第三行的元素:2*1 + 1*5 = 7。
  • 沉浸式學習線性代數!這裡有一本全交互的線性代數書
    線性代數的書籍那麼多,這本卻獨具特色。準確來講,量詞似乎不能用「本」,因為它需要在網頁上閱讀,更重要的是,書裡的圖是可以動的,讀者還可以拖動圖。這種交互式圖看起來很有意思~書籍地址:http://immersivemath.com/ila/index.html書中的三維立體動態插圖。《Immersive Linear Algebra》的作者是 J.
  • 線性代數的第一堂課──矩陣乘法的定義
    本文轉自周志成老師博客 ccjou.wordpress.com美國數學教授克萊恩(Morris Kline)說:「矩陣理論在被創造前就已發展完善。」這句話讓人一頭霧水,要理清話中的涵意必須從矩陣的發展歷史說起。