【线性代数】 01 - 古老的新学科

  线性代数(Linear Algebra)这门学科大家并不陌生,如果有人还是觉得有点生疏,那么“行列式”、“矩阵”这些概念你总该还有印象。大学各个专业都会深浅不同地学习这门课,文科一般放在《大学数学》里,工科生一般在《线性代数》或《高等数学》中见到它,而我们数学系更多地是上《高等代数》这门课。线性代数之所以能同微积分一同挤进大学数学,就在于它模型的简单性和应用的广泛性。它不光是数学研究的一个基本工具,还是很多工商业学科的理论基础。

  但有意思的是,线性代数成为一门系统学科却还是20世纪初的事。在此之前,各种相关理论独立发展,然后产生交叉,最后在公理化和抽象代数的带动下,终于瓜熟蒂落,形成一套完整的学科。这其实也并不奇怪,它的成长经历和大部分数学学科一样,先是在具体应用中作为一种方法被提出来,然后逐渐从中提取出普遍性理论并形成学科。线性关系作为最简单的一种关系,它的模型和方法存在于很多地方,所以最初它们只是以不同的分支独立发展,而公理化的方法最终捕捉到了它们“线性”的共性,并利用“线性空间”的概念将它们串联起来。

  简单来说,“线性”就是变量间的“一次”、"正比例"关系,变量的变化率是恒定的。直观来讲,所有元素之间有式子(1)中的关系,其中\(k_i\)是系数。这样的关系实在太普遍,它哪怕在最古老的文明中大家都是驾轻就熟的。古人很早就开始解一些线性方程(组),并形成了一些实用的方法,我国的《九章算术》就给出解三元一次方程组的一般方法,它和多元线性方程组的“高斯消元法”本质上是一样的。

\[y=k_1x_1+k_2x_2+\cdots+k_nx_n\tag{1}\]

  解多元线性方程组的过程中,莱布尼茨(Leibniz)最先使用了行列式表示低维方程的解,克莱姆(Cramer)则给出了一般方程组的解。这时的行列式还只是一种记号,仅仅用于方程组解的形式表示。此后,范德蒙(Vandermonde)将行列式独立出来,并研究了行列式的子式展开法,这标志着行列式作为一门学科的开始。而柯西(Cauchy)则对行列式进行了系统的研究,融合矩阵的概念并得出许多重要的结论,故柯西也被当做近代意义上行列式的创始人。

  虽然我们一般说“矩阵的行列式”,但其实矩阵概念的产生却晚于行列式。最初大家也只是形式上使用着这种结构(纵横排列),凯莱(Cayley)最先将矩阵用单个字母表示,这标志着人们开始接受了矩阵作为一个独立个体的存在,凯莱的成果也使它成为矩阵理论的创始人。行列式和矩阵大部分时候是独立发展的,它们的内容和方法关系也并不紧密,而最终却互相成就,结合在了一起。

                       

Cauchy(1789-1857)                      Cayley(1821-1895)

  线性代数的另一个来源是解析几何,空间(平面)点的向量化,使得利用代数研究几何非常方便,空间元素的向量定义,使得讨论高维空间成为可能。其实广义的向量并不仅限于空间的讨论,它本质上只是普遍存在的线性关系的一种表示。即使在非线性的场合,也可以在局部用线性关系来逼近,这在计算数学中有着广泛的应用。另外人们还发现,要讨论向量空间的变换关系,最终还是会引出方程组和矩阵的讨论,由此我也决定从向量空间开启我们的线性之路。

  受到公理化思潮的影响,线性代数的很多基本概念也可以用抽象代数的语言来表示。既然我们已经学习过抽象代数,在行文中我也将不回避相关概念的引用,但其实只要你知道基本概念,就不会影响理解。这里我们相当于把线性代数作为抽象代数的一个分支来讨论,只不过这里研究的结构更为特殊而已。

  空间向量中还有一些具体的问题,一个是二次曲面(线)方程的分类,借助于矩阵理论可以将曲面(线)方程化简为最简形式,从而便于分类,这部分内容就是后面的二次型理论。另外一个是空间几何中长度、角度的概念需要扩展到一般的向量空间中,这部分内容将在最后简单介绍。多项式理论也是线性代数的基本工具,由于在抽象代数中已经以更高的视角讨论过,这里就不再阐述了。关于矩阵还有一些独立的分支学科,比如矩阵论、矩阵分析,这些内容其实与“线性”关系不大,我打算另开课题介绍。



【前序学科】 抽象代数

【参考资料】

[1] 《高等代数》,丘维声,2013

  高等代数的经典教材,作者试图将所有概念串联,编排顺序新颖而合理,课程内容非常详尽,即适合入门,也有对深入内容的探讨。

[2] 《高等代数》,查建国,1988

  一本经典老教材,视角比较高,编排结构合理,解析细致,讲解具有启发性,适合进阶阅读。

[3] 《高等代数》(3rd),王萼芳,2003

  国内一本优秀的入门教材,起步较低,循序渐进,讲解细致流畅,符合基础较少的人阅读。习题丰富,补充习题有难度。

[4] 《高等代数简明教程》(2nd),蓝以中,2007

  总体比较简洁明了,编排顺序有自己的特点,以应用为切入点,增加了直观印象,书中还有大篇幅的扩展内容。

[5] 《高等代数》(5th),张禾瑞,2007

  非常浅显的入门教材,适合几乎零基础的人阅读,总体是一本常规教材,内容比较实用。

[6] 《高等线性代数》,张贤科,2012

  内容编排得非常紧凑,信息量比较大,还包含了不少扩展内容,没有思想性,但适合直接查阅结论。

[7] 《线性空间引论》(3rd),陈恭亮,2009

  一本别出心裁的教材,选材比较新颖,不同于一般的线性代数,论述有较强的启发和引导性,不讲求大而全。

[8] 《线性代数与矩阵论》(2nd),许以超,2008

  算一本常规教材,内容充实简介,再加上一些扩展知识,编排顺序有自己的特点,比较适合入门者。

[9] 《线性代数》(5th),同济大学数学系,2007

  工科专业用的比较多的一本教材,只提取了线性代数中最基础的内容,适合以快速应用为目的的学习。

[10] 《高等代数解题方法》(2nd),张贤科,2005

  内容非常全面,题型覆盖面广,而且总结非常有条理,你如果想找一本知识总结和习题锻炼的书,我首推这一本。

[11] 《线性代数习题集》,普洛斯库利科夫,1978

  前苏联的习题集,那个题量和难度,你懂的!反正我没做,粗略浏览了一下,质量应该挺高。

[12] 《高等代数解题技巧与方法》,黎伯堂,2003

  一本考研习题用书,题目较难,但具有研究性和启发性,值得仔细琢磨。

[13] 《高等代数题解精粹》,钱吉林,2002

  普通的考研习题集,大部分都很简单,且研究意义不大,可作为考试练手用。

[14] 《高等代数综合题解》,蔡剑芳,1986

  一本教材附属的习题集,可以伴随着教材一起练习。

[15] 《Advanced Linear Algebra》,N. Loehr,2014

[16] 《Advanced Linear Algebra》,S. Roman,2007

  两本经典的英文教材,但都是一些高级内容,我没看过,有兴趣的可以学学。

时间: 2024-11-05 11:00:53

【线性代数】 01 - 古老的新学科的相关文章

互联网催生新学科-互联网神经学

作者:刘锋 文章简介:互联网与神经学这两个原本距离遥远的领域,关系远比想象的要深入和密切,过去10年建立的相关理论和实践基础,使得这两个领域交叉可以产生出21世纪的新学科-互联网神经学(Internet neurology) 一.革命技术引发科学突破 每一次人类社会的重大技术变革都会导致新领域的科学革命,大航海时代使人类看到了生物的多样性和孤立生态系统对生物的影响.无论是达尔文还是华莱士都是跟随远航的船队才发现了生物的进化现象. 大工业革命使人类无论在力量的使用还是观察能力都获得的极大的提高.为

线性代数 - 01 行列式

线性代数 - 01 行列式 一.行列式的概念与性质 1.二阶.三阶行列式 2.n阶行列式的全面展开 3.行列式的性质 二.行列式的降阶算法 1.代数余子式 2.特殊行列式的计算公式 3.行列式的降阶算法 三.克莱姆法则 1.行列式的按行(列)展开 2.代数余子式组合定理 3.克莱姆法则 线性代数 - 01 行列式,码迷,mamicode.com

线性代数01 线性的大脑

作者:Vamei 出处:http://www.cnblogs.com/vamei 欢迎转载,也请保留这段声明.谢谢! 线性代数是一门大学课程,但也是相当“惨烈”的一门课程.在大学期间,我对这门学科就没怎么学懂.先是挣扎于各种行列式.解方程,然后又看到奇怪的正交矩阵.酉矩阵.还没来得及消化,期末考试轰然到来,成绩自然凄凄惨惨. 后来读了更多的线性代数的内容,才发现,线性代数远不是一套奇奇怪怪的规定.它的内在逻辑很明确.只可惜大学时的教材,把最重要的一些核心概念,比如线性系统,放在了最后.总结这些惨

新公式:互联网+脑科学=互联网神经学

"互联网+脑科学=互联网神经学" 是我在2015年7月23日中国互联网未来发展高峰论坛暨中国传媒大学"网络与未来社会研究中心"成立仪式上发言时提到的一个公式.演讲的题目是"互联网+脑科学,互联网神经学的提出与未来",先介绍一下这次会议的背景情况. 2015年7月23日,中国互联网未来发展高峰论坛在京举行,会上中国传媒大学"网络与未来社会研究中心"正式成立,作为该中心前期成立的支持者,我一直关注这个中心从筹备到成立的整个过程.应

ubuntu下使用Tesseract-ocr(编译、安装、使用、训练新的语言库)

本文前半部分是来自http://www.qisanfen.com/?p=185的一篇文章,主要讲了安装.训练的大致流程,注意如果需要训练语言库需要把所需要的库安装完整 后半部分大致是官方wiki的翻译版本 如果只安装,不训练,可以看我的另一篇比较简洁的文章http://blog.csdn.net/yimingsilence/article/details/51276138 关于训练的具体细节可以查看官方wiki : https://github.com/tesseract-ocr/tessera

赴促骋刃儋新俺岳示哑

IEEE Spectrum 杂志发布了一年一度的编程语言排行榜,这也是他们发布的第四届编程语言 Top 榜. 据介绍,IEEE Spectrum 的排序是来自 10 个重要线上数据源的综合,例如 Stack Overflow.Twitter.Reddit.IEEE Xplore.GitHub.CareerBuilder 等,对 48 种语言进行排行. 与其他排行榜不同的是,IEEE Spectrum 可以让读者自己选择参数组合时的权重,得到不同的排序结果.考虑到典型的 Spectrum 读者需求

学科-几何:分形几何学

ylbtech-学科-几何:分形几何学 分形几何学是一门以不规则几何形态为研究对象的几何学.相对于传统几何学的研究对象为整数维数,如,零维的点.一维的线.二维的面.三维的立体乃至四维的时空.分形几何学的研究对象为非负实数维数,如0.63.1.58.2.72.log2/log3(参见康托尔集).因为它的研究对象普遍存在于自然界中,因此分形几何学又被称为“大自然的几何学”. 一个数学意义上分形的生成是基于一个不断迭代的方程式,即一种基于递归的反馈系统.分形有几种类型,可以分别依据表现出的精确自相似性

[转]机器学习、深度学习、数据挖掘各种资源整理

Deep Learning(深度学习): ufldl的2个教程(这个没得说,入门绝对的好教程,Ng的,逻辑清晰有练习):一 ufldl的2个教程(这个没得说,入门绝对的好教程,Ng的,逻辑清晰有练习):二 Bengio团队的deep learning教程,用的theano库,主要是rbm系列,搞python的可以参考,很不错. deeplearning.net主页,里面包含的信息量非常多,有software, reading list, research lab, dataset, demo等,

DIP常用资源整理

Deep Learning(深度学习): ufldl的2个教程(这个没得说,入门绝对的好教程,Ng的,逻辑清晰有练习):一 ufldl的2个教程(这个没得说,入门绝对的好教程,Ng的,逻辑清晰有练习):二 Bengio团队的deep learning教程,用的theano库,主要是rbm系列,搞python的可以参考,很不错. deeplearning.net主页,里面包含的信息量非常多,有software, reading list, research lab, dataset, demo等,