上一篇文章中我从纯代数运算的角度来讲述了我对矩阵的一个理解,可以看到,我们赋予了矩阵相应的运算法则,它就在代数、分析等领域显示出了巨大作用。但是纯粹的代数是不足够的,要想更加完美,最好是找到相应的几何对象能够与之对应,只有这样,我们才能够直观地理解它,以达到得心应手的效果。 几何理解 我假设读者已经看过孟岩的《理解矩阵》三篇文章,所以更多的细节我就不重复了。我们知道,矩阵A 事实上由两个向量 (事实上,单位矩阵I是默认的直角坐标系,这一说法并非总是成立的,但是我们现在寻求直观的理解方式,我们就用最简单的东西来实行。) 图上所用的矩阵A是 为什么会有这样的特点?其实这源于我们对矩阵乘法的定义,反过来,如果我们用这样的几何方式来定义矩阵乘法,那么我们也将得到在书本上了解到的矩阵乘法计算公式。更高阶的矩阵也可以作同样的类比。推导过程只是一道很简单的练习题,读者不妨自己动笔尝试一下? 现在我们又回到孟岩文章上的说法了,对于矩阵作用于一个向量(对应的一个点),我们既可以看作点没有变,只不过是坐标系从直角坐标系变换为仿射坐标系而已;另一方面,我们也可以看做矩阵把直角坐标系的一个A'点“运动”(变换)到了A点。这两种说法都行,正如孟岩所说的“运动是相对的”。更正确地讲,两种说法都要同时被提及,才算是最好的理解。矩阵是一个点到另外一个点的变换,变换的方式就是坐标系的变换。 当然,上面只讨论了矩阵乘以向量的乘法,那么矩阵乘以矩阵呢?比如 有了这个直观的几何意义,很多问题看起来几乎都是显然的了,比如那些行列式问题,还有相似矩阵等等,这将在下回谈到。 张量介绍 我们已经大概了解到,数字的有序组合产生了向量,向量的有序组合产生了矩阵。这样两个新构造出来的对象,作用一个比一个大。那么有人会联想到:矩阵的有序组合,就可以产生一个“立方阵”,它的功能会不会更加强大?更一般的,n维立方阵呢?这种联想是有道理的,数学上也有这样的研究对象,它就是张量。 最通俗的说法,n阶张量就是一个n维立方阵,所以0阶张量就对应一个数,向量、矩阵分别对应1阶和2阶张量,我们所说的三维立方阵,就是3阶张量啦。当然,张量属于很高深的数学理论,它的性质和作用不可能这么简单就说清楚了。回想当年,爱因斯坦就是用张量分析作为工具,建立起他那伟大的广义相对论的。如果有机会的话,我们一定会重新造访它。 接下来,我们还是回到矩阵问题,谈谈矩阵的行列式。 |
|