線性代數(shù)是什么？

在大學(xué)數(shù)學(xué)學(xué)科中

線性代數(shù)是最為抽象的一門(mén)課

從初等數(shù)學(xué)到線性代數(shù)

思維跨度比微積分和概率統(tǒng)計(jì)要大得多

大多數(shù)小伙伴學(xué)過(guò)以后一直停留在

知其然不知其所以然的階段

若干年之后接觸圖形編等領(lǐng)域

才發(fā)現(xiàn)線性代數(shù)的應(yīng)用無(wú)處不在

但又苦于不能很好地理解和掌握

多數(shù)人很容易理解初等數(shù)學(xué)的各種概念

函數(shù)、方程、數(shù)列

一切都那么的自然

但是一進(jìn)入線性代數(shù)的世界

就好像來(lái)到了另一個(gè)陌生的世界

在各種奇怪的符號(hào)和運(yùn)算里迷失了

在初接觸線性代數(shù)的時(shí)候

簡(jiǎn)直感覺(jué)這是一門(mén)天外飛仙的學(xué)科

一個(gè)疑問(wèn)在腦子里浮現(xiàn)出來(lái)

線性代數(shù)到底是一種客觀的自然規(guī)律還是人為的設(shè)計(jì)？

如果看到這個(gè)問(wèn)題

小伙伴的反應(yīng)是

“這還用問(wèn)，數(shù)學(xué)當(dāng)然是客觀的自然規(guī)律了”

一點(diǎn)兒都不覺(jué)得奇怪

我也曾這樣認(rèn)為

從中學(xué)的初等數(shù)學(xué)和初等物理一路走來(lái)

很少人去懷疑一門(mén)數(shù)學(xué)學(xué)科是不是自然規(guī)律

當(dāng)學(xué)習(xí)微積分、概率統(tǒng)計(jì)時(shí)

也從來(lái)沒(méi)有懷疑過(guò)

唯獨(dú)線性代數(shù)讓我產(chǎn)生了懷疑

因?yàn)樗母鞣N符號(hào)和運(yùn)算規(guī)則太抽象 太奇怪

完全對(duì)應(yīng)不到生活經(jīng)驗(yàn)

線性代數(shù)

引發(fā)了我去思考一門(mén)數(shù)學(xué)學(xué)科的本質(zhì)

其實(shí)

不止是學(xué)生

包括很多數(shù)學(xué)老師

都不清楚線性代數(shù)到底是什么??有什么用

不僅國(guó)內(nèi)如此

國(guó)外也是這樣

國(guó)內(nèi)的孟巖寫(xiě)過(guò)《理解矩陣》

國(guó)外的Sheldon Axler教授寫(xiě)過(guò)《線性代數(shù)應(yīng)該這樣學(xué)》

都沒(méi)有從根本上講清楚線性代數(shù)的來(lái)龍去脈

對(duì)于我自己來(lái)講

讀大學(xué)的時(shí)候沒(méi)有學(xué)懂線性代數(shù)

反而是后來(lái)從編程的角度理解了它

很多人說(shuō)數(shù)學(xué)好可以幫助編程

我恰好反過(guò)來(lái)了

對(duì)程序的理解幫助了我理解數(shù)學(xué)

下面老九君就帶小伙伴們

做一次程序員在線性代數(shù)世界的深度歷險(xiǎn)！

既然是程序員

在進(jìn)入線性代數(shù)的領(lǐng)域之前

我們先考察一番程序世界

請(qǐng)思考這樣一個(gè)問(wèn)題：

計(jì)算機(jī)有

匯編、C/C++、Java、Python等通用語(yǔ)言

還有Makefile、CSS、SQL等DSL

這些語(yǔ)言是一種客觀的自然規(guī)律還是人為的設(shè)計(jì)呢？

為什么要問(wèn)這樣一個(gè)看起來(lái)很蠢的問(wèn)題呢？

它的答案顯而易見(jiàn)

對(duì)天天使用的程序語(yǔ)言的認(rèn)識(shí)

一定勝過(guò)抽象的線性代數(shù)

程序語(yǔ)言雖然包含了內(nèi)在的邏輯，

但它們本質(zhì)上都是人為的設(shè)計(jì)

所有程序語(yǔ)言的共同性在于

建立了一套模型

定義了一套語(yǔ)法

將每種語(yǔ)法映射到特定的語(yǔ)義

程序員和語(yǔ)言實(shí)現(xiàn)者之間遵守語(yǔ)言契約

程序員保證代碼符合語(yǔ)言的語(yǔ)法

編譯器/解釋器保證代碼執(zhí)行的結(jié)果

符合語(yǔ)法相應(yīng)的語(yǔ)義

比如

C++規(guī)定用new A()語(yǔ)法在堆上構(gòu)造對(duì)象A

這樣寫(xiě)了C++就必須保證相應(yīng)的執(zhí)行效果

在堆上分配內(nèi)存并調(diào)用A的構(gòu)造函數(shù)

否則就是編譯器違背語(yǔ)言契約

從應(yīng)用的角度，我們能不能把線性代數(shù)視為一門(mén)程序語(yǔ)言呢？

答案是肯定的，我們可以用語(yǔ)言契約作為標(biāo)準(zhǔn)來(lái)試試。

假設(shè)有一個(gè)圖像，我們想把它旋轉(zhuǎn)60度，再沿x軸方向拉伸2倍；

線性代數(shù)告訴我們，“行！按我的語(yǔ)法構(gòu)造一個(gè)矩陣，再按矩陣乘法規(guī)則去乘你們的圖像，我保證結(jié)果就是你們想要的”。

實(shí)際上，線性代數(shù)和SQL這樣的DSL非常相似，下面來(lái)作一些類(lèi)比：

模型和語(yǔ)義：SQL是在低級(jí)語(yǔ)言之上建立了關(guān)系模型，核心語(yǔ)義是關(guān)系和關(guān)系運(yùn)算；線性代數(shù)在初等數(shù)學(xué)之上建立了向量模型，核心語(yǔ)義是向量和線性變換

語(yǔ)法：SQL為每種語(yǔ)義定義了相應(yīng)的語(yǔ)法，如select, where, join等；線性代數(shù)也定義了向量、矩陣、矩陣乘法等語(yǔ)義概念相應(yīng)的語(yǔ)法

編譯/解釋：SQL可以被編譯/解釋為C語(yǔ)言；線性代數(shù)相關(guān)概念和運(yùn)算規(guī)則可以由初等數(shù)學(xué)知識(shí)來(lái)解釋

實(shí)現(xiàn)：我們可以在MySQL、Oracle等關(guān)系數(shù)據(jù)庫(kù)上進(jìn)行SQL編程；我們也可以在MATLAB、Mathematica等數(shù)學(xué)軟件上進(jìn)行線性代數(shù)編程

所以，從應(yīng)用的角度看，線性代數(shù)是一種人為設(shè)計(jì)的領(lǐng)域特定語(yǔ)言(DSL)，它建立了一套模型并通過(guò)符號(hào)系統(tǒng)完成語(yǔ)法和語(yǔ)義的映射。

實(shí)際上，向量、矩陣、運(yùn)算規(guī)則的語(yǔ)法和語(yǔ)義都是人為的設(shè)計(jì)，這和一門(mén)語(yǔ)言中的各種概念性質(zhì)相同，它是一種創(chuàng)造，但是前提是必須滿足語(yǔ)言契約。

為什么要有線性代數(shù)？

可能有人對(duì)把線性代數(shù)當(dāng)成一門(mén)DSL不放心，給一個(gè)矩陣，你就把我的圖形旋轉(zhuǎn)了60度沿x軸拉伸了2倍，我總感覺(jué)不踏實(shí)啊，我都不知道你“底層”是怎么做！

其實(shí)，這就像有的程序員用高級(jí)語(yǔ)言不踏實(shí)，覺(jué)得底層才是程序的本質(zhì)，老是想知道這句話編譯成匯編是什么樣？那個(gè)操作又分配了多少內(nèi)存？別人在Shell里直接敲一個(gè)wget命令就能取下一個(gè)網(wǎng)頁(yè)，非要用C語(yǔ)言花幾十分鐘來(lái)寫(xiě)一堆代碼才踏實(shí)。

所謂底層和上層只是一種習(xí)慣性的說(shuō)法，并不是誰(shuí)比誰(shuí)更本質(zhì)。

程序的編譯和解釋本質(zhì)上是不同模型間的語(yǔ)義映射，通常情況下是高級(jí)語(yǔ)言映射為低級(jí)語(yǔ)言，但是完全也可以把方向反過(guò)來(lái)。Fabrice Bellard用JavaScript寫(xiě)了一個(gè)虛擬機(jī)，把Linux跑在JavaScript虛擬機(jī)上，這就是把機(jī)器模型往JavaScript模型上映射。

建立新模型肯定依賴(lài)于現(xiàn)有的模型，但這是建模的手段而不是目的，任何一種新模型的目的都為了更簡(jiǎn)單地分析和解決某一類(lèi)問(wèn)題。

線性代數(shù)在建立的時(shí)候，它的各種概念和運(yùn)算規(guī)則依賴(lài)于初等數(shù)學(xué)的知識(shí)，但是一旦建立起來(lái)這層抽象模型之后，我們就應(yīng)該習(xí)慣于直接利用高層次的抽象模型去分析和解決問(wèn)題。

說(shuō)到線性代數(shù)是為了比初等數(shù)學(xué)更容易地分析和解決問(wèn)題，下面我們通過(guò)一個(gè)例子來(lái)實(shí)際感受一下它的好處：

給定三角形的頂點(diǎn)(x1, y1),?(x2, y2),?(x3, y3)，求三角形的面積：

初等數(shù)學(xué)中三角形面積最著名的計(jì)算公式是area = 1/2 * base * height?

當(dāng)三角形有一條邊恰好在坐標(biāo)軸上時(shí)我們就很容易算出它的面積。

但是，假如同樣一個(gè)三角形我們把坐標(biāo)軸旋轉(zhuǎn)一下，讓它的邊不在坐標(biāo)軸上，怎么辦？我們還能得到它的底和高嗎？

答案肯定是可以的，但是就明顯復(fù)雜了，而且還要分很多種情況去分別討論。

相反，如果我們用線性代數(shù)知識(shí)來(lái)解決這個(gè)問(wèn)題就非常輕松。

在線性代數(shù)中兩個(gè)向量a，b的叉積(Cross Product)是一個(gè)向量，其方向與a，b垂直，其大小等于a，b構(gòu)成的平行四邊形的面積:

我們可以把三角形的邊視為向量，所以三角形的面積等于兩個(gè)邊向量的叉積向量的長(zhǎng)度除以二：

area = 1/2 * length(cross_product((x2 - x1, y2 - y1), (x3 - x1, y3 - y1)))

注：length表示取向量長(zhǎng)度，cross_product表示兩個(gè)向量的叉積。

這樣一個(gè)在初等數(shù)學(xué)里面有點(diǎn)兒小難的問(wèn)題在線性代數(shù)中瞬間搞定！

可能有人會(huì)說(shuō)，直接基于叉積來(lái)做，當(dāng)然簡(jiǎn)單了，但是叉積本身不是也挺復(fù)雜的嗎？把它展開(kāi)試試看呢？

是的，模型的作用就是把一部分復(fù)雜性隱藏到模型中，使得模型的使用者可以更加簡(jiǎn)單地解決問(wèn)題。曾經(jīng)有人質(zhì)疑C++太復(fù)雜，C++之父Bjarne Stroustrup這樣回答：

Complexity will go somewhere: if not the language then the application code.

在特定環(huán)境下，問(wèn)題的復(fù)雜性是由其本質(zhì)決定的，C++把一部分的復(fù)雜性納入了語(yǔ)言和標(biāo)準(zhǔn)庫(kù)，目的是使得應(yīng)用程序更為簡(jiǎn)單。

當(dāng)然，并非所有場(chǎng)合C++都使得問(wèn)題更加簡(jiǎn)單，但是從原理上講，C++的復(fù)雜性是有道理的。

除了C++，Java、SQL、CSS等各種語(yǔ)言和框架莫不如是，想象一下，如果不使用數(shù)據(jù)庫(kù)，動(dòng)不動(dòng)就自己去做數(shù)據(jù)存儲(chǔ)和管理是多么復(fù)雜啊！

這樣我們就不難理解為什么線性代數(shù)要定義叉積這樣奇怪的運(yùn)算了，它和C++把很多常用的算法和容器納入STL是同一道理。

同樣的，甚至小伙伴還可以在線性代數(shù)中定義自己想要的運(yùn)算拿來(lái)復(fù)用。

所以，數(shù)學(xué)一點(diǎn)兒不死板，它和程序一樣是活活潑潑的，小伙伴們理解了它的來(lái)龍去脈就能駕馭自如。說(shuō)到這里，我們就順便回答一個(gè)很常見(jiàn)的疑惑：

線性代數(shù)的點(diǎn)積、叉積還有矩陣運(yùn)算都很奇怪，為什么要定義這些運(yùn)算呢？它們的定義又為什么是這個(gè)樣子呢？

其實(shí)，和程序復(fù)用一樣，線性代數(shù)定義點(diǎn)積、叉積和矩陣運(yùn)算是因?yàn)樗鼈兊膽?yīng)用非常廣，有很大的復(fù)用價(jià)值，可以作為我們分析和解決問(wèn)題的基礎(chǔ)。

比如，很多問(wèn)題都涉及到一個(gè)向量到另一個(gè)向量的投影或是求兩個(gè)向量的夾角，那么就會(huì)考慮專(zhuān)門(mén)定義點(diǎn)積(Dot Product)這個(gè)運(yùn)算：

點(diǎn)積概念的提出屬于設(shè)計(jì)，有發(fā)揮創(chuàng)造的余地；一旦設(shè)計(jì)定了，具體公式就不能隨意發(fā)揮了，必須符合邏輯，保證它映射到初等數(shù)學(xué)模型的正確性。

這就像一門(mén)高級(jí)語(yǔ)言可以定義很多概念，什么高階函數(shù)、閉包等等，但是它必須保證映射到底層實(shí)現(xiàn)時(shí)在執(zhí)行產(chǎn)生的效果符合其定義的規(guī)范。

線性代數(shù)好在哪里？

上面說(shuō)了，線性代數(shù)是一種高層次抽象模型，我們可以采用學(xué)習(xí)一門(mén)程序語(yǔ)言的方法去學(xué)習(xí)它的語(yǔ)法和語(yǔ)義，但是這一認(rèn)識(shí)不只針對(duì)線性代數(shù)，它是對(duì)每一門(mén)數(shù)學(xué)學(xué)科通用的，可能有人會(huì)有疑問(wèn)。

微積分、概率論也是高層次抽象，那么線性代數(shù)這種高層次抽象的特點(diǎn)在哪里呢？

這就問(wèn)到了根本上，線性代數(shù)的核心：向量模型。

我們?cè)诔醯葦?shù)學(xué)中學(xué)習(xí)的坐標(biāo)系屬于笛卡爾所提出的解析模型，這個(gè)模型很有用，但同時(shí)也有很大的缺點(diǎn)。

坐標(biāo)系是人為加上的虛擬參考系，但是我們要解決的問(wèn)題，比如求面積，圖形旋轉(zhuǎn)、拉伸等應(yīng)用都是和坐標(biāo)系無(wú)關(guān)的，建立一個(gè)虛擬的坐標(biāo)系往往無(wú)助于解決問(wèn)題，剛才三角形面積的例子就是這樣。

向量模型很好地克服了解析模型的缺點(diǎn)，如果說(shuō)解析模型代表了某種“絕對(duì)性”的世界觀，那么向量模型就代表了某種“相對(duì)性”的世界觀，我推薦把向量模型和解析模型看作對(duì)立的兩種模型。

向量模型中定義了向量和標(biāo)量的概念。向量具有大小和方向，滿足線性組合法則；標(biāo)量是只有大小沒(méi)有方向的量（注：標(biāo)量的另一種更深刻的定義是在旋轉(zhuǎn)變換下保持不變的量）。

向量模型的優(yōu)點(diǎn)之一是其坐標(biāo)系無(wú)關(guān)性，也就是相對(duì)性，它在定義向量和運(yùn)算規(guī)則的時(shí)候從一開(kāi)始就拋開(kāi)了坐標(biāo)系的束縛，不管坐標(biāo)軸怎么旋轉(zhuǎn)，我都能適應(yīng)，向量的線性組合、內(nèi)積、叉積、線性變換等等運(yùn)算全部都是坐標(biāo)系無(wú)關(guān)的。

注意，所謂坐標(biāo)系無(wú)關(guān)性不是說(shuō)就沒(méi)有坐標(biāo)系了，還是有的，剛才三角形例子的頂點(diǎn)就是用坐標(biāo)表示的，只是在解決問(wèn)題的時(shí)候不同的坐標(biāo)系不會(huì)構(gòu)成影響。

用一個(gè)比喻，Java號(hào)稱(chēng)平臺(tái)無(wú)關(guān)，不是說(shuō)Java就是空中樓閣，而是說(shuō)小伙伴用Java編程時(shí)底層是Linux還是Windows往往對(duì)自身沒(méi)有影響。

向量模型有什么好處呢？

除了剛才三角形面積問(wèn)題是一個(gè)例子，下面再舉一個(gè)幾何的例子：

給定三維坐標(biāo)系中的一點(diǎn)(x0, y0, z0)和一個(gè)平面a*x + b*y + c*z + d = 0，求點(diǎn)到平面的垂直距離？

這個(gè)問(wèn)題如果是要從解析幾何的角度去解決幾乎復(fù)雜到?jīng)]法下手，除非是平面恰好是過(guò)坐標(biāo)軸的特殊情況，但是如果從向量模型考慮就很簡(jiǎn)單：

根據(jù)平面方程，平面的法向量(Normal Vector)是v=(a, b, c)，設(shè)從平面上任意一點(diǎn)(x, y, z)到(x0, y0, z0)的向量為w，那么通過(guò)點(diǎn)積dot_product(w, v)算出w到v的投影向量p，其大小就是(x0, y0, z0)到平面a*x + b*y + c*z + d = 0的垂直距離。

這里用到了向量模型的基本概念：法向量，投影向量，點(diǎn)積，整個(gè)問(wèn)題解決過(guò)程簡(jiǎn)潔明快。

下面再給小伙伴們留一道相似的練習(xí)題（熟悉機(jī)器學(xué)習(xí)的朋友可能會(huì)發(fā)現(xiàn)這是線性代數(shù)在線性分類(lèi)中的應(yīng)用）：

給定n維空間中的兩點(diǎn)(a1, a2, ... an)，(b1, b2, ... bn)和一個(gè)超平面c1*x1 + c2*x2 ... + cn*xn + d = 0，請(qǐng)判斷兩點(diǎn)在超平面的同側(cè)或異側(cè)？

離開(kāi)向量，下面我們要請(qǐng)出線性代數(shù)的另一個(gè)主角：矩陣(Matrix)。

線性代數(shù)定義了矩陣和向量、矩陣和矩陣的乘法，運(yùn)算規(guī)則很復(fù)雜，用來(lái)做什么也不清楚，很多初學(xué)者都不能很好地理解，可以說(shuō)矩陣是學(xué)好線性代數(shù)的攔路虎。

遇到復(fù)雜的東西，往往需要先避免一頭陷入細(xì)節(jié)，先從整體上把握它。

其實(shí)，從程序的角度看，無(wú)論形式多么奇怪，它無(wú)非是一種語(yǔ)法，語(yǔ)法必然對(duì)應(yīng)了語(yǔ)義，所以理解矩陣的重點(diǎn)在于理解其語(yǔ)義。

矩陣的語(yǔ)義不止一種，在不同的環(huán)境中有不同的語(yǔ)義，在同一環(huán)境中也可以有不同的解讀，最常見(jiàn)的包括：

1)表示一個(gè)線性變換；

2)表示列向量或行向量的集合；

3)表示子矩陣的集合。

矩陣作為一個(gè)整體對(duì)應(yīng)的是線性變換語(yǔ)義：用矩陣A乘以一個(gè)向量v得到w，矩陣A就代表了v到w的線性變換。

比如，如果想要把向量v0按逆時(shí)針?lè)较蛐D(zhuǎn)60度得到v'，只需要用旋轉(zhuǎn)變換矩陣（Rotation Matrix)去乘v0就可以了。

除了旋轉(zhuǎn)變換，拉伸變換也是一種常見(jiàn)的變換，比如，我們可以通過(guò)一個(gè)拉伸矩陣把向量沿x軸拉伸2倍（請(qǐng)?jiān)囍约航o出拉伸矩陣的形式）。

更重要的是，矩陣乘法有一個(gè)很好的性質(zhì)：滿足結(jié)合率，這就意味著可以對(duì)線性變換進(jìn)行疊加。

舉個(gè)例子，我們可以把“沿逆時(shí)針旋轉(zhuǎn)60度”的矩陣M和“沿x軸拉伸2倍”的矩陣N相乘，得到一個(gè)新矩陣T來(lái)代表“沿逆時(shí)針旋轉(zhuǎn)60度并沿x軸拉伸2倍”。

這是不是很像我們Shell中把多個(gè)命令通過(guò)管道進(jìn)行疊加呢？

上面重點(diǎn)介紹了向量模型的坐標(biāo)系無(wú)關(guān)性，除此之外，向量模型的另一優(yōu)點(diǎn)是它能描述線性關(guān)系，下面我們來(lái)看一個(gè)熟悉的Fibonacci數(shù)列的例子：

Fibonacci數(shù)列定義為：f(n) = f(n-1) + f(n-2), f(0) = 0, f(1) = 1；問(wèn)題：輸入n，請(qǐng)給出求f(n)的時(shí)間復(fù)雜度不超過(guò)O(logn)的算法。

首先，我們構(gòu)造兩個(gè)向量v1=(f(n+1), f(n))和v2=(f(n+2), f(n+1))，根據(jù)Fibonacci

數(shù)列性質(zhì)，我們可以得到從v1到v2的遞推變換矩陣：

并進(jìn)一步得到：

這樣就把線性遞推問(wèn)題轉(zhuǎn)化為了矩陣的n次冪經(jīng)典問(wèn)題，在O（log n）時(shí)間復(fù)雜度內(nèi)解決。除了線性遞推數(shù)列，初等數(shù)學(xué)中著名的n元一次方程組問(wèn)題也可以轉(zhuǎn)化為矩陣和向量乘法形式更容易地解決。

這個(gè)例子是想說(shuō)明，凡是滿足線性關(guān)系的系統(tǒng)都是向量模型的用武之地，我們往往可以把它轉(zhuǎn)化為線性代數(shù)得到簡(jiǎn)潔高效的解決方案。

總結(jié)

本文提出了一種觀點(diǎn)：從應(yīng)用的角度，我們可以把線性代數(shù)視為一門(mén)特定領(lǐng)域的程序語(yǔ)言。線性代數(shù)在初等數(shù)學(xué)基礎(chǔ)上建立了向量模型，定義了一套語(yǔ)法和語(yǔ)義，符合程序語(yǔ)言的語(yǔ)言契約。

向量模型具有坐標(biāo)系無(wú)關(guān)性和線性性，它是整個(gè)線性代數(shù)的核心，是解決線性空間問(wèn)題的最佳模型。向量的概念、性質(zhì)、關(guān)系、變換是掌握和運(yùn)用線性代數(shù)的重點(diǎn)。

對(duì)于編程來(lái)說(shuō)，學(xué)好數(shù)學(xué)是必不可少的。對(duì)于線性代數(shù)而言，用編程的方式來(lái)思考可以幫助理解。

∑編輯?|?Gemini

算法數(shù)學(xué)之美微信公眾號(hào)歡迎賜稿

稿件涉及數(shù)學(xué)、物理、算法、計(jì)算機(jī)、編程等相關(guān)領(lǐng)域，經(jīng)采用我們將奉上稿酬。

投稿郵箱：math_alg@163.com

總結(jié)

以上是生活随笔為你收集整理的数学对于编程来说重要吗？编程大佬眼里的线性代数的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。