杂谈-有感而发

  今天又拜读了线性代数的几何意义这本书,感觉确实是很不错的,从几何角度讲解线性代数,而且将线性代数、几何、数学、物理有机结合起来了,不仅仅是可视化,重要的是能便于自己独立思考下去。

  从大一开始,就听老师说,线性代数多么多么重要,但是实际去学呢,却发现比较深邃,很难理解。当然,最后做题的话,不论考多少,都不敢说自己能深刻理解线性代数,考90和考60,说实话,并没有区别。会做题和有理解有着本质区别的。

  那么问题出在哪里?教材?老师?我觉得都不是。大一下的时候学了向量积,课本切入点是从物理中的旋转切入的,但是里面有个概念叫力矩,初中的概念?反正高中没怎么说过这个词,但是看到这里就不想看其由来了,因为对其方向等等不确定朝哪,反正最后书上得出来的是v = wxr,进而引出向量积。这就跟高中不一样了,高中只用一种乘法,点乘、叉乘没什么区别,但回过头来再看看,确实只能是叉乘,不能是点乘。后来高数课本中提到向量积叉乘简便方法是转换成3阶行列式,为什么呢?不知道,书上也没说,毕竟大一上学了线性代数,知道有这个方法就行,也就这么过去了,对做题没什么影响。

  现在想想,先学线性代数呢还是先搞明白向量积呢?我觉得还是向量积更重要些,理解了这个概念,再结合这个概念去学线性代数,就会好很多。向量在线性代数中的地位十分重要,少了向量积这个概念,硬去学线性代数肯定好不到哪里去。不过可惜的是,大一上迷迷糊糊地学了线性代数,大一下才在高数中学到向量积,而且没有将二者结合起来,只是会一味地做题,真的有用吗?

  另外,高数教材中向量积的切入点,我觉得不如直接从洛伦兹力角度切入,F=qvB?现在来看肯定不是,在纯磁场中,F = qvxB才对,而且对于v和B的叉乘方向再熟悉不过了,B穿掌心,v延四指,大拇指就是F方向。而且这其实也是一种旋转。

  所以现在看看,学线性代数的路线应该是:从洛伦兹力切入向量积概念后,明白混合积的意义,然后再去学线性代数,最好能够可视化,从而产生自己的理解。

相关推荐
chunmiao3032几秒前
皮尤研究:ChatGPT 发布后,超三成新网页带 AI 创作痕迹
人工智能·机器学习·chatgpt
HIT_Weston5 分钟前
181、【Agent】【OpenCode】TuiThreadCmd(类型增长)(编译&运行时)
人工智能·agent·opencode
jeffsonfu28 分钟前
循环神经网络(RNN)详解:处理序列数据的自然选择
人工智能·深度学习
蓝速科技1 小时前
蓝速科技信创落地:平衡安全合规与项目成本的实战方案
android·运维·人工智能·科技·安全·电脑·鸿蒙
TheBestRucy2 小时前
Python 九阳神功:从零筑基到线程飞升
服务器·开发语言·网络·人工智能·python
叩码以求索2 小时前
浅谈:前序遍历反转法求解N叉树的后序遍历
算法
Web3&Basketball2 小时前
vLLM部署开源大模型实战:显存、命令与成本核算
人工智能·深度学习·大模型·ai技术·vllm
Dawson Zhu2 小时前
图结构(Graph)如何重构智能体认知?从DAG规划到GraphRAG的技术拆解
人工智能·语言模型·重构·架构·aigc