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
IT古董12 分钟前
AI 资讯日报 | 2026年10月25日:Kimi K3.1 Pro开源逼近前沿,OpenAI改离线训练,Claude合并Cowork,神经网络黑箱获新解,具身智能竞技场落幕
人工智能·神经网络·开源
小虎AI生活16 分钟前
WorkBuddy + Loomy 实操教程:装开源技能反推任意图片提示词(附完整流程与提示词包)
人工智能·超级个体·一人公司·青玥ai
Rattenking22 分钟前
OpenCV 轨迹栏操作和键盘响应操作
人工智能·opencv·计算机外设
俊俊几年的27 分钟前
动态规划(Dynamic Programming)详解:从入门到 LeetCode Hot 100
linux·c++·算法·leetcode·嵌入式·动态规划·c
科研邪修法31 分钟前
混合方法文献矩阵:先拆字段,再确定分类
人工智能·深度学习
电科_银尘36 分钟前
【深度学习项目实战·30】PM2.5短期预测:用LSTM构造没有未来信息的滑动窗口
人工智能·深度学习·lstm
汤姆宝库43 分钟前
LoRA的低秩数学与QLoRA实现
人工智能·深度学习·机器学习
学编程就要猛9 小时前
RAG(Retrieval Augmented Generation)
人工智能·spring ai
冬奇Lab9 小时前
一天一个开源项目(第259篇):Modern Web Guidance —— Chrome 团队给 AI 编码 Agent 的「现代 Web 最佳实践」外挂
人工智能·开源
小雉系统9 小时前
BcoreOS安全通信架构:FsSession 抗算法后门安全设计
算法·安全·架构