矩阵理论听后感.doc

《矩阵理论听后感.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、矩阵理论听后感09级矩阵理论小结（1-16）生一：（）我与矩阵论矩阵是一个重要的数学工具，这是本科线性代数第一章矩阵的第一句话。为什么重要，当时的我并说不出一个缘由，大概只因为这是一门公共必修课，以至于学完这门课之后，我也没有看到有何应用所在，特别是和自己学的化学又有何联系呢。到大二接触结构化学，计算轨道和能级时发现，原来曾经盲目学习过的矩阵求逆，初等变换还是有其用武之地的，再到后来接触matlab软件，从使用内置函数到编写M文件，瞬间感悟，矩阵深入到了数值求解的每个领域。研究生阶段继续学习矩阵分析，不再因为是必选，而是必须。看到计算材料力学性能的论文里频繁提到的Jo

2、rdan标准型，矩阵函数求解，LU分解等曾经陌生的概念，自己才发现当年学习的矩阵知识何其浅薄。许多人说，矩阵分析是线性代数的后续和扩展，学完之后，我有所同感，但更觉得线性代数包含于矩阵分析。从线性代数里的实向量空间延伸到线性空间，从向量的乘积扩展到内积空间……以自己的研究课题为例，计算材料力学性能时，采用了弹簧格子模型，计算中涉及到求解大规模稀疏线性方程组，这个问题如果能够通过调整方程及未知量的顺序使得方程组的系数矩阵成带状结构即可大为简化，对系数矩阵使用LU分解，即可保障单位下三角矩阵L及三角矩阵U仍为带状结构，恐怕这个问题使用本科线性代数就有点力不从心，但不可否认

3、离不开线性代数。矩阵分析中为了不至于研究空间太大，引入了子空间，为了得到矩阵的极限，引入了矩阵范数作为一元衡量尺度。在最后部分，我们提到了矩阵函数，这是研究矩阵的分析运算，但似乎更贴近实用，如我们常碰到的求解一阶线性常系数微分方程组定解问题在这一部分就有谈到。数学是一个庞大的学科，每学完一门课程，就会对该领域有了一个更深入的认识。但数学里的各个门类又有密切关联，解决一个实际问题需要用到多方面的知识，虽然学习数学这门课程许多年，但仍只知皮毛，对于矩阵的了解，我想同样也是略知一二。矩阵分析及其应用课程是学完了，但仍感觉路漫漫其修远兮，吾将上下而求索！最后，感谢老师带给我对

4、矩阵、对数学的新认识！生二：（）我与矩阵论与矩阵论认识之前结识了线性代数，本科的线性代数的学习过程有些起伏，初学感觉比较容易，向量等一些知识在高中或高等数学里已经接触过，学着学着就开始抽象了，开始不那么容易了，又开始理清头绪。最后总算基本弄清楚。研究生阶段接触矩阵论是在学习矩阵理论这门课之前.导师给的一个课题是Subspace-basedmodel-freeH∞control，问题来了，Subspace、H∞都没接触过，自己开始查阅矩阵方面资料书籍，找到了子空间与H∞范数的概念，但是仅凭那概念的几行字还是不能理解子空间方法和H∞范数为什么应用在控制领域。带着诸多疑问进

5、入了研一下的矩阵论课程的学习。通过课程的学习和自己在研究中的思考，慢慢形成了自己对矩阵的理解。虽然前面学的是线性代数，但越来越觉得矩阵论里几何学的意味，在子空间方法的H∞控制的文献里，子空间的投影映射等都是几何学里对应的，A/B，A/cB等都是用几何描述并加以运用的。在我学习矩阵论的过程中，几何学的思想起了很大的作用，空间的基，坐标，映射，都是先在头脑里建立起2维或3维图像加以理解并推广到多维的，虽然多维的空间已经不能用传统的图形来表示，但是可以先通过低维来理解。在课题的研究中，运用了大量的矩阵论的方法与思想，QR分解，SVD，范数，在实际的应用中就要求我对矩阵有更多

6、的了解。QR分解的matlab实现中就发现matlab运算结果与书本的例题结果不一致，诸如此类，都加深了对矩阵论的理解。作为控制科学与工程的硕博研究生，今后的学习中将会有大量的矩阵论知识的应用，这就要求我打好矩阵论的基础，但我觉得最重要的还是空间思想的建立与成熟。在解决问题的时候有空间的思想，或许能发现类似于子空间方法的H∞控制这样的新方法运用在控制中。生三：（）我与矩阵论作为一个理工科学生，一直对数学很感兴趣，成绩一直都还不错。随着从小到大数学的学习过程，我发现一个问题，大家都能很熟练的（地）应用一些理论公式，解决现在的考试问题，但是不理解这些理论的原理，导致大家都

7、依葫芦画瓢的（地）解决一些问题，但不会把它扩展、应用到更深层次上。本人觉得李老师的授课方式还是很不错，能把理论与形象的几何或其它结合在一起。学习枯燥的理论知识很乏味，导致大家不愿意接近数学。但是把那些理论与实际相结合，或用直观形象的图形表示出来的话，能让学生更任意接受。我是工科学生，免不了要用到模式识别方面的知识。矩阵在模式识别中的应用很多，尤其是范数，在分类中的作用非常大，范数理论在机器学习、模式识别中起着举足轻重的作用。矩阵范数反映了线性映射，所以在理解SVM（支持向量机）中很有帮助。可以把一个空间的数据先映射到高维空间，然后再变换回来。可能是缺