向量学习之高维思考

简介: 向量学习之高维思考

前两年看了一部电影叫《星际穿越》,电影的最后有个精彩的桥段,是男主跌落到了宇宙中的黑洞深处。他发现自己进入了一个高维空间。他能够看到他在地球上的女儿,他女儿看不见他。而且能看到不同时空状态下他的女儿。比如昨天的,现在的和明天的女儿。当时就觉得编剧脑洞真大,可最近两年大家总在说高维思考,理论不好理解,但是这部电影其实很好的诠释了高维的概念,三维大家都知道,第四维其实就是时间,看似完全没有联系的内容就通过一个新的概念联系在了一起,就好像最近我们在学习的向量,里面有很多的数学概念,因为断断续续的学习,其实有些内容掌握的不是很好,对于今天这篇文章来说,概念性的理解并不是很透彻,但是我感觉学习向量的目的不光是为了学习数学而学习,更多的是提升自己高维思考的能力,所以我也想从这个角度来深入的来说一下自己的理解。


可能大家都听过一句话叫“于一滴水中见三千大千世界”。这句话什么意思不去探讨,只说这里面有关于多维思考的隐射,你看到的仅仅只是一滴水,但是在别人眼里却是五彩斑斓,丰富多彩的大千世界,我们最常听到的就是仁者见仁智者见智,现在人与人之间的维度思考差异正在拉大。你看不到的东西不代表别人看不到。我们现在面临的竞争问题已经不仅仅只是知识的储备,学历的差距,工作的经验。最终你不如别人的地方可能正是思考维度的层次不同,不能升维思考的一个原因源于我们抽象思维能力的欠缺。思维太过具象的人,会盯着事物所呈现出的表象琢磨,而抽象思维能力高的人会突破事物的表象,回到事物的源头和真相去琢磨。网上看过一些小故事,说原始社会的人对数字的理解最多能理解到“5”,多于“5”对他们来说就是无法想象了。如果你问阿基米德时代的人海滩上有多少沙子,他们会说无穷多,阿基米德时代的人无法理解“100万”这样的大数。蒙古大汗带兵打仗统计兵马的方法是,在草场上用篱笆围个大圈,让部队一批批进入这个圈,进出5次,就代表我的部队有"5”人,我们看来可以精确把握的东西他们却把握不了。回到现代,比如:偶数和自然数哪个多,比如:直线和曲线上的点哪个多?老师同样也提出过这样的问题,记得有一节课的内容就是讨论类似的数学题,那节课老师把高维思想引入到了数学里,但是当时老师没有明说,只是要我们思考,但是的感觉就是原来还有这么一回事,是呢,为什么是这样的呢,现在再学向量,似乎当时的那层窗户纸被捅破了,也突然明白老师这个伏笔埋的真好。


其实抽象能力随着现在年龄阶段的不同,在成反比例的增长,怎么说呢,就是00后的抽象能力高出70后很多很多,这和他们的知识面见识广有很大的关系,网络的发展,带动知识的共享,信息的共享,多方面多角度的再给现在人呈现出一个问题的多角度思考,媒体在其中发挥了很大的作用,通过网络了解别人的思想,接收别人的信息,你的思想也随之在变化,有提高,有突破,有豁然开朗,有思维碰撞也有爆炸,懂得越来越多,思考的角度越来越多,但是随着年龄的增大,固有思想根深蒂固,比如很多年轻人可以轻松理解未来部分是可知的、可规划的,但不少中老年人则认为未来完全不可知不可控,因此,他们在做规划时直接少了ー个可把握维度,做事方式频繁呈现乱撞的状态。但是如果规划做的特别细致特别具象,其脆弱性也往往越强,存在度越低,因为这样的计划需要太多条件支撑,任何一个条件一变就“计划赶不上变化"了,抽象思维不够,是无法做出长期有效的规划的。我们对世界的认知就是对世界某些关键特征的提炼,比如重力,这只是对东西往下掉这个现象的一个解释,是人编造出来可以合理解释这个现象的东西,再比如, 世界上本来没有“1”的概念,但我们却从中提炼出了“1”,“1”只是我们从事物众多特性中提炼出的一种属性,除了1外,大量的事物其它属性,比如水杯,还有颜色、大小、用途、材质、手感等等多方面的属性。再比如1+1=2,数学里成立,但是一个苹果+一个毛巾=2只猫显然是不成立的,但是,我们可以从中找出它们的共性,抽象出了1+1=2的数学概念。抽象能力就是一种高维思考的能力,只是当你拥有了高维思想后,再往下看时,就像《星际穿越》里演的那样,你会看到另外一个世界,让自己的眼界不在局限于二维三维世界,让人生之路变得更加宽阔,更多选择,让生命愈加的缤纷。拥有高维思想是为了让你在具备看事物本质、长远,透彻的情况下,能让自己在大多数时候对大多数事件做出最适合当时的选择。人与人最大的区别也正是在于思维。这里说的思维就是思考问题的方式,这跟你所学到的知识、技能或者阅历有关系,但关系并不大。


说到抽象能力自然想到自己的专业,老师一直讲代码的抽象封装,没有封装,就不会有“面向对象”的说法,而继承和多态,都是建立在封装的基础之上。抽象就是忽略一个问题中与当前目标无关的那些方面,以便更充分的注意与当前目标有关的部分,抽象不打算了解问题的全部,而是只选择其中的一个部分,而封装就是把过程和数据包围起来,对数据的访问只能通过已定义的界面。不知道放在这里说合不合适,但是我感觉学习向量也好,了解抽象封装也罢,都是为了提高我们的高维思考能力,反之来更好的学习,提高专业能力及各方面的能力。不如一个项目经理,为了图省事不去要求程序员建立长期有拓展性的抽象架构,面对新的应用场景时往往被迫要把程序完全推到重写,这样的成本代价太高。这就是没有站在高维的角度去思考长远的目标和目的。


说了半天自己对高维思想的理解,现在回到问题上来,不是专业的解答,甚至都不一定是正确的理解,权当是对目前学习到内容的一个小的回顾。

1、方向和长度相等的向量,为什么是相等的。

这要从向量的概念出发,是既有大小又有方向的量叫向量。思考向量的两个角度一个是方向一个是长度,单从一方面考虑的话都不能称之为向量,向量没有固定的位置,也就是向量可以随便移动,或者说不在同一平面的几个向量,只要方向相同,长度相等,就是相等的向量,我们可以运用平行四边形来解释这个问题,平行及角度相同,平行的两边又相等,平行四边形平行的两边方向相同,长度相等,由此解释了方向和长度相等的向量是相等的。


2、高维思考—整体考虑的学习内容有哪些。

比如面积,买房子不考虑户型,只考虑面积,面积相同价钱就相等。同样,容器的容量也是一样,无所谓容器的形状什么样子,装的溶液一样多,就说它们的容量相等。物理中这样的概念很多,比如质量,比如距离。要说到学习,整体考虑的内容就更多了,比如英语的学习,总的来说英语要学单词,学句式,学写作,学听力发音,等等,多维度学习,才能说英语学的好,单一方面只能说英语口语不错,写作不错,考试不错,但不能统一起来说英语不错,因为英语学习是一个系统的整体的全方位的学习。再比如拿出英语单词来说,除了音标学习,对意思的学习,就不单单是词典上翻译过来的字面意思,因为你不能脱离语境,脱离时间空间的改变,单词的意思也在随之做相应的改变和发展。再比如数学的学习,语文的学习,各科的学习都是从小学,甚至幼儿园开始,经过一点一滴知识的积累,才逐步加深知识的难度,所有的学习都是从整体考虑,安排各个时间段的学习内容,知识之间没有独立存在的,相互之间都有关系,所以才有了我们编制知识网的过程,才有了N+1和1+N的学习过程。学习多去尝试思考更深一层的东西,也就是所谓事物的本质。因为所有的底层的规律都是相通的。构建自己的知识体系,把各个知识点串联起来,就会发现清晰的知识体系。



3、向量的计算法则,三角形法则和四边形法则。

20201115211708805.png

a,b两个向量相加,合就是a+b,假设a和b都是二维空间  的向量,其合就是上图中的平行四边形的对角线。三角形法则和平行四边形法则本质上是一样的,只不过三角形法则更简单,平行四边形使用更广.例如平行四边形ABCD,AB和CD是对边,向量BA+向量BC中,BC可以平移为BD,如此便是三角形法则。

4、多向量为什么只可以分解成两个正交分解。

把一个向量分解为两个互相垂直的向量,叫做把向量正交分解。这里对什么是多向量暂时不是很清楚,所以这个问题需要后面再学习一下,暂时做个留白吧。

   5、有了向量的认知能力,思想是如何飞翔的。

文章前半部分就算是我思想的一个飞跃吧,飞翔还算不上,毕竟高维的翅膀也才只长出来一点点,后期还需要多加的学习,使用来丰盈羽翼。


相关文章
向量 (高维思考)
向量 (高维思考)
86 0
向量带来的高维思维
学习向量对于我们来说是突然的,感觉我一直在经历“降维打击”,经过十几节课的系统学习,向量似乎在我的眼里和高中时候的不太一样了。为什么这么说呢?在以前的认知里,向量就是简单的“有大小、有方向的量”,
|
机器学习/深度学习 数据可视化 测试技术
使用Tensorboard投影进行高维向量的可视化
使用Tensorboard投影进行高维向量的可视化
318 0
使用Tensorboard投影进行高维向量的可视化
|
机器学习/深度学习 算法 搜索推荐
高维向量检索的设计与实践(一)|学习笔记
快速学习高维向量检索的设计与实践(一)
282 0
高维向量检索的设计与实践(一)|学习笔记
|
存储 SQL 算法
高维向量检索的设计与实践(二)|学习笔记
快速学习高维向量检索的设计与实践(二)
307 0
高维向量检索的设计与实践(二)|学习笔记
|
存储 算法 数据挖掘
高维向量检索的设计与实践(三)|学习笔记
快速学习高维向量检索的设计与实践(三)
200 0
高维向量检索的设计与实践(三)|学习笔记
|
BI 数据库 开发者
高维向量检索的设计与实践|学习笔记
快速学习高维向量检索的设计与实践
124 0
高维向量检索的设计与实践|学习笔记
|
关系型数据库
《高维向量检索技术在PG中的设计与实践》电子版地址
高维向量检索技术在PG中的设计与实践
80 0
《高维向量检索技术在PG中的设计与实践》电子版地址
|
存储 算法 搜索推荐
高维向量检索技术在PG中的设计与实践 ——杨文(缁尘)
高维向量检索技术在PG中的设计与实践 ——杨文(缁尘)
高维向量检索技术在PG中的设计与实践                                    ——杨文(缁尘)
|
存储 运维 Oracle
【PostgreSQL 创新营】第一课:高维向量检索的设计与实践 答疑汇总
【PostgreSQL 创新营】第一课:高维向量检索的设计与实践 答疑汇总
508 0
【PostgreSQL 创新营】第一课:高维向量检索的设计与实践 答疑汇总