如何用坐标证明矩阵（螺旋矩阵确定坐标）？如果你对这个不了解，来看看！
对于矩阵和行列式的秩的理解，下面是云时之间给大家的分享，一起来看看。
如何用坐标证明矩阵
作为一个工科狗,我们长期以来会使用比如像是矩阵以及行列式这些在线性代数上的知识,在这篇文章中,我想来聊一聊这些问题,即设么事面积,以及什么事面积的高纬度的推广.
1:什么是面积?
对于什么是面积,大家可能首先就会想到我们生活中常用的长*宽么?真的是这样么,其实在这里我们所谈论的面积,其实是欧几里得空间几何面积的基本的单位:平行四边形的面积.关于平行四边形的面积的定义,几何上所说的就是相邻两边边长乘以他们之间的夹角的正弦.
但是当我们面对到一些更一般的情形和更高维度的数理问题的时候,我们就有必要把这个面积的定义推广开来.首先我们应当要注意的是.面积是作为一个标量,他是来自于相邻的两个边的两个矢量相乘的结果,因此来时,我们需要把面积看作为一种映射的关系.
这里的V可以看做一个适量,V*V代表的是两个适量的有序对,那么f自然而然就是所求的面积.
现在我们将来证明这个映射是一个线性的映射,请坐稳扶好:
现在我们举一个最简单的例子,现在我们假设第一个矢量是(1.0),第二个矢量是(0,1),也就是说两个矢量分别是X轴和Y轴上的单位为正的单位向量,那么由这两个矢量构成的四边形,这个四边形其实就是一个正方形,根据面积的定义,其实就是*宽=1*1=1
因此我们可以得到:
现在假设把第一个矢量缩放a倍,这个四边形的面积也会变为相对应的a倍,这样的面积也将会变为原来的a倍,把第二个矢量缩放为b倍,这样的面积也会变为原来的b倍,如果这个时候我们同时对两个向量缩放为ab倍,这样的话面积也会变为原来的ab倍,这说明,面积的映射对于其他的两个操作数的矢量的标量积是呈现出各自线性的,如下:
其实在实际的情况下,面积的映射对于其操作数(矢量)的矢量加法也是线性的.因为矢量加法的操作本身就是一个线性的,那么他的面积的映射其实也就是一个线性的映射.现在我想通过几个例子,来解释下映射加法线性的一些后果.
两个共线矢量所张成的平行四边形是一条线,因此来说这个面积是0.现在假设面积映射是关于一个适量加法的线性映射,那么我们有以下的结果
其实这里其实用到了一个理论:
也就是说,在交换相互垂直操作数适量的顺序后,面积的映射变成一个负值.到底是正还是负取决于你认为的定义.一般情况下,我们把X轴的矢量放在前边,Y轴的矢量放在后边,从X轴到Y轴张成的一个平行四边形的面积,我们把这个符号一般看作为正号.
2:三维空间里的应用
在三维空间中,我们一般是利用的右手定则进行实验.如果以X轴的正方形为头部,Y轴的正方向为尾部.右手定则告诉我,纸面方向向外的方向是面积的正方向.如果反过来,纸面向内的方向就是该面积的正方向.与所规定的正负号的方向是相反的.现在这样来看正负号的几何的意义就比较明显了
现在我们假设用平面内的任意两个矢量所张成的平行四边形的面积,现在用公式来进行表示:
在这里,其实我们不难看到,所谓的面积其实就是一个2*2的矩阵的行列式:
就跟下边的图所示的一样:
其实我们的第一行即使我们的第一个行向量(a,b),第二行就是第二个行向量(c,d),再或者是第一列是第一个列向量(a,b)的转秩,第二个列自然就是第二个列向量(c,d)的转秩.当然这么做还是取决于我们是把矢量写成行向量还是列向量的形式表达.
3:行列式的性质的计算
在上述的推理中,我们可以很容易的发现,行列式的值是把与行列式的矢量写成列向量的横排还是行向量的竖排的方式是无关的.这也就是为什么,在计算行列式的时候,行列的地位是对等的.并且我们还应当注意到,根据上述的分析,交换向量的顺序,面积是负号的原因.这也就是为什么行列式中,交换列向量或者行向量一次,就应当要取一次负号的原因.另外行列式其他的计算的性子,其实都一一反映在面积映射的线性性当中.
所以,综上所述,行列式实际上本身就是一个关于面积的形式的推广.其实就是在给定一组基的情况下,N个向量张成的一个N维定义的广义四边形的体积,其实这就是行列式本质的一个含义.
4:行列式的一个推广
根据上边的结论,我们其实很容易的推广到三维体积的一个计算:
在这里我们应该要注意到,行列式的定义,其实是每一行各取一个不同列的元素的一个乘积并且符号和所谓的逆序性有关的.什么是逆虚性?所谓逆序性，其几何意义就是在规定了一个正方向之后（比如从1,2,3,4,5...N这个顺序定义为正号），交换任意一对数都取一次负号。这样的性质我们在上述的面积函数中已经有所看到，实际上体积，更高维度的广义体积，也有正方向之说，只不过已经难以用右手法则（以及叉乘）来形象说明罢了。右手定则的局限性也是将高维面积推广成行列式表达的一个动机之一。
对于这样交换任意一堆指标的操作就可以改变符号的性质,其实我们就叫做反对称性.这个时候,如果你善于思考,你会想为什么要取不同行不同列元素的乘积.因为如果有任意两个元素是同行同列的,那么他们交换他们的列指标,乘积不变但是符号要相反.因此乘积必须要是0,这也就是在行列式值中不予体现的原因之一.
行列式的定义其实是比较的冗杂的,其实就是来自于广大的面积映射的反对称性,其实面积映射是一个2维的,把二维任意拓展到多维,我们其实就可以发现R维的形式和R*R的行列式的形式是完全一致的.
其实在这里,我们可以把各种维度所代表的东西来总结下,二维所代表的是平面内的面积,三维自然而然其实就是三维空间内的体积,四维其实就是四维空间内的超体积.依次类推.在上边的推理中我们发现,这些矢量给定的基坐标写出的矩阵必然是方阵,矩阵的行列式对应的面积或者是体积.这样的推广证明相信在任意一本的线性代数书中都会看到,我只是说了人话而已.
5:行列式和矩阵的逆
我们知道很多定理,比如行列式为0的矩阵,不可逆,行列式不为0的矩阵,可逆,这个时候我们不禁要问,代表面积的行列式,是如何和线性变化的可逆性联合在一起的.
这个时候我们就应该要理解线性变化的几何意义.现在我来陈述一下:
如果我们把空间中一组线性无关的矢量都写成列向量的形式，那么他们所张成的N维体体积不为零，根据上面的分析，其值由行列式给出。向量经过线性变换A变换之后，得到的新向量形式如下：
注意到A是一个N*N的矩阵，向量是列向量。
变换前，N维体的体积是：
变换之后，N维体的体积是（注意到，第二个等式实际上说明了几何意义是如何定义矩阵乘法的，也就是N*N矩阵A和另外一个N个列向量组成的N*N矩阵的乘法）：
A的行列式如果不为零，则代表这个变换后，N维体的体积不是NULL。又结合线性无关与体积的性质，我们可以说：
如果A的行列式不为零，那么A可以把一组线性无关的矢量，映射成一组新的，线性无关的矢量；A是可逆的（一对一的映射，保真映射，KERNEL是{0}）
如果A的行列式为零，那么A就会把一组线性无关的矢量，映射成一组线性相关的矢量
如果A的行列式为负数，那么A将会改变原N维体体积的朝向。
从线性无关到线性相关，其中丢失了部分信息（例如坍缩成共线或者共面），因此这个变换显然就是不可逆的。线性是否无关和所张成N维体的体积有直接关系，这个体积值又与A的行列式有关。因此我们就建立了A的行列式与其是否可逆的几何关系。
举例说明，我们假设A是一个3维的矩阵。如果映射前，有一组三个线性无关的矢量，我们知道它们张成的体积不是0；经过映射后，他们对应的新矢量也能张成一个平行六面体，那么这个平行六面体的体积就是原体积乘以A的行列式。
显然，如果A的行列式是0，那么变换后的新“平行六面体"的体积将不可避免的也是0。根据上文的结论，我们有：变换后的这一组新矢量线性相关。
结论：
线性变换A的行列式是否为零，就代表了其映射的保真性，也即，能不能把一组线性无关的矢量变换成另一组保持无关性的矢量。
6:秩
但是有的时候,虽然行列式A不能把空间一组数目最大的矢量线性无关,但是它能够保证那个一组少数目的矢量让其线性无关,这个数目矢量往往小于线性空间的维度,这个数目就叫做线性变换A的秩
比如:一个秩为2为3*3的矩阵A,因为秩小于3,那么任何一个3维六面体经过他的变化后,体积变为0,退化一个面,但是仍然存在一个面积不为0的面,在变换以后还是一个非零面积的面
所以说所谓的一个线性变换的秩,无非就是变化后,还能保持一个非零体积的几何形状的最大的维度.
通过上边理解了秩,行列式,可逆性的几何意义,我们就能随意的构造一个线性变化的A,使得他要么保全所有的几何体,要么降维成为特定维度特定结构的几何体,压缩成为更低维度的几何体,所以说,可以看作为一个”降维打击”
更高维度的推理,希望有兴趣的小伙伴可以自己去证明,不明白的问题亦可以在文章下面评论.希望能够和大家多多交流,多谢指教.
螺旋矩阵确定坐标
（本文由公众号越声情报（ystz927））整理，仅供参考，不构成操作建议。如自行操作，注意仓位控制和风险自负。）
股市中步步是陷阱
股市到底有没有规律？股市的理论很多,其中又有多少理论具有实际操作价值？我们知道,仅分析股票的工具就多达百种,什么抛物线、匀加速线、江恩线、黄金分割线、神秘数字线、螺旋历法线、等比坐标线、音阶坐标线,还有诸如四度空间、非物质性规律等,但从未听说有谁学习股市理论或掌握炒股工具后,很快就成为投资大师的。
炒股之所以会很累人,是因为你不可避免地想去预测股价明天的走势。今天涨得再好的股票,你没买,没用,可是,一旦你买了,明天它还会涨吗？它会涨多高呢？这些问题无时不在困扰着你。股票一跌,你又要研究,是震仓吗？是出货吗？人们一直想认清股市的“庐山真面目”,又仿佛陷入“望山跑死马”的困境,竭尽雪雨风霜,却曾经沧海。于是多数人选择退出,留下的人也未必能到达光辉的顶点。
股市里流传这样一句话：10个人炒股,7人输,2人平,只有1个人赚钱。从2005年年底到2007年的这波牛市中,上面这句话好像已经不适用了,因为牛市让不少散户[1 散户：就是买卖股票数量较少的小额投资者。]1也尝到了甜头。但是即使10个人炒股有9个人好像赚了钱(只是市值),并不表示散户的命运得到了改变！只要你的钱还在股市,只要你不把钱取出来,你在股市所赚的钱,都是个虚拟的数字。真正考验的时候,是在牛熊转折期,只有少数股市高手能够见好就收,及时保住利润。而大多数股民会将赚的钱全部吐回去。如此几经反复下来,投资者不禁要问：为什么被忽悠而受伤的总是我们？细细数来,内在的和外部的,形形色色的“忽悠”比比皆是,可说是一步一陷阱,下面一一列举。
一、两种忽悠：
忽悠之一：估值投资
并不是估值本身不对,而是不要过于迷信。因为估值主要是基于未来的预测,而对未来的预测,注定是无法精确测算的。另外,估值中最重要的几个参数无法观测,比如未来现金流的折现,考不考虑期限结构？风险溢价如何确定？所以精确估值不能直接使用,而且多数投资者不具备专业能力、经验以及资金规模去做价值投资(对上市公司进行价值调研)。
现在最大的问题是,市场主力的策略大多是以估值为方法来讲故事,让股民相信了,股票就上涨了。这就是4000点以上发生的事情。而忽悠的最大问题是,听众的智商必须不太高也不太低,太低了听不懂故事,太高了又不相信讲的故事。
忽悠之二：直观规律
经常有朋友对笔者说,读了报纸,看了电视,听了股评,感觉很有道理,好像是那么回事,能掌握股市规律。比如“金叉买进,死叉卖出”技法,就是基于这种对“赚钱规律”的认识。其实赢的一方,必定赚取输的一方的钱,那在这场“金叉买进”过程中,谁将赚谁的钱？请问此时主力机构应该怎么办,让你们赚钱而他输吗？
二、三种选股错误方式：
选股错误1：只买便宜的股票。
以为便宜的股票上涨的空间更大,因为很便宜了不会下跌得太厉害,所以也相对安全。中国目前由于存在着大量还没有上市的公司,所以,有些亏损的垃圾股,由于作为壳资源可以被重组而仍然不乏价值。但是,随着上市公司的增多,将来退市或者没有重组机会的股票会越来越多。如同美国和香港股市,有很多股票长期在几分或者几角徘徊,几乎不可能起死回生,盲目地只根据价格便宜而购买这类股票会给投资者带来很大的损失。
【总结】买入股票的正确原因,前面已经讲述,不要人云亦云地主观选择便宜的股票。
选股错误2：买自己不熟悉的股票。
很多人一点都不愿意在购买的股票上花心思,这样盲目的购买一旦造成损失,会使投资者异常慌乱,产生恶性循环。
假如实在没有时间或者不喜欢研究理财,那么可以考虑请经纪人、理财师或买基金来降低投资风险。
其实了解一只股票没有想象得那么难。如果你是个出租司机,你天天加油,请留心相关的信息,与相关企业员工和领导多交流,在平时的工作和生活中时刻关注他们,确定你已经熟悉他们的企业,那么,就可以按照本书的操作方法开始建仓购买与他们相关的股票了。
当你研究股票时,应该问一问自己：“这是一个有吸引力的生意吗？如果我买得起的话,我会买下整个公司吗？”如果回答是否定的,放弃这只股票吧——不管你是多么喜欢这家公司的产品。
通过细心的观察、研究,你会发现一个公司成功的各个要素,好产品、好的商业模式、优秀的管理者等等,你不仅可以获利丰厚,意外的收获就是,你轻松地从不懂管理的人变成了一个管理专家。
选股错误3：跟踪购买热门股票。
2007年上半年,很多购买ST股票的股民都赢利丰厚,一些不负责任的媒体也开始大肆报道。一些股民看到别人大把挣钱,看到媒体的火热报道,忍不住盲目跟风投资垃圾股,导致亏损连连。
热门股票通常应该在上涨前后15分钟左右的短时间内决定购买,而对于普通散户,当你发现它热门的时候,往往已经太晚了。
买一只利好信息泛滥、势头正猛的热门股票,最后只能自食苦果。
若觉得小编文章有意思，可关注公众号越声情报(ystz927)，获取更多的股票投资要诀，不断地优化自身的投资体系。