物理与工程

物理定律常常写成向量与矩阵的语言，工程问题则往往归结为”解一个大型线性方程组”。本课程学过的向量、矩阵与线性方程组，是连接数学与真实世界的桥梁。

一、物理学：向量与算符

领域	线性代数的角色
力学	力、速度、加速度都是向量；动量、角动量用叉积
量子力学	态矢量 = 希尔伯特空间的向量；可观测 = 算符（矩阵）

力学：牛顿定律 $\mathbf{F} = m\mathbf{a}$ 中的力、加速度都是向量；力矩、角动量则通过叉积定义——本课程叉积的几何意义（垂直、面积）在这里有了用武之地。

量子力学：系统的状态是一个态矢量 $|\psi\rangle$ （无限维希尔伯特空间中的向量），每个可观测物理量对应一个算符（矩阵），测量结果由矩阵的特征值给出——特征值理论正是量子力学的数学骨架。

本课程学过的特征值 $\lambda$ 与特征向量，在量子力学中对应”可观测量的可能取值”与”本征态”——这是线性代数深度参与现代物理最著名的例子。

领域	线性代数的角色
结构工程	有限元分析 = 求解大型线性方程组
电路分析	节点电压法 = 解线性方程组

有限元分析：把连续结构离散成大量小单元，每个节点的位移由刚度矩阵 $K$ 与外力 $\mathbf{f}$ 联系，核心就是解线性方程组 $K\mathbf{u} = \mathbf{f}$ 。 $K$ 通常有上百万行，这正是”大型稀疏线性方程组”的高效求解算法的舞台。

电路分析：节点电压法把每个节点的电压写成线性方程，整个电路就是一个线性方程组——本课程高斯消元法（初等行变换）的直接应用场景。

工程中的”仿真”大多是在解线性方程组： $K\mathbf{u} = \mathbf{f}$ 、 $A\mathbf{x} = \mathbf{b}$ 这类形式，覆盖了从桥梁受力到芯片功耗的无数问题。

领域	线性代数的角色
控制理论	状态空间表示 = 矩阵微分方程
信号处理	傅里叶变换 = 换到频率基

控制理论：一个系统的状态用状态向量 $\mathbf{x}$ 描述，演化规律写成矩阵微分方程：

\dot{\mathbf{x}} = A\mathbf{x} + B\mathbf{u}

其中 $A$ 是系统矩阵， $B$ 是输入矩阵。系统的稳定性由 $A$ 的特征值决定——特征值的实部为负则系统收敛。

信号处理：傅里叶变换的本质是换基——把信号从”时间基”换到”频率基”。本课程学过的基变换（换坐标系）思想，正是理解傅里叶变换的关键：同一段信号，在不同基下有更简洁的表达。

符号	类型	读音/说明	在本文中的含义
$\mathbf{F}$	数学符号	F	力向量
$m$	数学符号	m	质量
$\mathbf{a}$	数学符号	a	加速度向量
$	\psi\rangle$	数学符号	ket psi
$\hat{A}$	数学符号	A hat	算符（矩阵），对应可观测物理量
$K$	数学符号	K	刚度矩阵
$\mathbf{u}$	数学符号	u	节点位移向量
$\mathbf{f}$	数学符号	f	外力向量
$\mathbf{x}$	数学符号	x	系统状态向量
$\dot{\mathbf{x}}$	数学符号	x dot	状态向量的导数（变化率）
$A$	数学符号	A	控制理论中的系统矩阵
$B$	数学符号	B	控制理论中的输入矩阵