# 调研:线性代数 × 公式类 × 展示 | | | |---|---| | 状态 | 调研纪要(为 [ext-linalg](../design/ext-linalg.md) 供输入) | | 日期 | 2026-09-07 | | 相关 | [stdlib-math.md](../design/stdlib-math.md) · [ext-quantum-q7.md](../design/ext-quantum-q7.md) · SymPy MatrixExpr · Symbolics.jl · LAFigureSpecs | --- ## 1. 问题陈述 Marqdo 已有: - `Value::Formula` + `` `f` = `` + `$$…$$`(高中标量符号) - `formula::Expr::Matrix`:**数值**稠密矩阵字面量(`[[…]]` / `\begin{pmatrix}`),供量子门核对与 view KaTeX - `ext/quantum` Q7:**量子语境**下的密度矩阵 / Kronecker / 谱 / SVD 风格图(ABI) 缺口:一门**经典线性代数**扩展——作者用**公式级矩阵表达式**写 \(A^\top A\)、\((X^\top X)^{-1}X^\top y\)、分块、Kronecker,在**不立刻展开成巨大稠密矩阵**的前提下做重写与化简,并在文档 / view 中**好看地呈现**分解与结构。 --- ## 2. 业界对照 ### 2.1 符号矩阵表达式(大规模优化的关键) | 系统 | 模型 | 对 Marqdo 的启示 | |------|------|------------------| | **SymPy `MatrixExpr`** | `MatrixSymbol(name, n, m)` + `MatMul` / `MatAdd` / `Inverse` / `Transpose` / `Trace` / `Determinant` / `BlockMatrix` / `KroneckerProduct`;`as_explicit()` 才展开 | **默认保持抽象**;形状元数据传播;显式求值是可选动作 | | SymPy `block_collapse` | 分块表达式在块级化简,避免整块稠密展开 | 分块是教学与优化的第一公民 | | SymPy Kronecker | `KroneckerProduct` 惰性 + `combine_kronecker` 规则 | Kronecker **绝不能**默认 `expand`(维数爆炸) | | SymPy 矩阵求导 | 经 array expr 再收回 MatrixExpr;闭式导数 | v1 **不做**;记入远期 | | **Symbolics.jl** | 「数组的符号」vs「符号数组」:后者 O(1) 表示整阵,保留 `A*B` 不展开 | 与 MatrixExpr 同构;强调 **shape / eltype 元数据** | | NumPy / Eigen / nalgebra | 数值热路径,无公式树 | 对应 Marqdo **插件数值层**,不是文档作者主路径 | **结论:** 「公式类线性代数」= **抽象表达式 DAG + 形状检查 + 重写规则**;稠密数值是 `eval` / `as_explicit` 的终点,不是默认形态。 ### 2.2 教学与展示(效果最好的做法) | 做法 | 来源 | 效果 | Marqdo 映射 | |------|------|------|-------------| | KaTeX / MathJax 渲染 `bmatrix` / `pmatrix` | SymPy `latex()` + Jupyter `init_printing` | 公式即排版;多式用 `display` 并列 | 既有 view `formula-card` + KaTeX | | 标签化等式 `A = UΣV^\top` | 教材 / Qiita display+Math | 步骤可读 | `show` / writeback 多卡片 | | **结构图**(SVD / QR / 消元轨) | [LAFigureSpecs](https://github.com/ea42gh/LAFigureSpecs) + matrixlayout;TeX `drawmatrix` | 比数字表更能讲「秩 / 零空间 / 对角结构」 | SVG `kind=svd|qr|ge|eig` | | 热力图 / Hinton | Qiskit / QuTiP / 既有 quantum | 稠密数值矩阵的幅度/符号 | `kind=heatmap|hinton`(经典实/复) | | 分块着色矩形 | CTAN `drawmatrix` | 零块 / 三角 / 带状一目了然 | `kind=structure`(形状示意图,可无元素值) | | 仅打印 ASCII | CLI 默认 | 金样可断言 | `str` / `print` → 规范 ASCII / LaTeX 源 | **展示优先级(锁定建议):** 1. **符号式**:始终可 `latex` → view KaTeX(不依赖数值) 2. **结构式 SVG**:分解 / 分块 / 秩示意(教学主图) 3. **数值热力图**:仅在 `eval` 后、维数可控时 4. CLI:短 ASCII;大矩阵默认摘要 `m×n …` + 可选 `preview=` ### 2.3 一门「够用」的线性代数库需要什么 按大学一学期 + 数据科学入门,能力桶: | 桶 | 内容 | 符号层 | 数值层 | |----|------|--------|--------| | A 构造 | 符号阵、常数阵、单位/零/对角、从 `$$` / 表 / list | ✅ | ✅ | | B 代数 | 加减乘、转置、逆、伴随、幂、Kronecker、分块 | ✅ 重写 | ✅ | | C 分解 | LU / QR / 特征 / SVD / Cholesky(对称) | 结果对象 + 结构图 | ✅ | | D 系统 | `Ax=b`、最小二乘、伪逆 | 公式写法 + 数值解 | ✅ | | E 度量 | 行列式、迹、秩、范数、条件数 | 部分可符号 | ✅ | | F 展示 | latex / ASCII / SVG 结构 / heatmap | ✅ | ✅ | | G 微积分 | 矩阵导数、Jacobian 积木 | 远期 | — | **不做(首版):** 稀疏专用格式、GPU、分布式、完整 CAS 证明、通用张量网络、与 `lib/math` 高中标量混成一个巨模块。 --- ## 3. 与现有 Marqdo 的衔接点 | 已有 | 用法 | 扩展时注意 | |------|------|------------| | `$$` + Matrix 数值字面量 | 小门矩阵、手算核对 | 保留;符号阵用 `MatrixSymbol` 或 `matrix.symbol`,勿与数值 Matrix 混为一谈 | | `lib/math` formula | 标量 simplify/diff/plot | **不**把大学线性代数塞进 `lib/math`(与 Q7 结论一致) | | view KaTeX | formula-card | 符号 MatExpr 的 `latex` 字符串直接喂 KaTeX | | `ext/quantum` Q7 linop | 量子密度 / 纠缠 | **经典 API 不复用 quantum 命名空间**;共享算法可在插件内私有复用,作者面分离 | | `plugins/*` ABI | 重数值 / SVG | 稠密分解与大图走 `plugins/linalg` | | GFM 表 | 数据即代码 | 矩阵输入:表或 `$$`;分解步骤:`@` 记录表 | --- ## 4. 「大规模优化」具体指什么 在公式类语境下,优化 ≠ BLAS 微内核,而是: 1. **惰性**:`A*B*C` 保持乘积树,直到 `eval` / `explicit` 2. **形状短路**:不相容维数在符号阶段报错,不跑数值 3. **代数恒等**:`(A^{-1})^{-1}→A`,`(AB)^\top→B^\top A^\top`,`I*A→A`,分块 `block_collapse` 4. **禁止爆炸展开**:Kronecker / 高维符号积默认不 `expand` 5. **数值批处理**:同形状多 RHS、分解一次多用(`factorize` 对象) 6. **展示成本**:大矩阵不默认内嵌完整 KaTeX 数字阵;结构图 + 摘要 --- ## 5. 推荐产品叙事(一句) **线性代数文档用公式写变换,用规则做化简,用结构图讲分解,用可控数值做验算——公式是一等公民,稠密矩阵是可选终点。** --- ## 6. 参考链接 - SymPy Matrix Expressions: https://docs.sympy.org/latest/modules/matrices/expressions.html - SymPy Matrix derivatives (远期): https://docs.sympy.org/dev/explanation/modules/matrices/matrixderivatives.html - Symbolics.jl Symbolic Arrays: https://docs.sciml.ai/Symbolics/v6.54/manual/arrays/ - LAFigureSpecs(教学结构图): https://github.com/ea42gh/LAFigureSpecs - CTAN drawmatrix: 矩阵形状示意 - 既有:`doc/design/stdlib-math.md` · `doc/design/ext-quantum-q7.md`