Долгое время в инженерии и компьютерной графике трехмерные вращения описывались с помощью углов Эйлера (крен, тангаж, рыскание) или матриц поворота 3x3. Однако оба этих метода имеют критические изъяны: углы Эйлера страдают от эффекта «шарнирного замка» (gimbal lock) — потери одной степени свободы при совпадении осей, а матрицы поворота из-за ошибок округления перестают быть ортогональными и начинают искажать объекты. Гениальное решение этих проблем было найдено ирландским математиком Уильямом Гамильтоном в 1843 году. Он создал кватернионы — четырехмерную алгебру, расширяющую комплексные числа. Сегодня линейная алгебра кватернионов — это абсолютный стандарт в движках видеоигр (Unity, Unreal Engine), орбитальной механике спутников и кинематике роботов-манипуляторов.

Когда линейный оператор действует на многомерное векторное пространство, большинство векторов изменяют свою длину и направление, хаотично перемешиваясь. Но если присмотреться к структуре оператора, можно обнаружить целые области (плоскости, гиперплоскости), которые ведут себя как закрытые экосистемы. Если взять любой вектор из такой области и подействовать на него оператором, результирующий вектор гарантированно останется лежать в этой же самой области, никогда не выходя за ее пределы. Эти стабильные геометрические структуры называются инвариантными подпространствами. Их поиск и анализ — это ключ к расщеплению сложнейших линейных преобразований на набор простых, независимых блоков, что является фундаментальным процессом в квантовой физике и теории автоматического управления.

Сингулярное разложение (SVD) является мощнейшим инструментом линейной алгебры, но у него есть один концептуальный недостаток: при аппроксимации данных оно неизбежно порождает матрицы, содержащие отрицательные числа. Для многих физических и информационных систем это лишено всякого смысла. Например, не существует пикселя с отрицательной яркостью, невозможно встретить отрицательное количество слов в документе или отрицательную концентрацию химического вещества. Чтобы решить эту проблему интерпретируемости, в 1999 году Ли и Сын опубликовали в журнале Nature статью, предложив алгоритм факторизации неотрицательных матриц (Non-negative Matrix Factorization, NMF). Этот метод стал фундаментальным алгоритмом машинного обучения для выделения базисных признаков в данных.

Когда мы переходим от школьной ньютоновской физики к серьезной теоретической механике и теории струн, на смену обычным векторам скоростей и ускорений приходит концепция фазового пространства. Состояние любой системы описывается не только координатами (положением), но и сопряженными им импульсами. Эта неразрывная парность координат и импульсов порождает совершенно уникальный вид геометрии, который нельзя описать привычным скалярным произведением и матрицами Грама. Возникает симплектическая геометрия — раздел математики, в котором линейная алгебра работает с кососимметричными матрицами. Изучение симплектических пространств позволяет предсказывать орбиты планет, сохранять объемы фазовой жидкости в статистической физике и создавать сверхточные алгоритмы численного интегрирования.