线性代数【18】点积和对偶性
前言:
本节,尝试通过线性变换来理解,或者说来表述点积。
在尝试理解的过程中,我们发现了线性变换,尤其是从多维空间到一维空间的线性变换,一定有某个严格的1x2的向量和他对应,这种微妙的而自然的联系,我们又将思路拓展到了更深入的模式,对偶。这节的内容比较难,但是,一旦理解,会讲你的数学思维水平提高一个新的层次,去理解向量,他无非是一个记号,一个表征变换的记号。而这种记号,我们再中间一下,就是一个对偶的特征再现而已。
1 点积的通用定义和几何意义:
点积的几何意义:
2 点积的计算定义:
【弹幕:点积,内积,点乘,标量积】
【点积应该看夹角,夹角为0,点积为零】
【夹角考虑余弦定理 】
3 点积几何意义的细说:
3.1 先投影
3.2 然后计算长度:
把w投射到v所在的直线上,将w在v上投影的长度乘以v的长度,就是其点积的值
【案,正交坐标系,加这句是因为向量的长度,如果是纯长度的话是没有考虑夹角的,我们必须考虑余弦定理的夹角啊】
【案,线性代数的本质,这一节,我觉得有点太啰嗦,写的太细致以至于几乎没有耐心去看了,还是给出几个例子,把这个视频里面讲的知识应用一下:】
【案,投影和方向,其实就是余弦定理的应用,所以点乘的结果是向量的长度*向量的余弦值,而不是仅仅长度相乘,这一点视频估计有错误,或者忘了说了】
3.3 点积表述向量的关系:
>0为向量方向相同:
=0,向量在另外一个向量上的投影为0,cos90 =0
【案,又叫做正交性,看个例子】
【案,上面这个例子,计算了一个平面表达式的正交性】
<0
【弹幕】其实是余弦定理?
4 点积的性质:
4.1 和顺序无关性:
你可以w投射到v,或者v投射到w
【问题1】,为啥和顺序无关:
1 假设w,v相同
因为,w,v长度相同,那么我们可以利用对称性:
w,v互为镜像:这样应该没问题
2 现在拓展一下,如果v的长和w不同,
例如是2倍,
但是,我们可以理解为,w投射和v投射后,再搞翻倍的动作。因为,不管V怎么变化,他就是变成外星人,老实的w是没有变化的。
【弹幕】
【案,是对偶的,可以反着操作】 理解为,向量的操作,每个分向量是独立的,或者理解为互为映射的,或者理解为乘法嘛。所以没有顺序。所以,这个顺序问题解决了。
问题2,为啥点积和投影有联系:?
下面用对偶性进行解释,考虑对偶之前,我们从下面多维到一维度空间变化开始搞事情。
5 点积和对偶性:
这节,解释点积和空间的投影的对应建立的关系理由。
5.1 多维空间到一维空间的转换:
数轴上的两个向量,为一维空间:
我们简单的用等距离的点来表示线性空间
现在,我们看,在数轴上基向量就是两个数字:
这是个1x2的矩阵:
6 我们再考察一个例子:
将待变换的基向量从二维的空间【4,3】T【列的元素2个】,
通过线性变换【1,-2】
会得到什么样的向量呢?
我们跟踪这个向量的变换,待变换的向量基向量分别乘以线性变换然后相加,
上面这个乘积的过程,其实就是很像点积的过程,只不过什么呢,
只不过我们把其中一个向量给倒了一下,就是行、列倒了一下。
【案,记住我们的想法是找到点积、对偶和向量空间的联系】
是时候我们开始公示【1x2矩阵和二维向量之间的微妙联系了】- 【先表述他们之间数值的关系】
上面是一对二维向量
上面是一对1x2的矩阵
然后,我们看他们之间向量空间的几何关系,
1 构建一个斜向的数轴:
【案,这个数轴是在一个二维空间】
2 在这个数轴上,有一个二维向量U,终点落在这个数轴的1上。
【落在1上,考虑为单位向量】
如果将二维向量直接投射到这个数轴上,前面我们已经讨论,我们只需要考虑向量的尖部tips,也就是
这样我们就构建了一个,二维向量到数轴上的数的一个映射,也就是函数。
【前面的章节我们提到过,这个对应关系其实是可以理解为函数,但是,因为向量有方向,所以,我们用变换来代替函数。但是,现在又是一个数了,这个映射可以再理解为函数】
当然,这个函数是线性的,因为投射也是等距离的。
然而,我们刚才定义的U向量,是众多二维向量空间的一个向量,他正好和数轴重叠。
而这个投影,正是一个二维向量到数的一个线性变换。【注意,这里是一个数,而不是一个向量,这样后面的讨论就比较方便】
现在,我们来来尝试找到能够描述这个变换的1x2的矩阵,
为了找到这个变换的矩阵,
我们把这个斜着的数轴放大来看:
并且需要考虑变化后,基向量的位置【基向量就是要找的矩阵的列】
【以下部分非常精彩】
【通过精妙的对称性来进行推理】
并且需要考虑变化后,基向量的位置【基向量就是要找的矩阵的列】
【^i】和【^u】都是单位向量,
由于U向量的特殊性,我们有,向量U投影就是向数轴投影。
【这一点其实前面已经讨论,再讨论一下】
单位向量,那么长度一致,由于对称,所以,【^i】向【^u】的所在直线的投影和【^u】向【^i】的X轴的投影是对称的。
【所以,如果要问【^i】投影后落在这个斜向的数轴的哪个数上?
答案就是【^u】向X轴的对称投影所得的数。
而,
【^u】向X轴的投影,正是【^u】的横坐标,
也即是,
同理的【^j】的在斜向数轴投影后数,就是他的Y坐标。
由此,并且需要考虑变化后,基向量的位置【基向量就是要找的矩阵的列】
所以,这个1x2矩阵【ux,uy】表述了一个二维向量【^u】到数的投影变换,而这个变换,的就是你要投影的基向量【^u】的两个坐标构成的。
上面的例子,我们找到了一个单位向量u的投影变换【ux,uy】。
现在,
如果是整个二维空间的向量x,y,推而广之,就是
计算空间任意一个向量的投影变换,我们命名这个向量为【v】,
就是投影矩阵【Transform】和这个要变换的向量 v【x,y】的乘积。
最后,我们得出结论:【微妙的联系】
矩阵向量的乘积和点积之间的表达的关系,如下:
这就是为什么,与单位向量的点积,可以解读为 将向量【v】投影到单位向量【u】所张成的空间上(SPAN)【这个例子里是一条斜的数轴直线】,所得的投影的长度。
【注意上面,这里出现了向量v和单位向量u的点积】 V * ^u
上面,我们把一个单位向量【^u】的一个二维到一维的投射变换,推广到了任意向量V【x,y】投影到单位向量【^u】所张成空间的一个投射变换。现在,我们再推而广之,就是如果向量V,投射到非单位向量(所张成的空间)是什么情况呢?
1 假如我们将单位向量【^u】扩大3倍,
2 依据上小节的方法,可以得到投影变换矩阵如下
3 因为是线性的,可以看成是任意向量向斜着的数轴的投影,然后将结果乘以3
也就是与非给定单位向量的u的点积可以解读为:
首先,向给定的向量投影
然后,将投影的值乘以给定的非单位向量的长度。
【思考】由此,我们得到一个二维空间到数轴的线性变换,这个变换不是点积运算定义得到的,而是,通过将空间投影到给定的数轴来定义的。因为这个变换是线性的,所以,必须用1x2的矩阵表述,
又因为这个1x2的矩阵与二维向量相乘的计算过程,和他的转置矩阵并求点积的计算过程相同,
这个投影变换,必然会与某个二维向量相关。
任何一个,二维到一维的线性变换,只要他 输出空间是一维的数轴,
他都会和某个向量相关。这个线性变换【也就是这个1x2的矩阵相乘】和与这个相关的向量的点积做了同样的事情。
7 点积的应用:
7.1 点积来计算面积:
7.1.1 例一
【案,这里和点积的公式已经很像了】
【这样就把点积可以用上了】
【现在求A'】
如果A = <a1, a2>,则A’ = A = <-a2, a1>,对于任意象限,该结论都适用。由此:
推而广之:计算平行四边形面积:‘
【案,这个公式和之前定义行列式的几何意义是一致的】
7.1.2 例二
似乎是很简单的点积计算,需要注意的是,点积只对向量有意义,对普通的点则没有任何意义,所以需要把其中的两边转换成向量:
7.2 计算向量的角度
7.2.1 例一
-----------------------------------------
7.2.2 例二
例:i, j, k是不同的向量,求向量i +j + 2k, 2i –j + k间的夹角
7.2.3 例三
小结:
一个向量的对偶,是由他定义的线性变换。
一个线性变换的对偶,是某个特定的相关向量。
表面上看,点积知识理解投影的有利的一个几何工具:
例如:
鉴定向量的方向是否相同:
向量是否垂直:【正交性】
向量是否相反:
但是,从我们这节的研究来看,
两个向量的点积,就是
就是将其中一个向量变成了一个线性变换:虽然,点积和线性变换的数学计算过程一致,
向量不是空间的箭头,他是线性变换的物质载体。是一个特定变换的概念性记号。
(45条消息) 线性代数笔记3——向量2(点积)_我是8位的-CSDN博客https://iam8bits.blog.csdn.net/article/details/78872549
(59条消息) 点乘 线性代数_线性代数笔记3——向量2(点积)_weixin_39890289的博客-CSDN博客https://blog.csdn.net/weixin_39890289/article/details/113018065
参考:
3Blue1Brown:“线性代数的本质”完整笔记 - 简书 (jianshu.com)
【官方双语/合集】线性代数的本质 - 系列合集_哔哩哔哩_bilibili
词汇:
1 Dot product 点积
2 Duality 对偶性
3 Non-unit vector 非单位向量
4 Perpendicular 互相垂直
5 Symmetry对称性
线性代数【18】点积和对偶性相关推荐
- AI学高数达到MIT本科水平,学了微积分线性代数概率论等6门课,不光能做题还能出题...
梦晨 发自 凹非寺 量子位 报道 | 公众号 QbitAI 让语言模型做数学题,有多难? 强如GPT-3,在9-12岁的小学数学上,第一次才考20多分. 去年底GPT-3用上新方法努力了很久终于拿到5 ...
- 人工智能数学核心理论34讲精华视频免费领(微积分、概率论与数理统计、线性代数三部曲)
从事AI行业最重要的知识莫过于数学了,或者说对于计算机领域乃至工科领域都是很重要的. 对于大多数的新手来说,如何入手人工智能其实都是一头雾水,比如到底需要哪些数学基础.是否要有工程经验.对于深度学习框 ...
- 线性代数笔记27——对称矩阵及正定性
原文 | https://mp.weixin.qq.com/s/zdQttJfuubyztiVplScbwA 对称矩阵 对称矩阵是最重要的矩阵之一,对于对称矩阵来说,A=AT.矩阵的特殊性也表现在特征 ...
- 3Blue1Brown-线性代数的本质
01:什么是向量? 02:线性代数组合.张量的空间与基 线性组合: 向量的相加和数乘运算就是向量的线性组合. 张成空间: 用两个向量相加和数乘表示的全部的向量的集合. 线性相关: 一组向量中,有向量在 ...
- 线性代数的本质学习笔记
线性代数的本质 文章目录 线性代数的本质 1.向量究竟是什么 2.线性组合.张成的空间.基 3.矩阵与线性变换 4.矩阵乘法与线性变换复合 5.三维空间中的线性变换 6.行列式 7.逆矩阵.列空间与零 ...
- 当AI学会高数:解题、出题、评分样样都行
来源:AI科技评论 "高等数学里程碑式的研究",114页论文让AI文理双修,也许不久后机器出的高数试卷就会走进高校课堂,这下可以说"高数题不是人出的了". 人工 ...
- 计算机专业哪些课程好难,计算机专业课程有哪些 学计算机难不难
每年都有很多人选择学计算机专业,那么,计算机专业课程有哪些呢?学计算机难不难呢?下面小编整理了一些相关信息,供大家参考! 计算机学什么课程 1.计算机应用基础 2.计算机网络 3.计算机组成原理 4. ...
- 福建农林大学计算机课程表,福建农林大学金山学课程表.doc
文档介绍: 福建农林大学金山学院课程表 工商管理专业 2014级 76人 2014-2015学年第二学期 2015年3月2日起(第1周)执行 课程名称 学时分配 学分 主讲教师 总 上机 实验 宏观经 ...
- 第三章,矩阵,06-初等变换与初等矩阵
第三章,矩阵,06-初等变换与初等矩阵 标准形 初等行变换 初等列变换 初等变换 行阶梯形矩阵 行最简形 标准形 初等矩阵 定义 性质 可逆 等价矩阵 相关定义 行等价 列等价 等价 性质 定理1 定 ...
- 大学计算机基础钮和荣,挂科重点教师、科目
挂科重点教师.科目 (3页) 本资源提供全文预览,点击全文预览即可全文预览,如果喜欢文档就下载吧,查找使用更方便哦! 7.9 积分 老师科目挂科人数梅潇结构力学 理论力学57李博婵国际贸易实务51裔国 ...
最新文章
- HBASE_API的应用
- 一个注解搞定接口防刷!还有谁不会?
- 如何安装altium designer 10
- 推荐一个生成后端模拟数据的懒人工具:lazy-mock
- 基于mvc三层架构和ajax技术实现最简单的文件上传
- Linux环境下安装 JDK1.8 和 Tomcat8
- 五子棋项目结束总结_居家活动系列总结
- Python 进阶 之 enumerate()函数
- mac上的mongodb安装与使用的踩坑记
- [Java] 蓝桥杯ADV-170 算法提高 数字黑洞
- 快速理解HTTP协议
- 图片渲染延迟_Qt入门DirectX11学习之旅(六)DirectX11 GBuffer Deffered延迟渲染
- echarts关系图vue完整代码
- 真实渗透改编--综合渗透 sql注入写马+文件上传+udf提权 安鸾靶场SQL注入学习
- STM32F303RE 四个ADC同步规则采样
- 51单片机------闪烁灯(实验报告)
- 浅聊关于vue.js
- Servlet知识概括详解
- 欧拉定理的内容证明及欧拉函数的推导
- 人机大战5个误区:人类没那么差阿尔法狗不会防水