矩阵基本概念
来源:互联网 发布:mac如何查看应用程序 编辑:程序博客网 时间:2024/06/05 06:03
1. 向量(Vector)
在几乎所有的几何问题中,向量(有时也称矢量)是一个基本点。向量的定义包含方向和一个数(长度)。在二维空间中,一个向量可以用一对x和y来表示。例如由点(1,3)到(5,1的向量可以用(4,-2)来表示。这里大家要特别注意,我这样说并不代表向量定义了起点和终点。向量仅仅定义方向和长度。
1.1 向量的长度
1.2 向量的夹角
2. 点乘(Dot Product)/点积/内积
点乘比较简单,是相应元素的乘积的和:
V1( x1, y1) V2(x2, y2) = x1*x2 + y1*y2
注意结果不是一个向量,而是一个标量(Scalar)。点乘有什么用呢,我们有:
A·B = |A||B|Cos(θ)
θ是向量A和向量B见的夹角。这里|A|我们称为向量A的模(norm),也就是A的长度, 在二维空间中就是|A| = sqrt(x^2+y^2)。这样我们就和容易计算两条线的夹角: Cos(θ) = A·B /(|A||B|)
当然你知道要用一下反余弦函数acos()啦。(回忆一下cos(90)=0 和cos(0) = 1还是有好处的,希望你没有忘记。)这可以告诉我们如果点乘的结果,简称点积,为0的话就表示这两个向量垂直。当两向量平行时,点积有最大值
另外,点乘运算不仅限于2维空间,他可以推广到任意维空间。(译注:不少人对量子力学中的高维空间无法理解,其实如果你不要试图在视觉上想象高维空间,而仅仅把它看成三维空间在数学上的推广,那么就好理解了)
因为向量的点乘满足分配率:a·(b+c)=a·b+a·c
c = a - b
c·c = (a -b)·(a - b)
c·c = (a·a - 2a·b + b·b)
跟据这个公式,我们能拿到两个向量之间的夹角,这对于判断两个向量是否同一方向,是否正交(也就是垂直),很有用处。具体判断如下:
1) a·b>0 方向基本相同,夹角在0°到90°之间
2) a·b=0 正交
3) a·b<0 方向基本相反,夹角在90°到180°之间
3. 叉乘(Cross Product)/叉积/外积
与点积不同,它的运算结果是一个向量而不是一个标量。并且两个向量的叉积与这两个向量的和垂直。 相对于点乘,叉乘可能更有用吧。2维空间中的叉乘是:
V1(x1, y1) X V2(x2, y2) = x1y2 – y1x2
看起来像个标量,事实上叉乘的结果是个向量,方向在z轴上。上述结果是它的模。在二维空间里,让我们暂时忽略它的方向,将结果看成一个向量,那么这个结果类似于上述的点积,我们有:
A x B = |A||B|Sin(θ)
然而角度 θ和上面点乘的角度有一点点不同,他是有正负的,是指从A到B的角度。因此 ,向量的外积不遵守乘法交换率,因为向量a×向量b=-向量b×向量a在物理学中,已知力与力臂求外积,就是向量的外积,即叉乘。
几何意义 :
混合积 [a b c] = (a×b)·c可以得到以a,b,c为棱的平行六面体的体积。
代数规则 :
反交换律:
a×b= -b×a
加法的分配律:
a× (b+c) =a×b+a×c
与标量乘法兼容:
(ra) ×b=a× (rb) = r(a×b)
不满足结合律,但满足雅可比恒等式:
a× (b×c) +b× (c×a) +c× (a×b) =0
分配律,线性性和雅可比恒等式别表明:具有向量加法和叉积的 R3 构成了一个李代数。
两个非零向量 a 和b 平行,当且仅当a×b=0
这是一个著名的公式,而且非常有用:
a× (b×c) =b(a·c) -c(a·b),
向量c的方向与a,b所在的平面垂直,且方向要用“右手法则”判断。判断方法如下:
在2维集合中,axb等于由向量组成的平行四边形的面积(证明很简单,你们可以自己试着证明)
4. 正交向量(Orthonormal Vectors)
如果两个或多个向量,它们的点积为0,那么它们互相称为正交向量。在二维或三维的欧几里得空间中,两个或三个向量两两成90°角时,它们互为正交向量。正交向量的集合称为正交向量组。
5. 正交矩阵(Orthogonal Matrix)
若A是正交矩阵则A的n个行(列)向量是n维向量空间的一组标准正交基【即线性不相关】
2. 正交矩阵(Orthogonal Matrix)
- 矩阵基本概念
- 矩阵基本概念
- 向量,矩阵,张量----基本概念
- 矩阵的基本概念
- opencv稠密矩阵基本概念
- 矩阵中的一些基本概念
- 矩阵理论的一些基本概念
- CUDA编程基本概念与矩阵运算
- cuda编程基本概念和矩阵运算
- CUDA编程基本概念与矩阵运算
- 浅谈协方差矩阵-统计学的基本概念
- 【机器学习 基本概念】矩阵、向量求导法则
- 线性代数——矩阵基本概念与随机矩阵
- OpenGL基本概念入门3——矩阵变换
- 二维图形的矩阵变换(一)——基本概念
- 二维图形的矩阵变换(一)——基本概念
- 二维图形的矩阵变换(一)——基本概念
- 基本概念
- 分享一个基于Swift3.0的ios入门学习Demo
- Atitit 图像处理知识点 知识体系 知识图谱
- 制作mysql的docker镜像
- select_tag
- Eclipse 安装Gradle插件
- 矩阵基本概念
- Flex样式工作原理
- python os.open() 和open()
- 开发中可能会碰到的null的坑
- FLEX自定义组件1_生命周期原理
- Android控件之AutoCompleteTextView
- iOS开发系列---面向对象思想
- Oracle表分区
- netty与websocket通信demo