博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
【笔记】【线性代数的本质】7-点积与对偶性
阅读量:5345 次
发布时间:2019-06-15

本文共 366 字,大约阅读时间需要 1 分钟。


点积

006tNc79gy1fkprqkxzmgj30x60gk3zn.jpg

几何意义:

006tNc79gy1fkprszbcbpj30z40i8mzv.jpg

w 的投影方向与v 的投影方向相反时,点积为负值;垂直时,点积为0。

点积可以交换顺序:

\(w\cdot v=v\cdot w\)
直观理解:
006tNc79gy1fkprzgdjmkj30zk0ismzb.jpg
vw 长度相等时,两种点积互为镜像。
006tNc79gy1fkps2lgmmfj30xw0h840z.jpg
此时缩放其中一个向量,破坏了对称性,但仍可以将缩放倍数提取出来,与上一种情况相同。
006tNc79gy1fkps2lgmmfj30xw0h840z.jpg

点积与投影的联系-对偶性

结论:

一个向量的对偶是它定义的线性变换

006tNc79gy1fkpsj3z1kfj30zc0ikjud.jpg
一个多维空间到一维空间的线性变换的对偶是多维空间中的某个特定向量。
006tNc79gy1fkpt9x1qn3j31060i0gnx.jpg

理解:

006tNc79gy1fkptb2ajp0j30l00cw3yv.jpg

两个向量的点积可以理解为其中一个向量对应的线性变换作用于另一个向量。

006tNc79gy1fkptg9pjpxj31120jeabg.jpg

矩阵[1 -2]使得i-hat变为了1,j-hat变为了-2。

所以\(w*v=4*i+3*j=4*1+3*(-2)=-2\)

转载于:https://www.cnblogs.com/messier/p/7757834.html

你可能感兴趣的文章
web.xml 中加载顺序
查看>>
pycharm激活地址
查看>>
hdu 1207 四柱汉诺塔
查看>>
Vue 2.x + Webpack 3.x + Nodejs 多页面项目框架(上篇——纯前端多页面)
查看>>
我的PHP学习之路
查看>>
【题解】luogu p2340 奶牛会展
查看>>
对PostgreSQL的 SPI_prepare 的理解。
查看>>
解决响应式布局下兼容性的问题
查看>>
使用DBCP连接池对连接进行管理
查看>>
【洛谷】【堆+模拟】P2278 操作系统
查看>>
hdu3307 欧拉函数
查看>>
Spring Bean InitializingBean和DisposableBean实例
查看>>
Solr4.8.0源码分析(5)之查询流程分析总述
查看>>
[Windows Server]安装系统显示“缺少计算机所需的介质驱动程序”解决方案
查看>>
[容斥][dp][快速幂] Jzoj P5862 孤独
查看>>
Lucene 学习之二:数值类型的索引和范围查询分析
查看>>
软件开发工作模型
查看>>
Java基础之字符串匹配大全
查看>>
面向对象
查看>>
lintcode83- Single Number II- midium
查看>>