线性代数学习点(五):向量运算规则的几何表示

【深度学习基础|知识概述】基础数学和理论知识中的线性知识:矩阵与向量运算、特征值与特征向量、张量,附代码。 阅读详情

原文链接:http://thejuniverse.org/PUBLIC/LinearAlgebra/LOLA/geomVect/calc.html

翻译过程稍有删减

        前面已经介绍了最基本的向量相加及向量数乘。在实际中,向量的运算往往是这两种基本运算的复合,这就需要一些运算的规则。向量绝大部分的运算规则与标量对应的运算规则一致。

        第一条规则是:向量相加满足交换律。用更数学化的语言可表述为:对任意向量u 和 v,有如下等式成立: u + v = v + u.

        这点很好理解,下图为采用平行四边形法则的向量相加几何示意图,无论是u 和加v,还是  v加u,结果都是以u和v两个向量为边构成的平行四边形的对角线。

                                
        若有三个或者三个以上的向量相加,结果又如何呢?三角形法则告诉我们,将这些向量的起点和终点相连,则以第一个向量的起点为起点,以最后一个向量的终点为终点,构成的这个向量即为和向量,如下图所示。

                               

        上述规则无疑是正确的。但从技术上来讲,向量相加的法则仅定义了两个向量相加。因此,我们必须确保上述法则在只有两个向量相加时也是正确的。因此,我们还需要如下的规则:即向量相加满足结合律。用更数学化的语言可表述为:对任意向量u 、v和w,有如下等式成立:  (u + v)+ w = u + (v + w).

        下图给出了向量加法结合律的几何图示。上面是等式左边的相加结果,下面是等式右边的相加结果。可以看出,结果都是黑色的向量。

                

                

         利用交换律和结合律这两个规则,我们就可以解决任意多个向量以任意次序相加的问题。

        前面我们仅给出了向量相加运算法则在二维空间的几何示意图。下图给出了三个向量在三维空间相加的几何示意图。图中三个向量处于不同的平面,我们可以先将他们的起点放置在一起,然后先利用平行四边形法则计算u + v,然后再利用三角形法则计算(u + v)+ w。由图可以看出,和向量实际上是由u、 v、w三个向量构成的平行六面体的对角线。因此,在三维空间,向量相加的法则也称为平行六面体法则,这是二维空间到三维空间的自然推广。在数学抽象上,这样的法则还可以推广到三维以上的空间,只是无法给出具体的几何示意图。

                                

        上面我们讨论了多个向量相加的问题。对数乘运算,假定现在有两个数c 和 d,都要和向量v进行数乘运算,那么运算的次序有关系吗?可以证明,数乘运算时,先用那个数进行数乘并不影响最终的结果,即有:c(dv) =d(cv) = (cd)v.

        如果c 和 d均为正数,那么很明显,上述三种运算所得的结果相同,并且仍然是一个向量,其方向与v相同,其长度为v的长度乘以cd。如果c 和 d有一个为负数或者两者均为负数,上述三种运算就必须要考虑方向的变反的情况,但注意到,在三种运算中,向量方向变反的次数是一样的,因此,三种运算所得的结果仍然相同。这即说明上述数乘满足交换律的运算规则是有效的。

        我们再考虑更复杂一些的情况,几个向量之间的运算不仅有加法,还有数乘运算,这时就需要分配率。这里,分两种情况来讨论。

        第一种情况是两个数相加后再与向量相乘。此时的运算规则如下:两个数相加之后再与向量相乘,等于两个数分别与向量相乘后再相加。用数学公式可表示为:对于任意的数c,d及任意的向量v,有:

                (c + d)v =cv +dv.

        如果c 和 d均为正数,如下图所示,那么从图很容易看出,上述等式两边的运算结果相同,结果均为向量,其方向与v相同,长度为v的长度乘以(c +d)。

                                 

        如果c 和 d有一个为负数,或者均为负数,上述分配率规则同样有效,但所得向量的方向与(c+d)的取值有关,可能与v相同,也可能与v相反。

        再来考虑另外一种情况,一个数与两个向量相加的结果相乘,此时的运算规则如下:一个数与两个向量相加的结果相乘,等于这个数分别与这两个向量单独相乘,然后再相加。用数学公式可表示为:对于任意的数c,d及任意的向量v,有:

                c(u + v) = cu + cv.

        对这条规则的理解与第一种情况的完全类似,下图给出了一个这种情况下的几何示意图。

                        

        综合这两种情况,用更口语化的方式,分配率可统一表述为:相加之后的相乘与相乘之后的相加相等。


【线代】《线性代数的几何意义》——摘录笔记兼小结(五) 附录:线性代数简史,怎样学习线性代数 丘维声;小结;笔记链接汇总 阅读详情

相关推荐

【线代】《线性代数的几何意义》——摘录笔记(一)

大多是摘录原书,概括、理解是自己总结的。第一章读的细,后面凭个人兴趣。文字多,图少。供自己温习,他人学习仅供参考。原书很精彩,解释细致,有很多优美的图形,强烈推荐。

多学,多想,多总结 2519

【愚公系列】2023年08月 3D数学-向量的运算

向量的运算包括加法、减法、数量积和向量积四种。具体如下:向量加法:将两个向量相加,即将一个向量的终点与另一个向量的起点重合,然后从它们的起点(或终点)出发,到达它们的终点(或起点)。向量加法满足交换律和结合律。向量减法:将一个向量的反向量与另一个向量相加,即将一个向量的起点与另一个向量的起点重合,然后从它们的终点开始,到达另一个向量的终点。向量减法也满足交换律和结合律。数量积(点积):将两个向量的对应分量相乘再相加得到一个标量。

愚公智库 2万+

线性代数几何本质:从空间变换到机器学习应用

线性代数是现代科学与工程的核心数学语言,其本质是关于向量空间和线性变换的研究。从几何视角理解,矩阵并非静态的数字表格,而是对空间进行拉伸、旋转和剪切等线性变换的操作指令。这种变换的核心原理由基向量决定,矩阵的每一列定义了变换后新基向量的位置。行列式则直观地衡量了变换对面积或体积的缩放因子与取向,而特征值与特征向量揭示了变换中保持方向不变的轴及其伸缩程度。这一几何框架具有极高的技术价值,它为计算机图形学中的坐标变换、机器学习中的降维算法(如PCA)以及数据分析中的模式识别提供了坚实的数学基础。通过将抽象的代数

weixin_30385925的博客 888

3D数学基础:向量运算

向量的定义 从几何上讲,向量就是有方向,有大小的有向线段。 向量的运算 负向量 要得到任意维向量的负向量,只需要简单的将向量每个分量都变负即可。数学表达式: −[ab...x]=[−a−b...−x]\begin{gathered} -\begin{bmatrix}a\\b\\...\\x\end{bmatrix} = \begin{bmatrix}-a\\-b\\...\\-x\end{bmatrix} \end{gathered}−⎣⎢⎢⎡​ab...x​⎦⎥⎥⎤​=⎣⎢⎢⎡​−a−b...−x​⎦⎥

zzj_continue的博客 3483

ffmpeg在windows的安装、合并、切片、.m4s、.m3u8处理

自己处理视频,我用的工具是 ffmpeg,因为涉及到.m3u8格式和.m4s格式的一些操作。ffmpeg的介绍我就不多说了,这里是它的官网地址: https://ffmpeg.org/ ,这里是文档: https://ffmpeg.org/documentation.html (看的头大,没咋看下去)...

一只爱吃糖的小羊 2689

【FPGA】Verilog代码实现温湿度传感器DHT11

#今天也是咸鱼的一天~ 因为参加Robei 杯 是要做一个机器人,先不说这个机器人具体怎么机器法,但是和外界互通的传感器肯定少不了,通过获取外界环境数据,进行处理,然后做出各种各样的功能。 先来讲个简单的模块,温湿度传感器DHT11。 DHT11介绍 DHT11是一款价格便宜,易于使用的温度湿度测量二合一传感器。它具有超小体积、极低功耗的特点。它使用单根总线与单片机进行双向的串行数据传输,信号传...

Ninquelote的博客 9162

【计算几何】 向量基础

向量基础。

这里是阿安的博客 1187

看不懂分子动力学模拟的结果?一文读懂RMSD曲线

随后,将每一帧结构与初始模板进行叠合,计算对应原子的平均偏移量,即RMSD。总之,掌握 RMSD 的解读方法,就等于抓住了评估分子动力学模拟成败与质量的“总开关”。①在模拟初始阶段,RMSD会从0迅速上升,这是蛋白质从静态晶体或模型结构释放到溶液环境中并逐渐适应的正常过程。②经过一段时间后,曲线不再系统性上升或下降,而是围绕一个平均值,小幅度地上下波动,形成一个稳定的“平台”。这种情况下,RMSD 在初始快速上升后,并未进入平台,而是持续甚至加速上升,始终未见收敛。🔍 如何解读不同趋势的RMSD曲线。

weixin_46587777的博客 4889

计算机图形学(一)-向量、向量加减法、向量的点积(乘)及应用、向量的叉积(乘)及应用

向量加减法,向量的点积(乘),向量的叉积(乘) 向量 是用来表示既有大小又有方向的量,不过向量在空间中没有具体的位置,通常用一个加粗的小写字母来表示一个向量,或者不加粗顶上带有小箭头的小写字母来表示 由 A 点指向 B 点的一个有向线段,称为向量 a a = B - A 用有向线段的结束点B减去起始点A就得到这个向量 a |a| 表示向量a的长度 â 表示

点燃火柴的博客 3万+

单片机OTA升级:Bootloader如何多重校验保障APP完整性?

本文详细介绍了单片机OTA升级中Bootloader如何通过CRC校验、数字签名、版本比对和存储位置检查等多重校验机制保障APP完整性。CRC校验作为快速检测数据完整性的核心手段,结合其他安全措施有效防止设备变砖和安全漏洞,确保远程升级的可靠性。

l3m4n的博客 981

DeepQA: A Unified Transcriptome-Based Aging Clock Using Deep Neural Networks

摘要: 本研究针对转录组衰老时钟存在的关键局限——仅在健康样本训练导致对患病个体预测偏差的问题,提出DeepQA,一种基于专家混合架构与新型Hinge-MAE损失函数的深度学习模型。通过同时利用健康与患病个体的异质数据训练,DeepQA显著提升预测精度:在健康个体上MAE比现有方法低1.5年,且是首个能正确处理五类疾病条件的模型。其创新性体现在: 方法学突破:Hinge-MAE损失函数消除健康/患病样本的训练偏差,专家混合架构高效整合多队列数据; 流程革新:摒弃传统基因预筛选步骤,通过显著图分析直接识别衰老

qq_44050612的博客 125

线性代数学习点(三):向量相加的几何表示

原文链接:http://thejuniverse.org/PUBLIC/LinearAlgebra/LOLA/geomVect/add.html 翻译过程稍有删减         向量的相加通常有两种方式:三角形法则和平行四边形法则。   三角形法则         在几何上,要将两个位移向量结合在一起,一个显然的策略是第一个向量的终点即为第二个向量的起点,如下图所示。    

深入理解数字信号处理 2万+

4D毫米波雷达:高度信息与微多普勒效应

4D毫米波雷达:高度信息与微多普勒效应​ ,人工智能,计算机视觉,大模型,AI,本文深入解析4D毫米波雷达的高度信息获取与微多普勒效应。4D毫米波雷达通过MIMO技术、垂直天线布局及相位差计算等获取高度信息,相较传统雷达更精准。微多普勒效应由目标微运动引发,可用于目标识别、分类和运动监测。文中结合自动驾驶、安防监控案例,分析技术挑战与未来趋势,如信号干扰、数据处理复杂,未来将向高精度、与其他传感器融合发展,展现出在多领域的巨大应用潜力。

不踩坑,不知道坑有多深;不总结,踩过的坑白踩。 9万+

标量、向量、矩阵、张量之间的区别和联系

文章目录前言标量向量矩阵张量标量向量矩阵张量之间的联系线性代数常用的运算一、向量的运算1.点积代数意义几何意义2.外积3.向量的范数二、矩阵的运算1 .转置2.矩阵的范数3.常见的矩阵4.矩阵的乘法5.矩阵哈达马积6.克罗内克积 前言 深度学习的表现之所以能够超过传统的机器学习算法离不开神经网络,然而神经网络最基本的数据结构就是向量和矩阵,神经网络的输入是向量,然后通过每个矩阵对向量进行线性变换,再经过激活函数的非线性变换,通过层层计算最终使得损失函数的最小化,完成模型的训练。所以要想学好深度学习,对这些基

修炼之路 3万+

【AI测试必学】DeepSeek API 快速入门:获取 API Key 与调用 API 步骤详解

DeepSeek API 使用与 OpenAI 兼容的格式,可以通过修改配置使用 OpenAI SDK。生成的 API Key 只会显示一次,请妥善保存。注册并登录账号,进入左侧导航栏的。创建 API Key。

blues_C的博客 1万+

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

线性代数的几何意义

线性代数的几何意义矩阵的几何意义矩阵由若干向量组成(可以是有限个,也可以是无限可数个),其形式和数学史赋予它的最自然的几何含义和线性空间有关(向量间的加法以及另一个数集带来的乘法为这个空间赋予了基本结构),这部分内容将在后续更新里单独列出来讲。这里不妨先简单直观一些,要么把矩阵画成几个行向量或列向量,要么画成由向量终点组成的图形,这刚好和当代计算机图形学有联系,例如大家常玩的3D游戏或某些基于矢量绘图引擎的2D游戏,就都是矩阵可视化以及矩阵变换的生动实例。如矩阵 按照列向量可表示为如下图形 如下图是在mat

qq_31493411的博客 8931

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

线性代数基础:向量在机器学习中的应用详解

向量是由多个数值组成的一列或一行,常常表示为矩阵的一种特殊形式。

Eason_jun的博客 2081

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

向量  向量的表示

向量  向量的表示   向量  在初中课改教材初三课本中学习数量的定义  中,把只有大小但没有方向的量叫做数量(或纯量),物理中常称为标量。向量的定义  既有大小又有方向的量叫做向量(亦称矢(shi 3声)量)。  注:在线性代数中的向量是指n个实数组成的有序数组,称为n维向量。α=(a1,a2,…,an) 称为n维向量.其中ai称为向量

痞子龙3D编程 5134

线性代数学习点(一):向量几何简介

几何向量简介 原文链接:http://thejuniverse.org/PUBLIC/LinearAlgebra/LOLA/geomVect/index.html 翻译过程稍有删减          我们日常生活中经常会接触到各种各样的数值。有许多数值不仅有大小,也有方向。在二维或三维空间中具有大小和方向的数值被称为向量数值,或者简称为向量。有时向量也被称为矢量。下面是日常生活中常见的向量的

深入理解数字信号处理 3282

【线性代数本质】1:向量究竟是什么

文章目录一:不同的人如何看待向量二:坐标系中的向量表示三:坐标系中向量加法和数乘(1)相加(2)数乘 一:不同的人如何看待向量 向量的概念我们再熟悉不过了,他们在不同人眼中是不一样的 学物理的人认为,向量是空间里面的箭头,决定一个向量的是它的方向和长度,如果两个向量这两个特征相同,那么你可以在空间中任意移动 二维向量 三维向量 学计算机的人认为,向量是有序的数字列表,试图通过一组数字(顺序不可颠倒)去描述(专业叫建模)描述某个对象 对于学数学的人,他们觉得向量可以是任何东西,只要保证两个

快乐江湖的博客 1645

线性代数中的向量与向量空间

其中是向量的分量,可以是实数、复数或其他类型的数。加法封闭性:如果u和v属于 V,则uv也属于 V。数乘封闭性:如果v属于 V,k 是一个标量,则 kv也属于 V。加法和数乘的八条性质uvvu加法结合律:(uv) +wu+ (vw零向量:存在一个零向量0,使得对于任意向量vv0v负向量:对于任意向量v,存在一个向量 -v,使得v+ (-v) =0数乘分配律1:k(uv) = ku+ kv数乘分配律2:(k + l)v= kv+ lv数乘结合律:k(lv) = (kl)v单位元:1vv。

aichitang2024的博客 1711

线性代数 [ 向量究竟是什么 ]

向量是线性代数的基本单元,可从几何(空间中的箭头)、数据(有序数字)和抽象数学(满足运算规则的对象)三方面理解。通过坐标系,箭头可表示为有序数组,如二维向量[1,2]。向量加法对应位移的首尾相接,数乘则改变长度或方向。利用NumPy可实现向量的坐标运算,但需注意列表与数组的区别。掌握向量加法与数乘是理解线性组合、张成空间的基础。

Small_entreprene的博客 221

【Python】【线性代数】用Python学习线性代数——向量

文章目录行向量表示列向量表示向量的加法向量的数量乘法向量的内积向量运算矩阵运算向量的外积二维空间三维空间 向量在Python中表示的常用工具库是numpy(Numerical Python),支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。 行向量表示 行向量因为只有一行,就用以为数组表示。 import numpy as np #导入库 a = np.array([1, 2...

葑鈊丶 1659

【预备理论知识——2】深度学习:线性代数概述

【预备理论知识——2】深度学习:线性代数概述

世界那么大,我想去看看~【随心更新,看世界去了😄】 1934

Python实战:用NumPy玩转向量运算(附线性代数核心概念图解)

本文通过Python的NumPy库详细解析向量运算的核心技术与应用,涵盖向量创建、可视化、点积计算及线性代数概念图解。特别针对数据科学和机器学习场景,提供高效的向量化编程技巧和性能优化方案,帮助开发者掌握线性代数在实际项目中的关键应用。

z5a6b的博客 987
上一篇: 线性代数学习点(四):向量数乘的几何表示
下一篇: 线性代数学习点(六):二维直角坐标系下的向量表示
deepdsp
博客等级 码龄15年 859粉丝 62原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值