线性代数与解析几何——Part1 解析几何

• 线性代数与解析几何——Part1 解析几何
  • 0. 前言
  • 1. 向量与复数
    • 1. 向量
    • 2. 向量运算
      • 1. 数量积（内积）
      • 2. 向量积
      • 3. 混合积
  • 2. 空间解析几何
    • 1. 直线和平面
      • 1. 直线的表达
      • 2. 平面的表达
      • 3. 点到直线的距离
      • 4. 点到平面的距离
      • 5. 两直线间的距离
      • 6. 两平面间的夹角
      • 7. 直线与平面的夹角
    • 2. 曲线和曲面
      • 1. 曲线表达式
      • 2. 曲面表达式

0. 前言

线代是很早之前大一上的东西了，当时记得学的还可以，不过确实印象中里面各种零零散散的公式定理有一堆，感觉学的不怎么成体系，后来也一直没怎么真正用起来，等到现在也基本算是把学的全部还给老师了……

不过问题在于，虽然我现在已经不搞物理很多年了，但是架不住我转行做算法了啊，算法的核心不就是各种矩阵计算吗？虽然由于神经网络当中参数的复杂性，我自己也不是研究员，更多时候主要考察的还是数据特征以及对结果进行定性上的分析，而不会从模型结构中涉及的矩阵变换来对结果进行调优，但是线代终究感觉还是有必要去捞一下了……

所以，这里我打算还是掏出当年的教科书把线代给复习一下吧……

不过说到这里，我真的是想好好吐槽一下了，我掏出教科书之后才发现，当年上线代居然用的教材是线性代数与解析几何，然后教材前两章全都在讲解几，里面涉及到的线代相关的东西貌似也全部是服务于坐标系变换的，虽说我是物理系的吧，但是这是不是也太忽悠了啊，难怪当年印象中我好像特意去找了本数学系的线代教材自学来着……

简直了……

算了，先把这本书简单过一下吧，回头下次再找本数学系的教材好好补补吧……

1. 向量与复数

1. 向量

向量的含义顾名思义，就是即有大小又有方向的量，其满足如下性质：

1. 交换律：$\vec{a}+\vec{b}=\vec{b}+\vec{a}$
2. 结合律：$(\vec{a}+\vec{b})+\vec{c}=\vec{a}+(\vec{b}+\vec{c})$
3. $\vec{a}+\vec{0}=\vec{a}$
4. $\vec{a}+(-\vec{a})=\vec{0}$
5. $1\vec{a}=\vec{a}$
6. $\lambda (\mu \vec{a})=(\lambda \mu )\vec{a}$
7. $(\lambda +\mu )\vec{a}=\lambda \vec{a}+\mu \vec{a}$
8. $\lambda (\vec{a}+\vec{b})=\lambda \vec{a}+\lambda \vec{b}$

关于向量还有一些比较简单的性质，比如说：

命题1.1.1

• 向量$\vec{a},\vec{b}$共线的充要条件是存在不全为零的实数$\lambda ,\mu$，使得$\lambda \vec{a}+\mu \vec{b}=0$

命题1.1.2

• 向量$\vec{a},\vec{b},\vec{c}$共面的充要条件是存在不全为零的实数$\lambda ,\mu ,\nu$，使得$\lambda \vec{a}+\mu \vec{b}+\nu \vec{c}=0$

另外，我们可以基于此定义线性组合和线性相关：

定义1.1.1

• 设$\overrightarrow{a_1},\overrightarrow{a_2},...,\overrightarrow{a_n}$为一组向量，${\lambda }_1,{\lambda }_2,...,{\lambda }_n$为一组实数，则称向量$\vec{a}={\sum }_{i=1}^n{\lambda }_i\overrightarrow{a_i}$为向量$\overrightarrow{a_1},\overrightarrow{a_2},...,\overrightarrow{a_n}$的一个线性组合。

定义1.1.2

• 一组向量$\overrightarrow{a_1},\overrightarrow{a_2},...,\overrightarrow{a_n}$，如果存在不全为零的实数${\lambda }_1,{\lambda }_2,...,{\lambda }_n$使得${\sum }_{i=1}^n{\lambda }_i\overrightarrow{a_i}=0$，则称这组向量线性相关，反之称其为线性无关。

因此，显然有：

• 两个向量线性相关当且仅当其共线；
• 三个向量线性相关当且仅当其共面。

2. 向量运算

1. 数量积（内积）

首先，我们给出其定义如下：

定义1.3.1

• 两个向量$\vec{a},\vec{b}$的数量积（内积）是一个标量，它等于两个向量的模长与两个向量夹角的余弦的乘积，即为$\vec{a}\cdot \vec{b}=|\vec{a}||\vec{b}|cos\theta$。

物理含义上来说，内积就是两个向量在各自方向上的投影之积。

显然，我们有如下性质：

1. $\vec{a}\cdot \vec{b}=\vec{b}\cdot \vec{a}$
2. $(\vec{a}+\vec{b})\cdot \vec{c}=\vec{a}\cdot \vec{c}+\vec{b}\cdot \vec{c}$
3. $(\lambda \vec{a})\cdot \vec{b}=\lambda (\vec{a}\cdot \vec{b})=\vec{a}\cdot (\lambda \vec{b})$
4. ${\vec{a}}^2=\vec{a}\cdot \vec{a}\ge 0$
5. 三角不等式：$|\vec{a}|+|\vec{b}|\ge |\vec{a}+\vec{b}|$

2. 向量积

同样，给出向量积的定义如下：

定义1.4.1

• 两个向量$\vec{a},\vec{b}$的向量积$\vec{a}\times \vec{b}$为一个向量，它的方向与$\vec{a},\vec{b}$均垂直，且使$\vec{a},\vec{b},\vec{a}\times \vec{b}$构成一个右手坐标系；它的模长等于以$\vec{a},\vec{b}$为边的平行四边形的面积，即$|\vec{a}\times \vec{b}|=|\vec{a}||\vec{b}|sin\theta$，其中$\theta$为两向量间的夹角。

显然，我们同样有：

1. $\vec{a}\times \vec{b}=-\vec{b}\times \vec{a}$
2. $(\lambda \vec{a})\times \vec{b}=\lambda (\vec{a}\times \vec{b})=\vec{a}\times (\lambda \vec{b})$
3. $(\vec{a}+\vec{b})\times \vec{c}=\vec{a}\times \vec{c}+\vec{b}\times \vec{c}$

更进一步的，我们其实还有性质如下：

1. $(\vec{a}+\vec{b})\times \vec{c}=(\vec{a}\cdot \vec{c})\vec{b}-(\vec{b}\cdot \vec{c})\vec{a}$
2. $(\vec{a}+\vec{b})\cdot (\vec{c}+\vec{d})=(\vec{a}\cdot \vec{c})(\vec{b}\cdot \vec{d})-(\vec{a}\cdot \vec{d})(\vec{b}\cdot \vec{c})$

3. 混合积

混合积的定义为$(\vec{a}\times \vec{b})\cdot \vec{c}$，其物理含义上恰好就是这三个向量组成的平行六面体的体积。

我们可以将其结果写成行列式的形式：

$$(\vec{a}\times \vec{b})\cdot \vec{c}=\left|\begin{array}{ccc}{a}_1& a_2& a_3\\ b_1& b_2& b_3\\ c_1& c_2& c_3\end{array}\right|$$

显然有：

• 三个向量共面当且仅当其混合积为0。

2. 空间解析几何

1. 直线和平面

1. 直线的表达

$$\frac{x-a_1}{u_1}=\frac{y-a_2}{u_2}=\frac{z-a_3}{u_3}$$

直线的方向向量为：

$$\vec{u}=(u_1,u_2,u_3)$$

2. 平面的表达

$$Ax+By+Cz+D=0$$

平面的法向量表达为：

$$\vec{n}=(A,B,C)$$

3. 点到直线的距离

$$d=\frac{|\vec{u}\times \overrightarrow{AP}|}{|\vec{u}|}$$

4. 点到平面的距离

$$d=\frac{|Ax+By+Cz+D|}{\sqrt{A^2+B^2+C^2}}$$

5. 两直线间的距离

$$d=\frac{|\vec{u}\times \vec{v}\cdot \overrightarrow{AB}|}{|\vec{u}\times \vec{v}|}$$

6. 两平面间的夹角

$$\varphi =arccos\frac{|\overrightarrow{n_1}\cdot \overrightarrow{n_2}|}{|\overrightarrow{n_1}||\overrightarrow{n_2}|}$$

7. 直线与平面的夹角

$$\phi =arcsin\frac{|\vec{u}\cdot \vec{n}|}{|\vec{u}||\vec{n}|}$$

2. 曲线和曲面

1. 曲线表达式

$$Q(t)=(x(t),y(t),z(t))$$

2. 曲面表达式

1. 柱面

   $$P(s,t)=s\vec{u}+Q(t)$$

2. 锥面

   $$P(s,t)=(1-s)A+sQ(t)$$

3. 常见二次曲面

   1. 椭球面

      $$\frac{x^2}{a^2}+\frac{y^2}{b^2}+\frac{z^2}{c^2}=1$$

   2. 单叶双曲面

      $$\frac{x^2}{a^2}+\frac{y^2}{b^2}-\frac{z^2}{c^2}=1$$

   3. 双叶双曲面

      $$\frac{x^2}{a^2}+\frac{y^2}{b^2}-\frac{z^2}{c^2}=-1$$

   4. 二次锥面

      $$\frac{x^2}{a^2}+\frac{y^2}{b^2}-\frac{z^2}{c^2}=0$$

   5. 椭圆抛物面

      $$z=\frac{x^2}{a^2}+\frac{y^2}{b^2}$$

   6. 马鞍面（双曲抛物面）

      $$z=\frac{x^2}{a^2}-\frac{y^2}{b^2}$$

   7. 椭圆柱面

      $$\frac{x^2}{a^2}+\frac{y^2}{b^2}=1$$

   8. 双曲柱面

      $$\frac{x^2}{a^2}-\frac{y^2}{b^2}=1$$

   9. 抛物柱面

      $$y^2=2px$$