16.1 几何空间


  几何空间是用线性代数解决几何问题的一类空间,这是线性代数学习绕不过去的槛。几何空间,学习起来我觉得吧,主要是三个点:内积、长度、夹角。首先,它的符号是 R n R^n Rn,比如三维空间符号就是 R 3 R^3 R3,但是几何空间不等同于欧几里得空间,因为多了很多东西,比如说叉乘、面积、体积等等。

1 欧几里得范数

  欧几里得空间里每个向量的模长,也就是向量的长度,有个高大上的名词,叫欧几里得范数,英文euclidean norm。这个范数是怎么定义的呢?
∣ ∣ x ∣ ∣ = ∑ i = 1 n x i 2 ||x||=\sqrt{\sum^n_{i=1}{x^2_i}} ∣∣x∣∣=i=1nxi2
  比如向量 ( 1 , 1 , 1 ) T (1,1,1)^T (1,1,1)T的欧几里得范数就是 1 2 + 1 2 + 1 2 = 3 \sqrt{1^2+1^2+1^2}=\sqrt{3} 12+12+12 =3 .欧几里得范数实际上是向量到 0 0 0点的距离.这个距离就是它的长度,也叫模长。当然这个比较好理解,就算不学线性代数,我们利用中学数学的勾股定理,也可以推出这个公式。

2 距离

  在中学数学里,我们知道两点之间的距离是 ( x 1 − x 2 ) 2 + ( y 1 − y 2 ) 2 \sqrt{(x_1-x_2)^2+(y_1-y_2)^2} (x1x2)2+(y1y2)2 ,欧几里得空间,无论多少维度,都是在这个基础之上的。把这个公式拓展到n维,欧几里得空间的距离公式就是:
∣ x − y ∣ = ∑ i = 1 n ( x i − y i ) 2 |x-y|=\sqrt{\sum^n_{i=1}{{(x_i-y_i})^2}} xy=i=1n(xiyi)2
  比如向量 ( 1 , 1 , 1 ) T (1,1,1)^T (1,1,1)T到向量 ( 2 , 2 , 3 ) T (2,2,3)^T (2,2,3)T的距离就是 ( 1 − 2 ) 2 + ( 1 − 2 ) 2 + ( 1 − 3 ) 2 = 6 \sqrt{(1-2)^2+(1-2)^2+(1-3)^2}=\sqrt{6} (12)2+(12)2+(13)2 =6 .

3 标准内积

  定义了内积的实线性空间就叫欧几里得空间。标准内积是用来计算向量夹角的。这个夹角公式如下:
x ⋅ y = ∣ x ∣ ∣ y ∣ cos ⁡ θ x\cdot y=|x||y|\cos \theta xy=x∣∣ycosθ
  而公式中的 x ⋅ y x\cdot y xy就是标准内积standard inner product,也叫点积dot product。公式如下:
x ⋅ y = ∑ i = 1 n x i y i x\cdot y=\sum^{n}_{i=1}x_iy_i xy=i=1nxiyi
  有了标准内积,就很容易计算两个向量之间的夹角了。在实际应用中,也用欧几里得空间的向量夹角来求两个事物之间的相关性。
  在矩阵理论里,对标准内积进行了扩展,所以欧几里得空间的内积也被称为标准内积,以同广义的内积区分开来。因为本文只讲欧几里得空间,所以就不过多讲内积了。

5 夹角与正交

  正交orthogonal,也就是垂直perpendicular,前者是代数的概念,后者是几何里的概念,意思是一样的。垂直的话,夹角就是 π 2 \frac{\pi}2 2π,而 cos ⁡ π 2 = 0 \cos \frac{\pi}2=0 cos2π=0,所以标准内积就是0,那么正交就很容易判断了。
( x , y ) = = 0 (x,y)==0 (x,y)==0

6 叉乘

  叉乘只在三维欧几里得空间有定义,等于是一维、二维、四维或其他维度是没有外积的。三维比较特殊哈,外积的定义如下:
x × y = ( x 2 y 3 − x 3 y 2 x 3 y 1 − x 1 y 3 x 1 y 2 − x 2 y 1 ) x\times y=\begin{pmatrix}x_2y_3-x_3y_2\\x_3y_1-x_1y_3\\x_1y_2-x_2y_1\end{pmatrix} x×y= x2y3x3y2x3y1x1y3x1y2x2y1
  两个向量围成的平行四边形parallelogram的面积,就是两个向量叉乘后的模长,公式如下:
a = ∣ x × y ∣ a=|x\times y| a=x×y
  我举个例子,虽然是个二维的例子,但是二维可以表示为第三维为0.
在这里插入图片描述
  很容易看出,这个平行四边形的面积是5,那我们验证下:
x = ( 1 3 0 ) , y = ( 2 1 0 ) x × y = ( 3 × 0 − 0 × 1 0 × 2 − 1 × 0 1 × 1 − 3 × 2 ) = ( 0 0 − 5 ) ∣ x × y ∣ = 5 x=\begin{pmatrix}1\\3\\0\end{pmatrix}, y=\begin{pmatrix}2\\1\\0\end{pmatrix}\\ x\times y = \begin{pmatrix}3\times 0-0\times 1\\0\times 2-1\times 0\\1\times 1-3\times 2\end{pmatrix}= \begin{pmatrix}0\\0\\-5\end{pmatrix}\\ |x\times y|=5 x= 130 ,y= 210 x×y= 3×00×10×21×01×13×2 = 005 x×y=5
  验证无误啊。当然二维的面积其实用两个向量拼成一个矩阵,求它的行列式的绝对值就可以了。

7 平行四边形法则

  欧几里得空间里的向量加法,满足平行四边形法则,这个我们小时候在做物理题,力的合成,就是平行四边形法则。举个例子:
在这里插入图片描述
  上图就是向量的加法:
x = ( 1 2 ) , y = ( 2 1 ) x + y = ( 3 3 ) x=\begin{pmatrix}1\\2\end{pmatrix}, y=\begin{pmatrix}2\\1\end{pmatrix}\\ x+y=\begin{pmatrix}3\\3\end{pmatrix}\\ x=(12),y=(21)x+y=(33)

8 欧几里得运动

  欧几里得运动Euclidean motion,实际上是一个映射,等价为先线性变换再做加法。也就是说有一个欧几里得运动T,它作用于一个向量的效果是 T ( x ) T(x) T(x)等价于 A x + b Ax+b Ax+b。这就是著名的欧几里得运动公式:
T ( x ) = A x + b T(x)=Ax+b T(x)=Ax+b
  仅仅这样还不算一个欧几里得运动,欧几里得运动必须保证变换后距离不变,也就是:
∣ T ( x ) − T ( y ) ∣ = ∣ x − y ∣ |T(x)-T(y)|=|x-y| T(x)T(y)=xy
  什么意思呢?也就是先做旋转拉伸变换再平移。我们知道平移是不会改变两个点变换后的距离的,所以公式中的 A x + b Ax+b Ax+b b b b不需要考虑。唯一考虑的就是 A A A,事实上,数学家们早就证明了,一个变换是欧几里得运动的充分必要条件是 A A A为正交矩阵。需要注意的是欧几里得运动不是线性变换,不是所有映射都是线性变换的。举个例子,下面的变换就是欧几里得运动:
T ( x ) = x + b T(x)=x+b T(x)=x+b
  正交阵的条件是 A T A = A A T = E A^TA=AA^T=E ATA=AAT=E, E E E是单位矩阵。其实欧几里得运动就是说线性变换A如果是正交矩阵则不会改变向量之间的距离。

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

醒过来摸鱼

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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