线性代数差积的通俗理解

最新推荐文章于 2023-09-04 23:12:15 发布

置顶东东就是我

最新推荐文章于 2023-09-04 23:12:15 发布

阅读量6.5k

点赞数

分类专栏：数学基础文章标签：线性代数

本文链接：https://blog.csdn.net/qq_33228039/article/details/98851443

版权

数学基础专栏收录该内容

8 篇文章 1 订阅

订阅专栏

https://www.bilibili.com/video/av6731067/?p=12

懵懵懂懂，到豁然开朗，真是异常惊喜啊。

我们已经知道矩阵代表了线性变换，是一个函数。通过点积的学习，我们知道了从空间到数轴的线性变化存在对偶性。

就是可以找到一个向量，把这个向量转置一下，变成一维矩阵，这个矩阵代表空间到数轴的线性变换。

$\binom{x}{y}\cdot \binom{a}{b}=\begin{bmatrix} x & y \end{bmatrix}\binom{a}{b}$

现在假设存在一个函数变换，可以使得向量从三维变成数轴，也就是

$f($\begin{pmatrix} x\\ y\\z\end{pmatrix}$)=det $\begin{pmatrix} $\begin{bmatrix} x&v1&w1\\ y&v2&w2\\z&v3&w3\end{bmatrix}$\end{pmatrix}$$ .

因为行列式是一个数，所以我们把数轴上的数替换成一个3个向量的行列式。

这个函数的意思就是，输入一个三维向量，得到输入向量和确定的v向量和w向量的行列式，也就是

输入一个向量，得到由输入向量和v，w向量确定的数。那么三维变成一维，让我们想到了向量点积。

$f($\begin{pmatrix} x\\ y\\z\end{pmatrix}$)=$\begin{pmatrix} p1\\ p2\\p3\end{pmatrix}$\cdot $\begin{pmatrix} x\\ y\\z\end{pmatrix}$= \begin{bmatrix} p1 & p2 & p3 \end{bmatrix}$\begin{pmatrix} x\\ y\\z\end{pmatrix}$ =det $\begin{pmatrix} $\begin{bmatrix} x&v1&w1\\ y&v2&w2\\z&v3&w3\end{bmatrix}$\end{pmatrix}$$

$\newline p1*x+p2*y+p3*z=\newline (v2*w3-v3*w2)*x+(v3*w1-v1*w3)*y+(v1*w2-v2*w1)*z$

$\newline p1= (v2*w3-v3*w2) \newline p2=(v3*w1-v1*w3) \newline p3=(v1*w2-v2*w1)$

那么我们再来看看叉乘的计算方式

$\begin{pmatrix} v1\\ v2\\v3\end{pmatrix}$ \times $\begin{pmatrix} w1\\ w2\\w3\end{pmatrix}$=det\left ( \begin{bmatrix} i &v1 &w1 \\ j & v2 &w2 \\ z& v3& w3 \end{bmatrix} \right )=$\begin{pmatrix} i*(v2*w3-v3*w2)\\ j*(v3*w1-v1*w3))\\z*(v1*w2-v2*w1)\end{pmatrix}$

i、j、z是为了方便计算，本身没有意义，可以认为是1.所以我们看到

$\begin{pmatrix} p1\\ p2\\p3\end{pmatrix}$=$\begin{pmatrix} v1\\ v2\\v3\end{pmatrix}$ \times $\begin{pmatrix} w1\\ w2\\w3\end{pmatrix}$

所以叉乘是什么，叉乘就是空间到数轴的线性变化的对偶。就是一个线性函数。。。。。

而行列式是什么，行列式就是变换前后面积的变换比例的度量

那么叉乘=行列式，怎么解释呢。

线性变换使用变换前后面积的变换比例的度量来表示。

矩阵是使用基座标来表示线性变换，

总结：线性变换可以使用基座标来表示，也可以使用变换前后面积的变换比例来表示

东东就是我

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
线性代数差积的通俗理解

https://www.bilibili.com/video/av6731067/?p=12懵懵懂懂，到豁然开朗，真是异常惊喜啊。我们已经知道矩阵代表了线性变换，是一个函数。通过点积的学习，我们知道了从空间到数轴的线性变化存在对偶性。就是可以找到一个向量，把这个向量转置一下，变成一维矩阵，这个矩阵代表空间到数轴的线性变换。现在假设存在一个函数变换，可以使得向量从三维变成数轴，也...
复制链接

扫一扫