1. 二维向量
在二维平面中，一个二维向量可以用一个箭头来表示，这个箭头起始于原点，终点坐标 ( x , y ) (x, y) (x,y) 分别为向量中的两个元素，而 c v c\boldsymbol{v} cv 与 d w d\boldsymbol{w} dw 的和则是向量 v \boldsymbol{v} v 和 w \boldsymbol{w} w的线性组合。
2. 三维向量
三维向量和二维向量类似，可以表示为三维平面中的一个箭头，只不过坐标变成了 ( x , y , z ) (x, y, z) (x,y,z)。
针对三维向量 u \boldsymbol{u} u， v \boldsymbol{v} v 和 w \boldsymbol{w} w，有
- 所有 c u c\boldsymbol{u} cu 的组合会填满一条直线
- 所有 c u + d v c\boldsymbol{u} + d\boldsymbol{v} cu+dv 的组合会填满一个平面，如果 u \boldsymbol{u} u 和 v \boldsymbol{v} v 不在一条直线上
- 所有 c u + d v + e w c\boldsymbol{u} + d\boldsymbol{v} + e\boldsymbol{w} cu+dv+ew 的组合会填满三维空间，如果 w \boldsymbol{w} w 不在 u \boldsymbol{u} u 和 v \boldsymbol{v} v 组合成的平面上
3. 长度和点积
两个向量 v = ( v 1 , v 2 ) \boldsymbol v=(v_1, v_2) v=(v1,v2) 和 w = ( w 1 , w 2 ) \boldsymbol w=(w_1, w_2) w=(w1,w2) 的点积或者内积 v ⋅ w \boldsymbol{v \cdot w} v⋅w 定义为：
v ⋅ w = v 1 w 1 + v 2 w 2 \boldsymbol{v \cdot w} = v_1w_1 + v_2w_2 v⋅w=v1w1+v2w2
如果两个的向量的点积为零，说明这两个向量是垂直的，它们之间的角度为 90°。
另一个重要的情况是一个向量和自己点积，这时候点积的结果就是向量长度的平方，或者说向量的长度就等于与自身点积的平方根。
L e n g t h = n o r m ( v ) = ∣ ∣ v ∣ ∣ = v ⋅ v \boldsymbol{Length}=norm(v)=||v||=\sqrt{v\cdot v} Length=norm(v)=∣∣v∣∣=v⋅v
单位向量就是向量长度为 1 的向量，也就是 u ⋅ u = 1 \boldsymbol{u \cdot u}=1 u⋅u=1。 u = v / ∣ ∣ v ∣ ∣ \boldsymbol{u}=v/||v|| u=v/∣∣v∣∣ 是一个和 v \boldsymbol{v} v 在一个方向上的单位向量。
沿着 x x x 轴和 y y y 轴 的单位向量称为 i \boldsymbol{i} i 和 j \boldsymbol{j} j，在 x y xy xy 平面中，单位向量 u \boldsymbol{u} u 和 x x x 轴构成一个夹角 θ \theta θ 。
i = [ 1 0 ] ， j = [ 0 1 ] ， u = [ c o s θ s i n θ ] \boldsymbol{i} = \begin{bmatrix}1 \\ 0\end{bmatrix}，\boldsymbol{j} = \begin{bmatrix}0 \\ 1\end{bmatrix}，\boldsymbol{u} = \begin{bmatrix}cos\theta \\ sin\theta\end{bmatrix} i=[10]，j=[01]，u=[cosθsinθ]
当两个向量之间的角度小于 90° 时，它们的点积大于 0；当两个向量之间的角度大于 90° 时，它们的点积小于 0；而当两个向量之间的角度等于 90° 时，它们的点积等于 0。
我们可以直观地看到这种情况，当这两个向量分别为单位向量 u = ( c o s θ , s i n θ ) \boldsymbol u=(cos\theta, sin\theta) u=(cosθ,sinθ) 和 i = ( 1 , 0 ) \boldsymbol i=(1, 0) i=(1,0) 时，这时候 u ⋅ i = c o s θ \boldsymbol{u \cdot i}=cos\theta u⋅i=cosθ， θ \theta θ 也就是这两个向量之间的角度。
当这两个向量分别旋转到 u = ( c o s β , s i n β ) \boldsymbol u=(cos\beta, sin\beta) u=(cosβ,sinβ) 到 i = ( c o s α , s i n α ) \boldsymbol i=(cos\alpha, sin\alpha) i=(cosα,sinα) 时，它们的点积为：
u ⋅ i = c o s β c o s α + s i n β s i n α = c o s ( β − α ) = c o s θ \boldsymbol{u \cdot i} = cos\beta cos\alpha + sin\beta sin\alpha = cos(\beta-\alpha) = cos\theta u⋅i=cosβcosα+sinβsinα=cos(β−α)=cosθ
当两个向量不是单位向量的时候，我们就可以先除以向量的长度把它们变成单位向量，因此，同样地，就有：
v ⋅ w ∣ ∣ v ∣ ∣ ∣ ∣ w ∣ ∣ = c o s θ \frac{\boldsymbol{v \cdot w}}{||v|| \space ||w||} = cos\theta ∣∣v∣∣ ∣∣w∣∣v⋅w=cosθ
因为 ∣ c o s θ ∣ |cos\theta| ∣cosθ∣不会超过 1，因此我们就得到了 施瓦茨不等式（Schwarz Inequality） 和 三角不等式（Triangle inequality）：
∣
v
⋅
w
∣
⩽
∣
∣
v
∣
∣
∣
∣
w
∣
∣
|\boldsymbol{v \cdot w}| \leqslant ||v||\space ||w||
∣v⋅w∣⩽∣∣v∣∣ ∣∣w∣∣
∣
∣
v
+
w
∣
∣
⩽
∣
∣
v
∣
∣
+
∣
∣
w
∣
∣
||\boldsymbol{v + w}|| \leqslant ||v|| + ||w||
∣∣v+w∣∣⩽∣∣v∣∣+∣∣w∣∣
4. 矩阵
给出三个向量
u = [ 1 − 1 0 ] ， v = [ 0 1 − 1 ] ， w = [ 0 0 1 ] \boldsymbol{u} = \begin{bmatrix}1 \\ -1 \\ 0 \end{bmatrix}，\boldsymbol{v} = \begin{bmatrix}0 \\ 1\\ -1 \end{bmatrix}，\boldsymbol{w} = \begin{bmatrix}0\\ 0\\1 \end{bmatrix} u=⎣⎡1−10⎦⎤，v=⎣⎡01−1⎦⎤，w=⎣⎡001⎦⎤
它们的线性组合 c u + d v + e w c\boldsymbol{u} + d\boldsymbol{v} + e\boldsymbol{w} cu+dv+ew 为：
c [ 1 − 1 0 ] + d [ 0 1 − 1 ] + e [ 0 0 1 ] = [ c d − c e − d ] c\begin{bmatrix}1 \\ -1 \\ 0 \end{bmatrix}+d\begin{bmatrix}0 \\ 1\\ -1 \end{bmatrix}+e\begin{bmatrix}0\\ 0\\1 \end{bmatrix} = \begin{bmatrix}c \\ d-c \\ e-d \end{bmatrix} c⎣⎡1−10⎦⎤+d⎣⎡01−1⎦⎤+e⎣⎡001⎦⎤=⎣⎡cd−ce−d⎦⎤
我们将 u ， v ， w \boldsymbol{u}，\boldsymbol{v}，\boldsymbol{w} u，v，w 作为矩阵 A A A 的列，然后上式可以重写为：
[ 1 0 0 − 1 1 0 0 − 1 1 ] [ c d e ] = [ c d − c e − d ] \begin{bmatrix}1 & 0 & 0\\ -1 &1&0\\ 0&-1&1 \end{bmatrix}\begin{bmatrix}c \\ d \\ e \end{bmatrix} = \begin{bmatrix}c \\ d-c \\ e-d \end{bmatrix} ⎣⎡1−1001−1001⎦⎤⎣⎡cde⎦⎤=⎣⎡cd−ce−d⎦⎤
将 c , d , e c, d, e c,d,e 换成 x 1 , x 2 , x 3 x_1, x_2, x_3 x1,x2,x3，我们可以得到：
A x = [ u v w ] [ x 1 x 2 x 3 ] = x 1 u + x 2 v + x 3 w = [ x 1 x 2 − x 1 x 3 − x 2 ] Ax = \begin{bmatrix} & & \\ \boldsymbol{u} &\boldsymbol{v}&\boldsymbol{w}\\ && \end{bmatrix}\begin{bmatrix}x_1 \\ x_2 \\ x_3 \end{bmatrix} =x_1\boldsymbol{u} + x_2\boldsymbol{v} + x_3\boldsymbol{w} = \begin{bmatrix}x_1 \\ x_2-x_1 \\ x_3-x_2\end{bmatrix} Ax=⎣⎡uvw⎦⎤⎣⎡x1x2x3⎦⎤=x1u+x2v+x3w=⎣⎡x1x2−x1x3−x2⎦⎤
这就是说， A x Ax Ax 的结果就是对矩阵 A A A 的列的线性组合。
我们还可以将上面的乘积表示成另外一种形式，矩阵的行和向量的点积：
A x = [ 1 0 0 − 1 1 0 0 − 1 1 ] [ x 1 x 2 x 3 ] = [ ( 1 , 0 , 0 ) ⋅ ( x 1 , x 2 , x 3 ) ( − 1 , 1 , 0 ) ⋅ ( x 1 , x 2 , x 3 ) ( 0 , − 1 , 1 ) ⋅ ( x 1 , x 2 , x 3 ) ] Ax=\begin{bmatrix}1 & 0 & 0\\ -1 &1&0\\ 0&-1&1 \end{bmatrix}\begin{bmatrix}x_1 \\ x_2 \\ x_3 \end{bmatrix} = \begin{bmatrix}(1, 0, 0) \cdot (x_1, x_2, x_3)\\ (-1, 1, 0) \cdot (x_1, x_2, x_3) \\ (0, -1, 1) \cdot (x_1, x_2, x_3) \end{bmatrix} Ax=⎣⎡1−1001−1001⎦⎤⎣⎡x1x2x3⎦⎤=⎣⎡(1,0,0)⋅(x1,x2,x3)(−1,1,0)⋅(x1,x2,x3)(0,−1,1)⋅(x1,x2,x3)⎦⎤
获取更多精彩，请关注「seniusen」!
1354
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
