常见向量的运算

最新推荐文章于 2023-04-22 17:20:28 发布

王先生的副业

最新推荐文章于 2023-04-22 17:20:28 发布

阅读量1.2k

点赞数

分类专栏：线性代数重温线性代数

本文链接：https://blog.csdn.net/uncle_gy/article/details/80405754

版权

线性代数同时被 2 个专栏收录

14 篇文章 1 订阅

订阅专栏

线性代数重温

13 篇文章 3 订阅

订阅专栏

假设有 $\mathbf{x}$ 和 $\mathbf{y}$ 两个向量

x = ⎛ ⎝ ⎜ ⎜ ⎜ ⎜ x 1 x 2 ⋮ x n ⎞ ⎠ ⎟ ⎟ ⎟ ⎟

$\mathbf{x}=\begin{pmatrix} x_1\\ x_2\\ \vdots\\ x_n \end{pmatrix}$

y = ⎛ ⎝ ⎜ ⎜ ⎜ ⎜ y 1 y 2 ⋮ y n ⎞ ⎠ ⎟ ⎟ ⎟ ⎟

$\mathbf{y}=\begin{pmatrix} y_1\\ y_2\\ \vdots\\ y_n \end{pmatrix}$

内积(标量积，点积)

[x, y] = x \cdot y = x T y = (x 1, x 2, \dots x n) ⎛ ⎝ ⎜ ⎜ ⎜ ⎜ y 1 y 2 ⋮ y n ⎞ ⎠ ⎟ ⎟ ⎟ ⎟ = x 1 y 1 + x 2 y 2 + \dots + x n y n = | x | | y | \cdot cos θ

$[\mathbf{x},\mathbf{y}]=\mathbf{x}\cdot\mathbf{y}=\mathbf{x}^T\mathbf{y}=\begin{pmatrix}x_1,x_2,\cdots x_n \end{pmatrix}\begin{pmatrix} y_1\\y_2\\\vdots\\y_n \end{pmatrix}=x_1y_1+x_2y_2+\cdots+x_ny_n=|\mathbf{x}||\mathbf{y}|\cdot\cos\theta$

外积(这个名称好多地方都不一样)

x y T = ⎛ ⎝ ⎜ ⎜ ⎜ ⎜ x 1 x 2 ⋮ x n ⎞ ⎠ ⎟ ⎟ ⎟ ⎟ (y 1, y 2, \dots, y n) = ⎛ ⎝ ⎜ ⎜ ⎜ ⎜ ⎜ x 1 y 1 x 2 y 1 ⋮ x n y 1 x 1 y 2 x 2 y 2 ⋮ x n y 2 \dots \dots ⋱ \dots x 1 y n x 2 y n ⋮ x n y n ⎞ ⎠ ⎟ ⎟ ⎟ ⎟ ⎟

$\mathbf{x}\mathbf{y}^T=\begin{pmatrix}x_1\\x_2\\\vdots \\x_n \end{pmatrix}\begin{pmatrix} y_1,y_2,\cdots,y_n \end{pmatrix}=\begin{pmatrix} x_1y_1&x_1y_2&\cdots&x_1y_n\\ x_2y_1&x_2y_2&\cdots&x_2y_n\\ \vdots&\vdots&\ddots&\vdots\\ x_ny_1&x_ny_2&\cdots&x_ny_n\\ \end{pmatrix}$

叉积

若 $\mathbf{x}=(x_1,x_2,x_3)^T$ , $\mathbf{y}=(y_1,y_2,y_3)^T$

x \times y = x \land y = ∣ ∣ ∣ ∣ i x 1 y 1 j x 2 y 2 k x 3 y 3 ∣ ∣ ∣ ∣

$\mathbf{x}\times\mathbf{y}=\mathbf{x}\wedge\mathbf{y}=\left|\begin{aligned} &\mathbf{i}&&\mathbf{j}&\mathbf{k}\\ &x_1&&x_2&x_3\\ &y_1&&y_2&y_3\\ \end{aligned}\right|$

王先生的副业

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
常见向量的运算

假设有xx\mathbf{x}和yy\mathbf{y}两个向量 x=⎛⎝⎜⎜⎜⎜x1x2⋮xn⎞⎠⎟⎟⎟⎟x=(x1x2⋮xn)\mathbf{x}=\begin{pmatrix}x_1\\x_2\\\vdots\\x_n\end{pmatrix} y=⎛⎝⎜⎜⎜⎜y1y2⋮yn⎞⎠⎟⎟⎟⎟y=(y1y2⋮yn)\mathbf{y}=\begin{pmatrix}y_1\\y_...
复制链接

扫一扫

专栏目录