文章目录
- 1 欧几里得范数
- 2 距离
- 3 标准内积
- 4 柯西-施瓦茨不等式
- 5 正交
- 6 叉乘
- 7 平行四边形法则
- 8 欧几里得运动
线性空间里最重要的就是欧几里得空间了,这是线性代数学习绕不过去的槛。欧几里得空间,学习起来我觉得吧,主要是三个点:内积、长度、夹角。首先欧几里得空间,是是空间,所以它的符号是 R n R^n Rn,比如三维空间符号就是 R 3 R^3 R3,对应的复空间的符号是 C n C^n Cn,但是本文不讲复空间。
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=1∑nxi2
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}
(x1−x2)2+(y1−y2)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}}
∣x−y∣=i=1∑n(xi−yi)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}
(1−2)2+(1−2)2+(1−3)2=6.
3 标准内积
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
x⋅y=∣x∣∣y∣cosθ
而公式中的
x
⋅
y
x\cdot y
x⋅y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
x⋅y=i=1∑nxiyi
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。
4 柯西-施瓦茨不等式
这个不等式的内容就是:
∣
x
⋅
y
∣
≤
∣
x
∣
∣
y
∣
|x\cdot y|\le|x||y|
∣x⋅y∣≤∣x∣∣y∣
这个通过夹角的定义,就可以很容易的证明出来。
5 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
=
∑
i
=
1
n
x
i
y
i
=
0
x\cdot y=\sum^{n}_{i=1}x_iy_i=0
x⋅y=i=1∑nxiyi=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=
x2y3−x3y2x3y1−x1y3x1y2−x2y1
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.
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=
3×0−0×10×2−1×01×1−3×2
=
00−5
∣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:
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)∣=∣x−y∣
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的
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。