点积定义: 两个向量对应元素两两相乘,并求和
从矩阵角度看,相当于
u
v
T
u v^T
uvT,
u
乘
v
的
转
置
u乘v的转置
u乘v的转置
向量长度的运算
投影长度的计算
余弦相似度的推导
1.从投影的角度理解
矩阵
T
∈
R
m
×
n
\boldsymbol T \in \mathbb R^{m\times n}
T∈Rm×n,乘以向量
(
x
1
,
x
2
,
.
.
.
,
x
n
)
(x_1,x_2,...,x_n)
(x1,x2,...,xn)
等于 x x x 在 a i , ∗ a_{i,*} ai,∗上的投影
如果a看成一个坐标轴的单位向量,那么x在a上的投影就是,x在坐标轴上投影的长度
(因为a是单位向量(长度为1),所以投影长度乘1长度没有变。)
乘法的最终结果,是x在以每个a为坐标轴单位向量的新坐标系下的坐标。
-举前面的例子(旋转缩放中,)
图左: 向量在新坐标系(虚线)的投影。
图右:新坐标系取代老坐标系,得到新的坐标。
2.坐标映射角度理解
坐标系的轴不正交,甚至向量长度不为1,就难以想象矩阵乘法的结果。
(正交在本节的解释:任意坐标轴方向上的向量,在其他坐标轴方向上的投影长度都是0)
比如下面这个例子。
笛卡尔坐标系(Cartesian coordinates)就是直角坐标系和斜坐标系的统称。
相交于原点的两条数轴,构成了平面放射坐标系。如两条数轴上的度量单位相等,则称此放射坐标系为笛卡尔坐标系。两条数轴互相垂直的笛卡尔坐标系,称为笛卡尔直角坐标系,否则称为笛卡尔斜角坐标系。
我们先研究一下,坐标轴单位向量的变化(1,0),(0,1)与旋转矩阵相乘之后
结论:第i维度的单位向量,在矩阵乘法变换之后,就是第i列向量
对称矩阵:元素以主对角线为对称轴对应相等的矩阵。
如果在原坐标系画单位长度为半径的圆,在变换后就变成了椭圆。
矩阵变化的前后可以在空间里找到一组正交的向量,在变换前后方向不变,空间只是在这组方向上进行伸缩。
第二次变换,沿着轴进行缩放。
(把上节正定矩阵分解的例子推广到一般情况)
联系客服