7.Tensors For Beginneers - Convector Components

介绍协向量时,曾说过它们有点像 行向量, 行向量确实以某种方式代表了协向量,

这里说明一下:

协向量是不变的; 协向量组件是可变的。

协向量不依赖坐标系,协向量的组件取决于坐标系。

当我们说协向量具有组件时,我们的意思是?

要记住:协向量是 一个 从向量到实数的函数,协向量并不存在向量空间V中,协向量只是将V中的向量作为输入,所以我们不能使用V中的基向量来构造协向量,
所以应该怎么做才对?

从V中取两基向量,并引入两个协向量(从向量到实数的函数),
并定义它们的计算结果,

如图:

还记得那个 kronecker Delta 吗。

这些协向量\epsilon 实际上看起来像一堆线吗?  为找到答案,把它们作用到某个向量v上,

仔细 看,这些\epsilon 所做的是:它们在投射矢量分量,是把?


当把\epsilon^{i}应用到v中,我们将得到v基向量e1、e2上的组件,
所以,
\epsilon^{1}看起来就像是:可以帮助我们获得向量v的第一个分量,其中e1就是指向这个分量的方向。

\epsilon^{2}看起来就像是:可以帮助我们获得向量v的第2个分量,其中e2就是指向这个分量的方向。

这就是协向量的样子(视觉上)

现在我们对向量v应用一些通用的协向量α,α可以是任一协向量

(注:α1=α*e1=一个数,α2也是一个数,上面表示 任意一个协向量α = 数1*\epsilon^{1} + 数2*\epsilon^{2}

所以上面我们所作的是:编写了一个通用的协向量α(α可以是任意协向量) 作为\epsilon协向量的线性组合,
所以这意味着协向量\epsilon 是 构成了所有协向量集合的基底,
也因为这个原因,\epsilon被称为 ”对偶基“ , 因为它们是对偶空间V* 上的 基底。

以上我们就用了代数的方式写出了 一个协向量的表达,

现考虑视觉上,
 

假设有一个协向量α,一簇在e1、e2为基底的向量空间的线, 可通过把α应用到基底e1、e2上来获得α的组件,只需计算穿透的行数,

我们可以把α写成\epsilon^{1}\epsilon^{2}的线性组合 的方式来表示α。

所以过程就是:从基底向量开始,使用这个定义 来获得对偶协向量的基底,然后使用 这些  我们就可以将任意的协向量表示为对偶基的线性组合。(这是对上面整个过程的描述)

但记住,\epsilon^{1}\epsilon^{2}并不是 唯一的基底,(正如向量空间那般,基底可以变,基底个数不变那般)

因此,我们可以用别的向量开始,如:

并使用以下规则,我们可以定义另一对对偶基,
规则--就是规定

同样地,可将任意协向量α表示为\tilde \epsilon^{1} 、 \tilde \epsilon^{2} 的线性组合。

例子:

已知一个协向量α在 旧(对偶)基\epsilon^{1}\epsilon^{2}下的线性表示, 同时有一对新(对偶)基\tilde \epsilon^{1} 、 \tilde \epsilon^{2},想把协向量α利用新基\tilde \epsilon^{1} 、 \tilde \epsilon^{2}做线性表示,

将α应用到新基底,

以上是向量的转换;
以下是基底的转换; 

仔细观察,协向量中:基底的转换: 旧基到新基---用B,新基到旧基===用F;
                    这与向量的完全相反!
                  协向量中:某个协向量的转换:利用旧基到利用新基---用F,利用新基到利用旧基--用B
                     这与向量的完全相反!

这就是为什么不能只翻转列向量来获得行向量,--------这在正交基上有效,

你看上图, 对于利用正交基, 协向量你把它从列向量转置成行向量,2,1仍是2,1;

但是,一旦不是正交基了, 【1;0】变为 【5,-3/4】明显不能靠转置来获得。

所以,向量分量是通过计算构建向量时使用了多少基向量来测量的,
但是协向量分量是通过计算 基向量 穿过的协向量线的数量来测量的。

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.xdnf.cn/news/149996.html

如若内容造成侵权/违法违规/事实不符,请联系一条长河网进行投诉反馈,一经查实,立即删除!

相关文章

Javascript文件上传

什么是文件上传 文件上传包含两部分, 一部分是选择文件,包含所有相关的界面交互。一部分是网络传输,通过一个网络请求,将文件的数据携带过去,传递到服务器中,剩下的,在服务器中如何存储&#xf…

【11】c++设计模式——>单例模式

单例模式是什么 在一个项目中,全局范围内,某个类的实例有且仅有一个(只能new一次),通过这个唯一的实例向其他模块提供数据的全局访问,这种模式就叫单例模式。单例模式的典型应用就是任务队列。 为什么要使…

C++(STL容器适配器)

前言: 适配器也称配接器(adapters)在STL组件的灵活组合运用功能上,扮演着轴承、转换器的角色。 《Design Patterns》对adapter的定义如下:将一个class的接口转换为另一个class的接口,使原本因接口不兼容而…

Python之字符串构造

Python之字符串构造 字符串str 一个个字符组成的有序的序列,是字符的集合使用单引号、双引号、三引号引住的字符序列字符串是不可变对象,是字面常量 Python3起,字符串都是Unicode类型 x abcde使用for循环遍历x的值,打印并查看…

2023 年 Web 安全最详细学习路线指南,从入门到入职(含书籍、工具包)【建议收藏】

第一个方向:安全研发 你可以把网络安全理解成电商行业、教育行业等其他行业一样,每个行业都有自己的软件研发,网络安全作为一个行业也不例外,不同的是这个行业的研发就是开发与网络安全业务相关的软件。 既然如此,那其…

从零开始学习线性回归:理论、实践与PyTorch实现

文章目录 🥦介绍🥦基本知识🥦代码实现🥦完整代码🥦总结 🥦介绍 线性回归是统计学和机器学习中最简单而强大的算法之一,用于建模和预测连续性数值输出与输入特征之间的关系。本博客将深入探讨线性…

解决报错: require is not defined in ES module scope

用node启动mjs文件报错:require is not defined in ES module scope 现象如下: 原因: 文件后缀是mjs, 被识别为es模块,但是node默认是commonjs格式,不支持也不能识别es模块。 解决办法:把文件后缀从.mjs改…

Spring web security

儅使用spring的web security時&#xff0c;默認會轉向自帶的spring security example page。而不會轉向error page。 TODO: <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-security</artifactId> &l…

【智能家居项目】裸机版本——字体子系统 | 显示子系统

&#x1f431;作者&#xff1a;一只大喵咪1201 &#x1f431;专栏&#xff1a;《智能家居项目》 &#x1f525;格言&#xff1a;你只管努力&#xff0c;剩下的交给时间&#xff01; 今天实现上图整个项目系统中的字体子系统和显示子系统。 目录 &#x1f004;设计思路&#x1…

【网络安全-信息收集】网络安全之信息收集和信息收集工具讲解

一&#xff0c;域名信息收集 1-1 域名信息查询 可以用一些在线网站进行收集&#xff0c;比如站长之家 域名Whois查询 - 站长之家站长之家-站长工具提供whois查询工具&#xff0c;汉化版的域名whois查询工具。https://whois.chinaz.com/ 可以查看一下有没有有用的信息&#xf…

【熬夜爆肝版】JAVA基础入门专栏——1.JAVA开发入门

JAVA开发入门 1、Java概述1&#xff09;起源2&#xff09;特点3&#xff09;应用领域 2、JDK1&#xff09;定义2&#xff09;作用3&#xff09;组成4&#xff09;JDK版本与兼容性5&#xff09;JDK的安装与配置6&#xff09;JDK的发行版 3、系统环境变量1&#xff09;定义2&…

回归预测 | MATLAB实现PSO-SVR粒子群优化支持向量机回归多输入单输出预测

回归预测 | MATLAB实现PSO-SVR粒子群优化支持向量机回归多输入单输出预测 目录 回归预测 | MATLAB实现PSO-SVR粒子群优化支持向量机回归多输入单输出预测预测效果基本介绍模型描述程序设计预测效果 <

Chrome(谷歌浏览器)如何关闭搜索栏历史记录

目录 问题描述解决方法插件解决&#xff08;亲测有效&#xff09;自带设置解决步骤首先打开 地址 输入&#xff1a;chrome://flags关闭浏览器&#xff0c;重新打开Chrome 发现 已经正常 问题描述 Chrome是大家熟知的浏览器&#xff0c;但是搜索栏的历史记录如何自己一条条的删…

时序预测 | MATLAB实现EMD-iCHOA+GRU基于经验模态分解-改进黑猩猩算法优化门控循环单元的时间序列预测

时序预测 | MATLAB实现EMD-iCHOAGRU基于经验模态分解-改进黑猩猩算法优化门控循环单元的时间序列预测 目录 时序预测 | MATLAB实现EMD-iCHOAGRU基于经验模态分解-改进黑猩猩算法优化门控循环单元的时间序列预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍 EMD-iCHOAGR…

LVGL_基础控件滚轮roller

LVGL_基础控件滚轮roller 1、创建滚轮roller控件 /* 创建一个 lv_roller 部件(对象) */ lv_obj_t * roller lv_roller_create(lv_scr_act()); // 创建一个 lv_roller 部件(对象),他的父对象是活动屏幕对象// 将部件(对象)添加到组&#xff0c;如果设置了默认组&#xff0c…

MFC文本输出学习

void CTxttstView::OnDraw(CDC* pDC) {CTxttstDoc* pDoc GetDocument();ASSERT_VALID(pDoc);// TODO: add draw code for native data hereCString str1;pDC->SetBkColor(RGB(0,0,0));pDC->TextOut(50, 50, "一段文字");pDC->SetBkColor(RGB(255,255,255))…

Linux Vi编辑器基础操作指南

Linux Vi编辑器基础操作指南 Linux中的Vi是一个强大的文本编辑器&#xff0c;虽然它有一些陡峭的学习曲线&#xff0c;但一旦掌握了基本操作&#xff0c;它就变得非常高效。以下是Vi编辑器的一些基本用法&#xff1a; 打开Vi编辑器&#xff1a; vi 文件名退出Vi编辑器&#xff…

kafka初体验基础认知部署

kafka 基础介绍 Apache Kafka是一个分布式流处理平台&#xff0c;最初由LinkedIn开发并于2011年开源。它主要用于解决大规模数据的实时流式处理和数据管道问题。 Kafka是一个分布式的发布-订阅消息系统&#xff0c;可以快速地处理高吞吐量的数据流&#xff0c;并将数据实时地分…

【状态估计】将变压器和LSTM与卡尔曼滤波器结合到EM算法中进行状态估计(Python代码实现)

&#x1f4a5;&#x1f4a5;&#x1f49e;&#x1f49e;欢迎来到本博客❤️❤️&#x1f4a5;&#x1f4a5; &#x1f3c6;博主优势&#xff1a;&#x1f31e;&#x1f31e;&#x1f31e;博客内容尽量做到思维缜密&#xff0c;逻辑清晰&#xff0c;为了方便读者。 ⛳️座右铭&a…