矢量的客观性和主观性

宇宙中飘过来一个自由矢量,全世界的人都可以看到,大家都在想,怎么描述它呢,总不能指着它说“那个矢量”吧。数学家很聪明,于是建立了一个坐标系,这个矢量投影到坐标系下,就得到了几个数,就用这几个数就可以描述这个矢量了。

这招确实不错,但是问题来了,没有这组数字,大家脑子中的矢量是客观且抽象的,有了这组数字矢量就变成了建坐标系的这个人的了,问题出现了,每个人都可以建立自己的坐标系去描述这个矢量,矢量存在的客观性和坐标系描述的主观性之间产生了矛盾。

保留客观性,没有具体的数字,不好计算,选择了坐标,倒是容易计算了,但是每个人眼中的矢量就又不一样了。

数学家给出的办法是,先让一个朋友主观的选择一个坐标系,用一组坐标数字描述这个矢量,然后在给出一个所有坐标系的之间的变换,这样,每个人都能拿着一组任意的主观的坐标数据通过一定的变换关系变换到自己的主观坐标系下,也就是说,一个主观+一组变换方法,可以换得全世界所有的主观视角,一旦我们掌握了所有的主观视角,主观到了极限,我们便再次拥有了客观。

基变换

在线性代数的学习中,n维空间中的n维向量的元素常常是由相对独立的因素组成的,这些相对独立的因素或者完全独立(垂直或者正交),或者相对独立(线性无关,我有你没有的部分)。对于n维空间的几何图形的想象,坐标轴的现实意义上的垂直不是必须的,如果几何意义上的垂直或者正交代之以代数意义上的线性无关概念,取消了几何作图对垂直的要求,我们的平面就可以通过斜坐标系画出来了,就可以形象理解了由n个线性无关向量张成的n维空间的理论,进而想象高维空间的图像也就不是一件特别困难的事情了。

空间本身并没有内蕴的网格,每种基下的宇宙空间生物都可以按照基的方向绘制自己的网格,是有助于帮助理解它所在的空间的工具,网格是主观的,不同的网格空间通过变换达到对方的网格,实现坐标系的切换。因为所有的向量乘以0都是零向量,不同的坐标系下的宇宙生物对0向量的位置可以达成共识。

空间中的两个点决定了一个自由向量,把所有自由向量的初始点全部拉到坐标原点,这样平面中的任意一个点就可以和一个向量对应上了(用群的观点看,是一种自由向量和笛卡尔坐标系中点的之间的同构)。

自由向量的坐标是可以看成是2个标量,这两个标量的值和坐标系基的选取有直接关系,因为基向量正是这两个标量缩放的对象。

\begin{bmatrix} \vec{b_1} & \ \ \ \vec{b_2} \end{bmatrix}\begin{bmatrix} x\\ \\ y \end{bmatrix} = x\cdot \vec{b_1} + y \cdot \vec{b_2}

可以把基向量看成是隐藏于空间坐标系网格中的隐含假设,基变换是说,任何两个线性无关的向量都可以作为新的坐标系的基定义新的网格,并通过将新基定义为\vec{b_1}=[1, 0]^T, \vec{b_2}=[0, 1]^T完成加冕。

无论新基是否正交,我们都可以在该坐标系下将基向量自身视为\vec{b_1}=[1, 0]^T, \vec{b_2}=[0, 1]^T。坐标系切换的本质就是重新定义“单位向量”,与基的正交性无关。非正交性仅导致内积计算不同,但线性变换的代数描述完全自洽。

只要不涉及角度,距离等的度量,可以将任意两个线性无关的向量作为(1,0)和(0,1)而产生新的坐标宇宙,因为这两个向量就是定义坐标(1,0)和(0,1)含义的向量。

一个很自然的问题是,我们如何在不同基下进行坐标变换?

坐标变换

问题,在基[\vec{b_1} \ \ \vec{b_2}]下的坐标向量(-1,2),如何变换成我们的坐标系下的坐标?

转换到我们的坐标系下:

就可以得到我们的坐标系下的坐标了:

线性变换的一个重要特性在于,变换后的向量仍旧是相同的线性组合,不过使用的是新的基向量。

用数学语言表示就是:

\boldsymbol{L(a\cdot\vec{u}+b\cdot \vec{v}) = a\cdot L(\vec{u})+b\cdot L(\vec{v})}

举例说明,在原坐标系下的向量(2,1),经过剪切矩阵的变换后,以剪切矩阵的列向量为新基(这也是原坐标轴转移到的地方),其坐标仍然是(2,1),只不过是基于新的基向量,从原坐标系来看,其坐标是(3,1)。 两个坐标谁是对的呢? 答案是相对于各自的基向量,两个坐标都对,两者描述同一向量,只是参考系不同。所以,当我们讨论坐标的时候,一定要事先问清楚,相对的是哪个基,抛开基向量讨论坐标位置是没有意义的,就像“苹果”与 “apple”指代同一物体,但符号不同,它们的基就是不同的文明背景。

垂直的绝对性

前面提到了可以将非正交的基看成是(1,0)和(0,1)而不会产生自洽问题,但是线性代数中明明学过,两个垂直的向量其内积为0,内积的计算方式是两个向量的坐标点乘,所以如果新的非正交坐标系可以看作是(1,0)和(0,1),其坐标点积为0,推导出内积为0,说明两个坐标系垂直,但是前提明明是新基非正交的呀?矛盾。

其实,上面的逻辑链条中存在一个问题,在非正交基下,内积不再等于两个向量的坐标点乘,也就是说,在任何坐标系下,内积为0确实表示向量互相垂直,但是在非正交基下,内积就不能通过坐标的点积进行计算了,点积计算的结果和基的选择有直接关系。

在包括非正交形式的任何基变换下,垂直都是绝对的,垂直由真实内积 ⟨u,v⟩=0定义,在任何坐标系下对应90°夹角。

实际上,内积的完整计算公式是:

\boldsymbol{\left \langle \vec{u}\ \ \vec{v} \right \rangle = \vec{u}^T G\vec{v}}

其中G是度规矩阵,在标准正交基下,G是单位矩阵,所以可以内积计算公式蜕化为线性代数课本上介绍的:

\boldsymbol{\left \langle \vec{u}\ \ \vec{v} \right \rangle = \vec{u}^T \vec{v}}

而在非正较基\beta=[\vec{b_1}, \vec{b_2}]下,其空间中的两个向量的\vec{u}_\beta, \vec{v}_\beta内积计算公式为:

\boldsymbol{\left \langle \vec{u}_\beta\ \ \vec{v}_\beta \right \rangle = \vec{u}_\beta^T G\vec{v}_\beta}

为了计算G,我们先将非标准坐标系下的向量\vec{u}_\beta, \vec{v}_\beta转换回原正交坐标系:

\vec{u}_{origin} = [\vec{b_1}, \vec{b_2}]\cdot \vec{u}_\beta

\vec{v}_{origin} = [\vec{b_1}, \vec{b_2}]\cdot \vec{v}_\beta

因为原坐标系正交,可以直接用坐标点乘得到真实内积:

\boldsymbol{\left \langle \vec{u}_{orig}, \vec{v}_{orig} \right \rangle = \vec{u}_{orig}^T\vec{v}_{orig}}

代入:

\boldsymbol{\left \langle \vec{u}_{orig}, \vec{v}_{orig} \right \rangle = \vec{u}_{orig}^T\vec{v}_{orig} = \vec{u}_\beta^T \cdot [\vec{b_1}, \vec{b_2}]^T\cdot [\vec{b_1}, \vec{b_2}]\cdot \vec{v}_\beta= \vec{u}_\beta^T \begin{bmatrix} \vec{b_1}\vec{b_1} & \vec{b_1}\vec{b_2}\\ \vec{b_2}\vec{b_1} & \vec{b_2}\vec{b_2} \end{bmatrix}\vec{v}_\beta}

所以,最终得到度规矩阵G的表达式如下,可以看到其是一个对称矩阵:

考虑到非正交坐标系,则任意向量的长度公式变为:

\boldsymbol{Len(\vec{u}) = \sqrt{\left \langle \vec{u}, \vec{u} \right \rangle}=\sqrt{\vec{u}^TG\vec{u}}}

在非正交基下,坐标点积为零的向量不一定实际垂直。其实际夹角由度量矩阵G修正:

举例说明

设定:

地球人:标准正交基,点P的坐标(3,4).

外星人:非正交基,从地球人的角度看,其基坐标为:

\vec{b_1} = \begin{bmatrix} 1\\ \\ 0 \end{bmatrix}, \vec{b_2}= \begin{bmatrix} \frac{1}{2}\\ \\ \frac{\sqrt{3}}{2} \end{bmatrix}

但是对于外星人来说,他们同样认为自己的基是(1,0)和(0,1),和地球人无异。地球人根据基变换规则,计算出同样的P点在外星人的坐标系下的坐标为:

P_{alin} = [\vec{b_1}, \vec{b_2}]^{-1} \cdot \begin{bmatrix} 3\\ \\ 4 \end{bmatrix} =\begin{bmatrix} 0.6906\\ \\ 4.6188 \end{bmatrix}

地球人计算P点到原点的坐标,根据勾股定理:

d = \sqrt{3^2+4^2} = 5

在小尺度下,外星人没有意识到自己使用的基是非正交的,如果其同样知道了勾股定理,则其计算两点间距离的方式和地球人一样,根据勾股定理:

d_{alin} = \sqrt{0.6906^2+4.6188^2} = 4.6701

同样空间中两点间的距离,外星人计算出的结果和地球人不同!两个文明之间开始意识到哪里出了问题。

问题解决

矛盾出现后,双方可能通过以下方式发现坐标系差异,交换基的信息,地球人立刻就会发现外星人使用的基不是正交的。外星人意识到这一点后,立刻根据自己的基向量在地球人的标准坐标系下的坐标,计算出度规矩阵G:

G = \begin{bmatrix} \vec{b_1}\vec{b_1} & \vec{b_1}\vec{b_2}\\ \vec{b_2}\vec{b_1} & \vec{b_2}\vec{b_2} \end{bmatrix} =\begin{bmatrix} 1 & 0.5\\ 0.5 & 1 \end{bmatrix}

外星人根据度规矩阵重新计算向量内积得到距离,应用内积公式:

\boldsymbol{\left \langle \vec{u}_\beta\ \ \vec{v}_\beta \right \rangle = \vec{u}_\beta^T G\vec{v}_\beta =[0.6906, 4.6188] \begin{bmatrix} 1 & 0.5\\ 0.5 & 1 \end{bmatrix}\begin{bmatrix} 0.6906\\ \\ 4.6188 \end{bmatrix}=25}

\boldsymbol{d=\sqrt{\left \langle \vec{u}_\beta\ \ \vec{v}_\beta \right \rangle}=\sqrt{25} = 5}

进而得到和地球人同样的P点距离原点的距离值是5,两个文明最终就距离问题达成了一致。这里面的关键在于认识到度量矩阵G的存在。

总结

宇宙没有义务满足人类对直角的审美,正交性和平直性只是空间的局部近似,即使空间在大尺度上是弯曲的,但是对于活动范围有限的生命体来说,其认识到的空间是"局部可微“的,可以近似看成是平直的欧式空间,所以发展欧式几何来度量这个空间是文明自然而然的选择,生命并不能天然的觉察到自己所在的空间是弯曲的(可能生活在黑洞或者中子星附近的文明能够直观感受到非正交坐标系和非平直空间),除非像前面的例子一样,遇到不同文明的碰撞,或者产生出像爱因斯坦那样的天才,对人类的空间观念进行彻底的革新。

有限尺度生命体必然首先发展欧氏几何,因其与局域测量一致,内部突破需爱因斯坦式天才,将思想实验与数学重构结合,或者外部文明的输入。实际上,人类是通过自我突破完成上述认知的,人类已经发现我们地球所在的宇宙空间,其度规矩阵G并非单位矩阵,这实际上说明,我们人类才是例子中的那个外星文明。

这印证了,从局部欧氏到全局弯曲的认知跃迁,需千年量级的科学积累。


结束

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.pswp.cn/web/93415.shtml
繁体地址,请注明出处:http://hk.pswp.cn/web/93415.shtml
英文地址,请注明出处:http://en.pswp.cn/web/93415.shtml

如若内容造成侵权/违法违规/事实不符,请联系英文站点网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Camx-Tuning参数加载流程分析

调用时序图 一、效果参数在开机时加载 CreateTuningDataManager逻辑分析 1.从xxx_module.xml获取sensor名称和效果参数名称, 比如效果参数名称为:xtc_tsp_sc520cs那么效果库的完整名称就是:com.qti.tuned.xtc_tsp_sc520cs.bin 2.优先从/data/…

《P4180 [BJWC2010] 严格次小生成树》

题目描述小 C 最近学了很多最小生成树的算法,Prim 算法、Kruskal 算法、消圈算法等等。正当小 C 洋洋得意之时,小 P 又来泼小 C 冷水了。小 P 说,让小 C 求出一个无向图的次小生成树,而且这个次小生成树还得是严格次小的&#xff…

Transformer浅说

rag系列文章目录 文章目录rag系列文章目录前言一、简介二、注意力机制三、架构优势四、模型加速总结前言 近两年大模型爆火,大模型的背后是transformer架构,transformer成为家喻户晓的词,人人都知道它,但是想要详细讲清楚&#x…

后台管理系统-3-vue3之左侧菜单栏和头部导航栏的静态搭建

文章目录1 CommonAside组件(静态搭建)1.1 Menu菜单1.2 准备菜单数据1.3 循环渲染菜单1.3.1 el-menu结构1.3.2 动态渲染图标1.4 样式设计1.5 整体代码(CommonAside.vue)2 CommonHeader组件(静态搭建)2.1 准备图片URL数据2.2 页面布局2.3 样式设计2.4 整体代码(CommonHeader.vue)…

VS Code配置MinGW64编译非线性优化库NLopt

VS Code用MinGW64编译C代码安装MSYS2软件并配置非线性优化库NLopt和测试引用库代码的完整具体步骤。 1. 安装MSYS2 下载安装程序: 访问 MSYS2官网下载 msys2-x86_64-xxxx.exe 并运行 完成安装: 默认安装路径:C:\msys64安装完成后&#xff0c…

C#通过TCP_IP与PLC通信

C#通过TCP/IP与PLC通信 本文将全面介绍如何使用C#通过TCP/IP协议与各种PLC进行通信,包括西门子、罗克韦尔、三菱等主流品牌PLC的连接方法。 一、PLC通信基础 PLC通信协议概览协议类型适用品牌特点Modbus TCP通用协议简单易用,广泛支持Siemens S7西门子PL…

Java 学习笔记(基础篇3)

1. 数组&#xff1a;① 静态初始化&#xff1a;(1) 格式&#xff1a;int[] arr {1, 2, 3};② 遍历/* 格式&#xff1a; 数组名.length */ for(int i 0; i < arr.length; i){//在循环的过程中&#xff0c;i依次表示数组中的每一个索引sout(arr[i]);//就可以把数组里面的每一…

知识点汇总linuxC高级-3 shell脚本编程

shell脚本编程shell ---> 解析器&#xff1a;sh csh ksh bashshell命令 ---> shell解析的命令shell脚本 --> shell命令的有序集合shell脚本编程&#xff1a;将shell命令结合按照一定逻辑集合到一起&#xff0c;写到一个 .sh 文件&#xff0c;去实现一个或多个功能&…

【C++学习篇】:基础

文章目录前言1. main() 函数2. 变量赋值3. cin和cout的一些细节4. 基本类型运算5. 内存占用6. 引用7. 常量前言 C 语法的学习整理&#xff0c;作为个人总结使用。 1. main() 函数 #include <iostream> //使用输入输出流库&#xff08;cin&#xff0c;cout&#xff09;…

使用nginx反向代理kkfile

这篇说一下我解决的思路和方式哈&#xff0c;不一定适用于大家&#xff0c;可以做个参考比如我们的系统服务是http://10.63.25.35:80&#xff0c;而我们的文件服务是在10.63.25.37:8012上&#xff0c;正常不使用代理的话&#xff0c;我们前端调用后端接口&#xff0c;后端调用k…

【低成本扩容】动态扩容实战指南

面对扩容操作时&#xff0c;下面这种操作是否也会迷惑你&#xff1f;下面来为大家解惑~size_t newcapacity 2*_capacity > (_size len)?2*_capacity:(_sizelen); //len为即将插入的字符串有效字符个数//_size为当前字符串有效字符个数//_capacity为当前容量大小//newcapa…

Product Hunt 每日热榜 | 2025-08-14

1. Autumn 标语&#xff1a;为AI初创公司简化的Stripe服务 介绍&#xff1a;Autumn帮助AI初创公司通过只需三个API调用来定价、计量和控制使用情况。基于Stripe搭建&#xff0c;它可以在一个地方管理订阅、使用情况和访问权限。无需复杂的webhooks或后端逻辑&#xff0c;非常…

Scrapy + Django爬虫可视化项目实战(二) 详细版

系列文章 Scrapy + Django爬虫可视化项目实战(一)_django scrapy-CSDN博客 实现技术 Scrapy Django Echarts 引言 可视化部分需要读者具备一定的Django基础!!! 上一个文章我们已经实现了爬取景点的数据,那么接下来就是根据爬取到的数据进行可视化 一、环境搭建 (一) 创…

选择式与生成式超启发算法总结

这里写目录标题Selection HHGeneration HHGPHH示例存在大量针对特定问题设计的启发式算法&#xff0c;近年来学术界提出了一个关键问题&#xff1a;如何选择最合适的启发式方法。这一问题推动了超启发式&#xff08;hyper-heuristic&#xff09;方法的研究发展。超启发式是一种…

NetBIOS 设置

在 Windows 系统中,WINS (Windows Internet Name Service) 和 NetBIOS 紧密相关,主要用于 NetBIOS 名称解析(将计算机名转换为 IP 地址)。WINS 是一个动态数据库,类似于 DNS,但专门用于 NetBIOS 名称解析,适用于早期 Windows 网络(如 Windows NT/2000/XP)。 1. 查看 N…

vue2 + SimpleMindMap 制作思维导图

vue2 SimpleMindMap 制作思维导图 该代码包含SimpleMindMap已知的所有功能&#xff0c;有需要的小伙伴可自行copy&#xff0c;框架使用el-ementui。其中有些图标是阿里巴巴矢量图的图片&#xff0c;可自行进行替换。保姆级教程 以下是vue文件&#xff1a; <template><…

Discord x Pulsar: 使用 Pulsar、Flink 和 Iceberg 搭建流式机器学习平台

本文整理自 Discord 机器学习工程师 David Christle 在 Pulsar Summit NA 上的演讲内容&#xff0c;一起来看 Discord 是如何基于 Pulsar 实现兼顾安全和个性化功能的实时流式机器学习平台的&#xff5e;1. 背景Discord 是一个实时⾳视频通信平台&#xff0c;⽀持⽂本/语⾳/视频…

【数据结构入门】二叉树(2)

目录 1.二叉树遍历顺序 1.1 前序&#xff08;先根&#xff09;遍历 1.2 中序&#xff08;中根&#xff09;遍历 1.3 后序&#xff08;后根&#xff09;遍历 1.4 层序遍历 1.5 深度优先遍历&广度优先遍历 2.二叉树的遍历 2.1 前根遍历&#xff08;递归&#xff09; …

【电机参数】电压、电流、转速标幺化推算过程

【电机参数】电压、电流、转速标幺化推算过程 文章目录[TOC](文章目录)前言一、标幺化目的——优化计算二、Q15与标幺化的关系三、标幺值计算1.电压标幺值2.电流标幺值3.转速标幺值四、参考资料总结前言 一、标幺化目的——优化计算 不同物理量的量纲和数值范围差异巨大&#…

v-scale-scree: 根据屏幕尺寸缩放内容

&#x1f90d; 前端开发工程师、技术日更博主、已过CET6 &#x1f368; 阿珊和她的猫_CSDN博客专家、23年度博客之星前端领域TOP1 &#x1f560; 牛客高级专题作者、打造专栏《前端面试必备》 、《2024面试高频手撕题》、《前端求职突破计划》 &#x1f35a; 蓝桥云课签约作者、…