考研笔记

点积与对偶性：向量也可以代表一个线性函数

这一页在记什么

点积的初级理解是“对应分量相乘再相加”；更深一层，它和投影、线性函数有关。

核心直觉是：

把投影到方向后，再按的长度缩放。

对偶性的关键说法是：每个向量都可以对应一个“把向量送到数轴上”的线性变换。

这一集真正解决的困惑

点积很容易被学成一个纯计算动作：，但这样会有几个问题：

  • 为什么点积为 就表示垂直？
  • 为什么点积和投影有关？
  • 为什么正交矩阵要保持点积？
  • 为什么一个行向量乘列向量会输出一个数？

这一集把点积重新解释成“测量”：

点积是在测一个向量沿另一个方向有多少分量。

再往深一层，某个向量 不只是一支箭头，它还可以代表一个线性函数：，这个函数把输入向量 变成一个数。

从投影到对偶

点积先看方向重合

公式说明点积看的是两个向量在方向上的配合程度：

  • 同向时为正；
  • 垂直时为零；
  • 反向时为负。

所以 不是一个神秘代数条件，而是在说两者没有同方向分量。

标准计算公式只是这个测量关系在坐标里的写法：

点积也可以看成线性函数

固定 ，让 变化：，这个 满足：

所以它是从向量空间到数轴的线性变换。

对偶性在这里不玄

对偶性这词听起来很抽象，但在这里可以先理解成：

一个向量可以代表一个测量函数。

向量 既可以被看作空间中的箭头，也可以被看作“测量输入向量在 方向上的分量”的工具。

向量可以代表“测量某方向分量”的变换

给定一个向量 ，映射是线性的。它把任意输入向量 转成一个数。

把它变成自己的判断规则

以后看到点积，先判断它在题中是哪种角色：

点积出现的位置优先读法
两个方向正交
很大两个方向重合程度高
把 投影到 方向
行向量乘列向量一个线性函数作用在输入向量上
变换保持长度和夹角

这样点积就不再只是“对应相乘再相加”，而是一个方向测量器。

和考研线代的连接

1. 正交

几何含义是两个方向互相垂直，或者其中一个向量为零。

这在正交向量组、正交矩阵、二次型配方法中都会出现。

2. 投影

向量 在 方向上的投影长度与点积直接相关：，投影题不要只背公式，要看成“取出某个方向上的分量”。

3. 正交矩阵

正交矩阵保持长度和夹角，本质就是保持点积：，所以正交变换不会拉伸空间，只会旋转或反射。

易错点

  • 只记点积计算公式，忘了它表示方向重合程度。
  • 把 机械读成“无关”。它表示正交，不等于线性无关的全部含义。
  • 忘了投影公式里的分母 是在做归一化。
  • 没意识到行向量可以表示线性函数。

我疑惑的地方

疑惑 1：点积为零为什么是垂直？

从几何公式看：，如果两个非零向量垂直，，所以 ，点积为零。

反过来，如果两个非零向量点积为零，就说明 ，夹角为直角。

疑惑 2：为什么投影公式要除以 ？

测的是 在 方向上的“带尺度分量”。如果 本身不是单位向量，这个数还带着 的长度尺度。

除以 ，就是把尺度校正掉，得到沿 的系数：

疑惑 3：为什么正交矩阵重要？

正交矩阵保持点积，因此保持长度和夹角。几何上，它不会拉伸或压缩，只会旋转、反射，或者二者组合。

这就是为什么正交变换在二次型、规范化、坐标变换里特别舒服。

下次遇到怎么办

遇到点积相关题，先问：

  1. 是在判断垂直吗？
  2. 是在取投影吗？
  3. 是在保持长度和夹角吗？
  4. 是不是某个行向量在当“测量函数”？

如果能先答出这四个问题之一，后面的计算就不会像盲算。

更高层次的见解

点积让“向量”和“线性函数”之间出现了一座桥。

同一个向量 可以有两种身份：

身份含义
几何向量空间中的方向和长度
对偶函数输入 ，输出 这个数

这就是第 12P 解释叉积时会继续用到的思想：某些看似几何的向量，其实也可以从“线性函数的代表”角度冒出来。

本集复看问题

  1. 点积为什么和投影有关？
  2. 为什么 是线性变换？
  3. 行向量和列向量的区别可以怎么理解？
  4. 正交矩阵为什么保持长度？
  5. 我能不能把点积读成“用一个方向去测另一个向量”？

链接

反向链接