登录
开通会员，立省699元
¥
支付方式
微信支付
支付宝支付
¥
请使用微信扫一扫 扫描二维码支付
¥
请使用支付宝扫一扫 扫描二维码支付
该课程已关闭
关于齐次性的思考，这里的解释应该会有帮助。转自：https://www.zhihu.com/question/25552461/answer/34618178
齐次性 是英文 Homogeneous 的中文翻译. 我其实对这个翻译不太赞同,像我就更不不知道齐次是什么意思. 一查字典,就是所homogeneous的翻译. 好吧. 完美逻辑.
看看homoegeneous 的英文翻译:
Homogeneous is used to describe a group or things which has members or parts that are all the same.
我翻译为: 用来描述一组具有相同"member" or "part"的形容词. 不完全正确的讲,就是类似的东西. 具有相同属性的东西,因此数学中一旦某些方程, 矩阵, 函数, 只要它们之间有相似性, 那么都可能被翻译成齐次.
应为最近专注于机器人的学习, 遇到了齐次坐标系. 我们来看看齐次坐标系是怎么和齐次**上的.
先说齐次坐标系是什么, 再来解释它为什么被称之为齐次坐标系.
安装书上的说法, n维空间的齐次坐标系是一个n+1维空间的东西.
例如, 3维空间中的点(x,y,z)对应的齐次坐标系是(x,y,z,w);
应为4维空间对于我的智商来说实在是太晦涩了, 我们还是用降维武器来看看2维空间对应的齐次坐标吧.
对于2维空间,它的坐标为(x,y),对应的齐次坐标就是(x,y,w).
想象一下, 在w=1的地方, 就是我们对应的x,y平面,标准的2D平面.
实际上,2D点(x,y)用齐次坐标表示就是(x,y,1),而对于那些不在w=1平面上的点,者将他们投影到w=1的平面上,所以齐次坐标(x,y,w)映射的实际2D点为
(x/w,y/w).
因此,给定一个2D点(x,y),齐次空间中有无数多个点与之对应.所有的点的形式都为(kx,ky,k).这些点构成了一条穿过齐次原点的直线.
到这里, 出现了一群(无数个)对应的点, 它们都对应是2D点在这个n+1(n=2)维空间的坐标, 所以称之为齐次坐标.它们都有同一个性质, 那就是在w=1投影的时候,
都在(x,y)点. 好了, 这就是齐次坐标名字的来历了, 如果大家去看看wikipeida,那么齐次坐标还有一个名称叫做projective coordinates, 所以叫什么不重要, 最主要的是看它是什么.
再来吐槽一下大学教育吧,这些明明应该是我们在学习线性代数的时候应该讲明的东西, 只有现在才能慢慢回去一点一点的体会数学的道理.
笔记打卡，重要概念汇集补充！
向量的内积相当于投影
向量范数常用有三种
1.1范数 向量各个分量绝对值加起来
2.2范数 欧式距离
3.无穷范数 绝对值最大的分量的绝对值
施密特正交化：将线性无关向量组转换为正交向量组
向量组的极大无关组可能不止一个，但他们的向量个数是相同的
矩阵的范数是针对方阵
矩阵的常用范数同样有3种：
1.1范数为矩阵列向量的1范数的最大值，也被成为矩阵的列范数
2.2范数为根号下A(转置)A的最大特征值，也成为谱范数
3.无穷范数为矩阵行向量的1范数的最大值，也被成为矩阵的行范数
相关课程
开课日期：深度学习鼻祖Hinton公开课视频，随到随学开始
开课日期：2020-08-11 10:30开始
授课教师
广东财经大学特聘教授；香港城市大学数学系博士
微信扫码分享课程
最新学员
学员动态
小白U1718677879
开始学习课时 向量、矩阵简介，向量范数、矩阵...
小白U1716702174
开始学习课时 向量、矩阵简介，向量范数、矩阵...
小白U1686227265
开始学习课时 向量、矩阵简介，向量范数、矩阵...
客服1
官方群