点积、叉积与对偶
到目前为止我们一直在讨论”向量怎么加减、怎么数乘”,本章第一次引入向量之间的乘法。点积给出一个标量,衡量两个向量的夹角与投影长度;叉积给出一个垂直于二者的新向量。这两个运算看起来是各不相干的技巧,实则都是矩阵运算在最简单维度上的特例。
本章先讲点积,重点是它的几何意义——投影,而不是”公式里那几项乘积相加”。接着用右手定则建立叉积的直觉,理解为什么它的结果垂直于两个原向量、模长等于平行四边形面积。最后引出本章真正的重点:对偶性——点积与矩阵-向量乘法之间存在严格的对应关系,这个对应揭示了一大批看似不同的运算背后共同的代数结构。
对偶性初看抽象,但它解释了为什么许多看似无关的问题(最小二乘、正交投影、马尔可夫链)会得到形式相似的解答。
