谈谈外代数
版主: verdelite, TheMatrix
-
- 论坛元老
Caravel 的博客 - 帖子互动: 488
- 帖子: 22910
- 注册时间: 2022年 7月 24日 17:21
谈谈外代数
抛砖引玉啊,矩阵等人进来补充
外代数就是用wedge product ^ 作为乘法的代数。
两个vector, v,w,
1) 满足anticommutative, 也就是 v ^ w = - w ^ v.
2) 满足bilinearity, 也就是 (c v) ^ w = v^(c w) = c v ^ w.
1. 他们的wedge product的magintude 可以用几何解释,为有方向的面积,体积,可以推广到高维。
比如 v ^ w 代表了 vector v,w组成的平行四边形的有向面积
v1 ^ v2 ^ v3 则代表了v1,v2,v3 组成的六面体的体积。
如果v1,v2,v3线性相关,则结果为0.
一般使用正交坐标系 {ei} 计算的话
v1 = a11 e1 + a12 e2
v2 = a21 e1 + a22 e2
v1 ^ v2 = a11 * a21 e1 ^ e1 + a11*a22 e1^e2 + a12 * a21 e2 ^ e1 + a12 * a22 e2 ^ e1
由于 e1 ^ e1 = 0, e2^e2 = 0, e1 ^ e2 = - e2 ^ e1,
v1 ^ v2 = (a11 * a22 - a12 * a21) e1 ^ e2
不难看出这就是一个二阶行列式的值,这套计算可以推广到高维,很容易用到计算几何学里
2. 这个算法看上去跟cross product很像,但是也有不一样,cross product的结果依然是一个普通的vector,二外乘之后的结果已经是在另外一个bivector 的线性空间上了
3. 似乎跟张量也有类似,但是并不一样,这个我还没有理清。
外代数就是用wedge product ^ 作为乘法的代数。
两个vector, v,w,
1) 满足anticommutative, 也就是 v ^ w = - w ^ v.
2) 满足bilinearity, 也就是 (c v) ^ w = v^(c w) = c v ^ w.
1. 他们的wedge product的magintude 可以用几何解释,为有方向的面积,体积,可以推广到高维。
比如 v ^ w 代表了 vector v,w组成的平行四边形的有向面积
v1 ^ v2 ^ v3 则代表了v1,v2,v3 组成的六面体的体积。
如果v1,v2,v3线性相关,则结果为0.
一般使用正交坐标系 {ei} 计算的话
v1 = a11 e1 + a12 e2
v2 = a21 e1 + a22 e2
v1 ^ v2 = a11 * a21 e1 ^ e1 + a11*a22 e1^e2 + a12 * a21 e2 ^ e1 + a12 * a22 e2 ^ e1
由于 e1 ^ e1 = 0, e2^e2 = 0, e1 ^ e2 = - e2 ^ e1,
v1 ^ v2 = (a11 * a22 - a12 * a21) e1 ^ e2
不难看出这就是一个二阶行列式的值,这套计算可以推广到高维,很容易用到计算几何学里
2. 这个算法看上去跟cross product很像,但是也有不一样,cross product的结果依然是一个普通的vector,二外乘之后的结果已经是在另外一个bivector 的线性空间上了
3. 似乎跟张量也有类似,但是并不一样,这个我还没有理清。
上次由 Caravel 在 2022年 12月 5日 12:50 修改。
Re: 谈谈外代数
有向面积,那不就是跟叉乘一样吗?叉乘那个向量方向表示的就是面积方向Caravel 写了: 2022年 12月 5日 04:57 抛砖引玉啊,矩阵等人进来补充
外代数就是用wedge product ^ 作为乘法的代数。
两个vector, v,w,满足anticommutative, 也就是 v ^ w = - w ^ v.
1. 他们的wedge product的magintude 可以用几何解释,为有方向的面积,体积,可以推广到高维。
比如 v ^ w 代表了 vector v,w组成的平行四边形的有向面积
v1 ^ v2 ^ v3 则代表了v1,v2,v3 组成的六面体的体积。
如果v1,v2,v3线性相关,则结果为0.
一般使用正交坐标系 {ei} 计算的话
v1 = a11 e1 + a12 e2
v2 = a21 e1 + a22 e2
v1 ^ v2 = a11 * a21 e1 ^ e1 + a11*a22 e1^e2 + a12 * a21 e2 ^ e1 + a12 * a22 e2 ^ e1
由于 e1 ^ e1 = 0, e2^e2 = 0, e1 ^ e2 = - e2 ^ e1,
v1 ^ v2 = (a11 * a22 - a12 * a21) e1 ^ e2
不难看出这就是一个二阶行列式的值,这套计算可以推广到高维,很容易用到计算几何学里
2. 这个算法看上去跟cross product很像,但是也有不一样,cross product的结果依然是一个普通的vector,二外乘之后的结果已经是在另外一个bivector 的线性空间上了
3. 似乎跟张量也有类似,但是并不一样,这个我还没有理清。
edit:我理解肤浅了
3维空间ep跟cp等价,高维空间里面不太一样,参考
https://math.stackexchange.com/question ... ss-product
https://www.quora.com/What-is-the-diffe ... e-formulae
-
- 论坛元老
Caravel 的博客 - 帖子互动: 488
- 帖子: 22910
- 注册时间: 2022年 7月 24日 17:21
Re: 谈谈外代数
不错,这第一个链接也很informative,cross product跟wedge product有对偶关系,似乎和clifford algebra也有联系,这个值得展开一下,哪位懂的也可以说说。(ヅ) 写了: 2022年 12月 5日 11:10 有向面积,那不就是跟叉乘一样吗?叉乘那个向量方向表示的就是面积方向
edit:我理解肤浅了
3维空间ep跟cp等价,高维空间里面不太一样,参考
https://math.stackexchange.com/question ... ss-product
https://www.quora.com/What-is-the-diffe ... e-formulae
-
- 论坛支柱
2024年度优秀版主
TheMatrix 的博客 - 帖子互动: 248
- 帖子: 13042
- 注册时间: 2022年 7月 26日 00:35
Re: 谈谈外代数
对。这就是叉乘和外乘的关系。YWY 写了: 2022年 12月 5日 11:55 n维的情况,可以谈n-1个向量的“叉乘”,能和外积对应起来。一个n维空间的n-1次外积是n维空间,能和原来的n维空间对应起来(同构),所以可以把n-1个向量的外积想象成(对应到)原来空间里的向量。计算方式也类似,就是代数行列子式。
一个n维向量空间,选定一组基 (e1,e2,...,en),外乘最高形式为n个:
e1 ^ e2 ^ ... ^ en
不到n个的外乘,可以有对偶,就是补集:
e1 --> e2 ... ^ en
e1 ^ e2 --> e3 ^ ... ^ en
任意向量外乘,每个向量写成基的线性叠加,也有对偶。
所以在3维空间中,2个向量外乘,可以对偶到一个向量,这就是叉乘。
在n维空间中,n-1个向量可以外乘,对偶到一个向量,也可以叫叉乘。
-
- 论坛支柱
2024年度优秀版主
TheMatrix 的博客 - 帖子互动: 248
- 帖子: 13042
- 注册时间: 2022年 7月 26日 00:35
Re: 谈谈外代数
TheMatrix 写了: 2022年 12月 5日 12:08 对。这就是叉乘和外乘的关系。
一个n维向量空间,选定一组基 (e1,e2,...,en),外乘最高形式为n个:
e1 ^ e2 ^ ... ^ en
不到n个的外乘,可以有对偶,就是补集:
e1 --> e2 ... ^ en
e1 ^ e2 --> e3 ^ ... ^ en
任意向量外乘,每个向量写成基的线性叠加,也有对偶。
所以在3维空间中,2个向量外乘,可以对偶到一个向量,这就是叉乘。
在n维空间中,n-1个向量可以外乘,对偶到一个向量,也可以叫叉乘。
对,应用中欧式度量会很重要:如果(e1,e2,...,en)是标准正交基(orthonormal),那么得到的的“叉乘”就垂直于参与叉乘的所有向量。
持仓抄底锁利,你钱你定
看牛观猪喊熊,自娱自乐
股市变幻莫测,不作不死
赌途曲折无常,吃枣药丸
看牛观猪喊熊,自娱自乐
股市变幻莫测,不作不死
赌途曲折无常,吃枣药丸