向量 (高维思考)

简介: 向量 (高维思考)

前言

在老师的引导下,进行了6天的向量的学习,旨在培养和打开我们抽象和高维思考的能力,下面是我学习的总结以及思考。

向量 (高维思考)

掌握一种抽象能力:向量相等

什么是向量:既有大小,又有方向的量。

通过向量的学习,我们能够看到抽象的能力,以一个实例来说明。
向量相等

如何判断两个向量是相等的向量:我们就需要抽象出向量的长度方向通过长度是否一致,方向是否相同。这其实就是一种抽象的能力,我们生活中有很多运用到抽象能力的地方,只是我们不知道这其实是一种抽象能力,不知道如何运用这种能力,如何训练这种能力。

高维思考能力

对没错在向量里就体现了高维思考的能力,我认为高维思考是一个化繁为简,能改变认知的能力。以向量为例。
case1

当我们的长度和方向整体考虑时就形成了向量,其实就在原来长度和方向的基础上提升了一个维度由长度,方向变成了向量。

case2

当我们把密度和质量整体考虑时就行成了体积,这样我们就可以把两个看似完全不相关的东西,建立联系。例如:电脑和书包(体积相等)

电脑和书包

完全没有联系,我们以体积的角度思考它,他们两个完全一摸一样,没有任何区别,
我感觉高维思考太可怕

向量的计算法则

向量的计算法则:三角形法则 平行四边形法则

三角形法则:向量AB+向量BC=向量AC

平行四边形法则:向量OA+向量OB=向量OC


三角形法则和平行四边形法则之间是如何转换的


只要两个向量满足首尾相连和同一点出发那他们的和向量满足三角形法则和平行四边形法则
多向量分解为两个正交分量

多向量为什么只能分解为两个正交分量?


我认为两个正交分量是我们人为抽象出来的,用来更好的解决问题。

1.抽象出来两个正交分量符合平行四边形法则,为一个特殊的平行四边形(矩形)

2.抽象出来的两个正交分量,适用勾股定理


多向量分解为两个正交分量,能给我们带来哪些启迪?


1.抽象能力:将一个向量抽象成两个正交分量

2.高维思考能力:将多个方向,多个长度,整体化统一成两个方向并且成90°


抽象和高维思考于分解和合成十分相像,这两种能能力正是我们需要的。

有了向量的认知能力,我的思想是如何飞翔的

学习了向量最大的收获就是向量原来不仅仅是数学,更多的是我们的思考问题和解决问题的方式方法。

1.思维可能会更加广阔,而不是局限在已知的一点几点上。
2.寻找联系的能力,原来两个完全不相关的,之间真的可以存在联系,这点对我之后学习寻找联系,增加了很大的自信。

3.高维思考能力,向量让我体验到了高维思考的便利

学习了向量帮我开了一扇窗户,尽管现在只是粗略的认知。

目录
相关文章
|
自然语言处理 程序员 容器
向量学习之高维思考
向量学习之高维思考
向量带来的高维思维
学习向量对于我们来说是突然的,感觉我一直在经历“降维打击”,经过十几节课的系统学习,向量似乎在我的眼里和高中时候的不太一样了。为什么这么说呢?在以前的认知里,向量就是简单的“有大小、有方向的量”,
|
机器学习/深度学习 数据可视化 测试技术
使用Tensorboard投影进行高维向量的可视化
使用Tensorboard投影进行高维向量的可视化
317 0
使用Tensorboard投影进行高维向量的可视化
|
机器学习/深度学习 算法 搜索推荐
高维向量检索的设计与实践(一)|学习笔记
快速学习高维向量检索的设计与实践(一)
281 0
高维向量检索的设计与实践(一)|学习笔记
|
存储 SQL 算法
高维向量检索的设计与实践(二)|学习笔记
快速学习高维向量检索的设计与实践(二)
305 0
高维向量检索的设计与实践(二)|学习笔记
|
存储 算法 数据挖掘
高维向量检索的设计与实践(三)|学习笔记
快速学习高维向量检索的设计与实践(三)
200 0
高维向量检索的设计与实践(三)|学习笔记
|
BI 数据库 开发者
高维向量检索的设计与实践|学习笔记
快速学习高维向量检索的设计与实践
124 0
高维向量检索的设计与实践|学习笔记
|
关系型数据库
《高维向量检索技术在PG中的设计与实践》电子版地址
高维向量检索技术在PG中的设计与实践
79 0
《高维向量检索技术在PG中的设计与实践》电子版地址
|
存储 算法 搜索推荐
高维向量检索技术在PG中的设计与实践 ——杨文(缁尘)
高维向量检索技术在PG中的设计与实践 ——杨文(缁尘)
高维向量检索技术在PG中的设计与实践                                    ——杨文(缁尘)
|
存储 运维 Oracle
【PostgreSQL 创新营】第一课:高维向量检索的设计与实践 答疑汇总
【PostgreSQL 创新营】第一课:高维向量检索的设计与实践 答疑汇总
507 0
【PostgreSQL 创新营】第一课:高维向量检索的设计与实践 答疑汇总