小谈向量内积与函数内积

小谈向量内积与函数内积这是我的第一篇博客,谈谈自己在读研中的一些小思考,希望能给大家的学习带来一点启发。对于函数内积,我想很多理工科的都理解,最常用的就是傅里叶变换,一个信号与很多个频率的基函数相乘,也就是信号与每个基函数做内积,求得在每个基函数上的占比,或者说是在该基函数上的投影大小,遍历全部基函数,就求得在全部基函数的占比。![在这里插入图片描述](https://img-blog.csdnimg.cn/202…

这是我的第一篇原创博客,谈谈自己在读研中的一些小思考,希望能给大家的学习带来一点启发。

对于函数内积,我想很多理工科的都理解,最常用的就是傅里叶变换,一个信号与很多个频率的基函数相乘,也就是信号与每个基函数做内积,求得在每个基函数上的占比,或者说是在该基函数上的投影大小,遍历全部基函数,就求得在全部基函数的占比。

在这里插入图片描述

而函数内积的定义为:
在这里插入图片描述

可能很多人会想为什么函数也可以有内积,为什么这样定义它跟一般的向量内积又有什么联系呢

回顾一下两个向量的内积:
向量内积

我们直到两个向量的内积可以看作是a向量投影到b向量,也可以看作是b向量投影到a向量;如果两个向量正交,那他们的内积就为零。某种意义上,可见向量内积也可以看作是两者相似程度的度量。

回到函数的内积,若两个函数是离散的,即f[n],g[n],我们不就可以把该函数看作是一个在n维空间展开的向量

在这里插入图片描述

可见一个离散函数的内积下形式是跟一般向量内积的形式是一致的。
如果我们把离散的函数变成连续的,只不过是把求和函数变成积分,delta_n 变成dx。

即可得到
在这里插入图片描述
如果是复函数,乘上自身共轭即可。

本人才疏学浅,若有错误,欢迎交流指出
码字不易,喜欢的话,点个赞吧

今天的文章小谈向量内积与函数内积分享到此就结束了,感谢您的阅读,如果确实帮到您,您可以动动手指转发给其他人。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/27063.html

(0)
编程小号编程小号

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注