Básicamente, puede pensar en el ángulo entre las cosas como una medida de cuán similares son entre sí. Por ejemplo, si dos vectores apuntan en la misma dirección, entonces son iguales (hasta escala), por lo que el producto de puntos es positivo. Si apuntan en direcciones opuestas, entonces es negativo. Y si son ortogonales, entonces son tan diferentes como parece, y el producto escalar es cero.
(Probablemente debería mencionar aquí que en 2D y 3D, el producto de punto entre vectores es [matemáticas] \ langle u, v \ rangle = \ left \ lVert u \ right \ rVert \ left \ lVert v \ right \ rVert cos (\ theta) [/ math], es por eso que trato los productos de punto y los ángulos de la misma manera. Se mueve la mano, pero lo que sea).
De todos modos, ¿qué función es la “más diferente” que [math] cos (x)? [/ Math]
Bueno, sería bueno si resultara ser [math] sin (x). [/ Math]
- ¿Por qué tenemos que molestarnos en álgebra?
- ¿Qué parte del material en un curso básico de álgebra lineal es crucial en la ciencia de datos?
- ¿Qué tan similar es Math 111 (Álgebra universitaria) al álgebra de secundaria de segundo año (Álgebra 2)?
- ¿Por qué se considera que un espacio de Hilbert es tan útil?
- Si la resultante de tres vectores coplanarios es cero, ¿cómo podemos representarlos como los tres lados de un triángulo?
Una posible forma de definir el producto punto entre funciones es
[matemáticas] \ langle f, g \ rangle = \ int _ {- \ pi} ^ {\ pi} f (x) g (x) dx \ tag * {} [/ math]
También tenga en cuenta que esto es realmente muy similar al producto punto entre vectores:
[matemáticas] \ langle u, v \ rangle = \ sum_ {i = 1} ^ n u_i v_i \ tag * {} [/ math]
La suma simplemente se convirtió en una integral, y los límites cambiaron. De todos modos, ¿qué sucede si tomamos el producto de punto entre [math] cos (x) [/ math] y [math] sin (x) [/ math]? Algo realmente genial en realidad:
[matemáticas] \ begin {align *} \ langle cos, sin \ rangle & = \ int _ {- \ pi} ^ {\ pi} cos (x) sin (x) dx \ tag * {} \\ & = 0.5 \ int 2cos (x) sin (x) dx \ tag * {} \\ & = 0.5 \ int sin (2x) dx \ tag * {} \\ & = 0.5 \ cdot 0.5 (-cos (2x)) \ bigg \ rvert _ {- \ pi} ^ {\ pi} \ tag * {} \\ & = -0.25 cos (2 \ pi) – (-0.25 \ cos (-2 \ pi)) \ tag * {} \\ & = -0.25 + 0.25 = 0 \ tag * {} \\ \ end {align *} [/ math]
¡Lo que significa que son ortogonales!
Esto también nos puede llevar a la idea de la serie de Fourier, que dice que cualquier función puede ser representada (aproximadamente) por una suma ponderada de cosenos y senos. ¿Porqué es eso? Supongamos que tiene dos vectores ortogonales en 2D. Luego puede obtener cualquier vector como una suma ponderada de estos dos vectores (intente dibujarlo si no está convencido). Entonces decimos que estos vectores forman una base del plano 2D. Son lo suficientemente buenos como para capturar todo sobre el avión.
Bueno, vimos que el coseno y el seno son ortogonales entre sí, así que ¿no podemos usarlos? Resulta que no son suficientes (al igual que en 3D, dos vectores no son suficientes). ¿Qué hay de todas las funciones del formulario?
[matemática] sin (\ frac {2 \ pi n} {P}) \ tag * {} [/ matemática]
[matemáticas] cos (\ frac {2 \ pi n} {P}), \ etiqueta * {} [/ matemáticas]
donde [matemáticas] n [/ matemáticas] es un número entero y [matemáticas] P [/ matemáticas] es algún número real? Eso es mejor, aunque explica por qué está más involucrado. Pero la intuición básica es que capturan suficiente información y, por lo tanto, abarcan todo el espacio de funciones, al igual que nuestros dos vectores ortogonales abarcan todo el plano 2D (es decir, puede expresar cualquier vector como una suma ponderada de sus vectores básicos).