티스토리 뷰
이 글에서는 triple product of vectors가 왜 measuring the volume of the parallelepiped(평행육면체)를 의미하는 지 분석한다. 먼저, triple product는 두 개의 vectors를 cross product한 후 나머지 한 개의 vector와 그것을 dot product한다. 수식으로는 다음과 같이 표현된다.
그런데 이게 기하학적으로 보면 다음과 같이 표현할 수 있다.
기하학적으로 triple product가 어떻게 이렇게 되는 지 이해하기 위해서는, cross product를 먼저 볼 필요가 있다. cross product는 마름모의 넓이 곱하기 normal vector라고 할 수 있다.
cross product 수식에서 n전까지는 base라고 표현된 마름모의 넓이를 의미하고, 나머지 부분인 n은 다음과 같다: n is a unit vector perpendicular to the plane containing a and b in the direction given by the right-hand rule (illustrated).
이 n이 중요한데, 마름모의 넓이 부분은 scalar이므로 triple product에서 vector a와 dot product가 되는 것은 결국 vector n이다. 그런데 dot product의 정의를 보면:
위와 같으므로, n (dot product) a는 1곱하기 h가 된다. 1은 n의 magnitude이고, h는 a의 maginitude 곱하기 cos alpha이다. 왜 각도를 alpha를 쓰는 지는 다음의 그림을 보면 된다. h와 n은 평행(base에 둘 다 수직)이기 때문이다.
따라서 triple product는 세 vectors로 이루어지는 parallelepiped의 volume을 계산한다.
모든 출처는 위키피디아이다.
https://en.wikipedia.org/wiki/Dot_product
https://en.wikipedia.org/wiki/Triple_product
https://en.wikipedia.org/wiki/Cross_product#Geometric_meaning
'Research (연구 관련)' 카테고리의 다른 글
densepose parts definition (0) | 2020.05.21 |
---|---|
smplify-x install (3) | 2020.04.17 |
install pycocotools (0) | 2020.04.10 |
transductive learning VS inductive learning (0) | 2020.04.07 |
C++ reference variable (0) | 2020.04.02 |
- Total
- Today
- Yesterday
- nerf
- 2d pose
- 인터뷰
- Machine Learning
- 헬스
- camera coordinate
- world coordinate
- Virtual Camera
- Interview
- 컴퓨터비전
- deep learning
- densepose
- 문경식
- Pose2Mesh
- Transformation
- part segmentation
- 머신러닝
- demo
- 컴퓨터비젼
- 비전
- pytorch
- 에디톨로지
- Docker
- 피트니스
- nohup
- pyrender
- VAE
- focal length
- spin
- Generative model
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |