【解析几何笔记】8.向量的投影与内积

news2024/11/16 18:09:08

8. 向量的投影与内积

复习前面的知识:,若BCE三点共线,则
A E ⃗ = ( 1 − s ) A B ⃗ + s A C ⃗ , ( B , C , E ) = μ ⇒ s = μ 1 + μ , 1 − s = 1 1 + μ \vec{AE}=(1-s)\vec{AB}+s\vec{AC},(B,C,E)=\mu\Rightarrow s=\frac{\mu}{1+\mu},1-s=\frac{1}{1+\mu} AE =(1s)AB +sAC ,(B,C,E)=μs=1+μμ,1s=1+μ1

Ceva定理的前提条件是E F D是三角形内点,假设E不是三角形内点

8.1 向量的投影

  • 给定一个非零向量 e \pmb{e} e α \pmb{\alpha} α可分解为 α 1 + α 2 \pmb{\alpha}_{1}+\pmb{\alpha}_{2} α1+α2使得 α 1 / / e , α 2 ⊥ e \pmb{\alpha}_{1}//\pmb{e},\pmb{\alpha}_{2}\bot\pmb{e} α1//e,α2e,且分解系数唯一。将 α 1 \pmb{\alpha}_{1} α1称为 α \pmb{\alpha} α关于向量 e \pmb{e} e内投影,记为 P e α P_{\pmb{e}}\pmb{\alpha} Peα α 2 \pmb{\alpha}_{2} α2称为 α \pmb{\alpha} α关于向量 e \pmb{e} e外投影,记为 P ˉ e α \bar{P}_{\pmb{e}}\pmb{\alpha} Pˉeα
  • P e α , P ˉ e α P_{\pmb{e}}\pmb{\alpha},\bar{P}_{\pmb{e}}\pmb{\alpha} Peα,Pˉeα e \pmb{e} e的大小无关,只与 e \pmb{e} e的方向有关。
  • 对两个非零向量 α \pmb{\alpha} α β \pmb{\beta} β的几何夹角记作 < α , β > <\pmb{\alpha},\pmb{\beta}> <α,β>,其中 ( 0 ∘ ≤ ( < α , β > ) < 18 0 ∘ (0^{\circ}\le(<\pmb{\alpha},\pmb{\beta}>)<180^{\circ} (0(<α,β>)<180
  • e 0 = e ∣ e ∣ \pmb{e}_{0}=\frac{\pmb{e}}{|\pmb{e}|} e0=ee,当 α ≠ 0 ⃗ , P e α = ∣ α ∣ cos ⁡ < α , β > e 0 \pmb{\alpha}\ne\vec{0},P_{\pmb{e}}\pmb{\alpha}=|\pmb{\alpha}|\cos<\pmb{\alpha},\pmb{\beta}>\pmb{e}_{0} α=0 ,Peα=αcos<α,β>e0
  • 【内投影的线性性】
    (1) P e ( α + β ) = P e α + P e β P_{\pmb{e}}(\pmb{\alpha}+\pmb{\beta})=P_{\pmb{e}}\pmb{\alpha}+P_{\pmb{e}}\pmb{\beta} Pe(α+β)=Peα+Peβ
    P ˉ e ( α + β ) = P ˉ e α + P e β \bar{P}_{\pmb{e}}(\pmb{\alpha}+\pmb{\beta})=\bar{P}_{\pmb{e}}\pmb{\alpha}+P_{\pmb{e}}\pmb{\beta} Pˉe(α+β)=Pˉeα+Peβ
    (2) P e ( λ α ) = λ P e α , λ ∈ R P_{\pmb{e}}(\lambda\pmb{\alpha})=\lambda P_{\pmb{e}}\pmb{\alpha},\lambda\in\mathbb{R} Pe(λα)=λPeα,λR
    P ˉ e ( λ α ) = λ P ˉ e α , λ ∈ R \bar{P}_{\pmb{e}}(\lambda\pmb{\alpha})=\lambda \bar{P}_{\pmb{e}}\pmb{\alpha},\lambda\in\mathbb{R} Pˉe(λα)=λPˉeα,λR
    【证】由内投影和外投影的定义可知, α = P e α + P ˉ e α \pmb{\alpha}=P_{\pmb{e}}\pmb{\alpha}+\bar{P}_{\pmb{e}}\pmb{\alpha} α=Peα+Pˉeα
    β = P e β + P ˉ e β \pmb{\beta}=P_{\pmb{e}}\pmb{\beta}+\bar{P}_{\pmb{e}}\pmb{\beta} β=Peβ+Pˉeβ
    α + β = P e α + P ˉ e α + P e β + P ˉ e β = ( P e α + P e β ) + ( P ˉ e α + P ˉ e β ) \pmb{\alpha}+\pmb{\beta}=P_{\pmb{e}}\pmb{\alpha}+\bar{P}_{\pmb{e}}\pmb{\alpha}+P_{\pmb{e}}\pmb{\beta}+\bar{P}_{\pmb{e}}\pmb{\beta}=(P_{\pmb{e}}\pmb{\alpha}+P_{\pmb{e}}\pmb{\beta})+(\bar{P}_{\pmb{e}}\pmb{\alpha}+\bar{P}_{\pmb{e}}\pmb{\beta}) α+β=Peα+Pˉeα+Peβ+Pˉeβ=(Peα+Peβ)+(Pˉeα+Pˉeβ)(分解成了一个垂直于 e \pmb{e} e的向量和一个平行于 e \pmb{e} e的向量相加)
    由投影分解的唯一性, P e ( α + β ) = P e α + P e β , P ˉ e ( α + β ) = P ˉ e α + P e β P_{\pmb{e}}(\pmb{\alpha}+\pmb{\beta})=P_{\pmb{e}}\pmb{\alpha}+P_{\pmb{e}}\pmb{\beta},\bar{P}_{\pmb{e}}(\pmb{\alpha}+\pmb{\beta})=\bar{P}_{\pmb{e}}\pmb{\alpha}+P_{\pmb{e}}\pmb{\beta} Pe(α+β)=Peα+Peβ,Pˉe(α+β)=Pˉeα+Peβ(对应项相等)

8.2 向量的内积

定义:有向量 α , β \pmb{\alpha},\pmb{\beta} α,β α ⋅ β = ∣ α ∣ ∣ β ∣ ⋅ cos ⁡ < α , β > \pmb{\alpha}\cdot\pmb{\beta}=|\pmb{\alpha}||\pmb{\beta}|\cdot\cos<\pmb{\alpha},\pmb{\beta}> αβ=α∣∣βcos<α,β>(结果是一个数)

  • α ⋅ β = 0 ⇔ α ⊥ β \pmb{\alpha}\cdot\pmb{\beta}=0\Leftrightarrow\pmb{\alpha}\bot\pmb{\beta} αβ=0αβ
  • α ⋅ α = ∣ α ∣ 2 ⇒ α ⋅ α \pmb{\alpha}\cdot\pmb{\alpha}=|\pmb{\alpha}|^{2}\Rightarrow\sqrt{\pmb{\alpha}\cdot\pmb{\alpha}} αα=α2αα
  • < α , β > = arccos ⁡ α ⋅ β ∣ α ∣ ∣ β ∣ <\pmb{\alpha},\pmb{\beta}>=\arccos\frac{\pmb{\alpha}\cdot\pmb{\beta}}{|\pmb{\alpha}||\pmb{\beta}|} <α,β>=arccosα∣∣βαβ
  • 【交换律】 α ⋅ β = β ⋅ α \pmb{\alpha}\cdot\pmb{\beta}=\pmb{\beta}\cdot\pmb{\alpha} αβ=βα
  • P β α = ∣ α ∣ cos ⁡ < α , β > β 0 = ∣ α ∣ cos ⁡ < α , β > β ∣ β ∣ ⇒ α ⋅ β = P β α β 0 ∣ β ∣ P_{\pmb{\beta}}\pmb{\alpha}=|\alpha|\cos<\pmb{\alpha},\pmb{\beta}>\pmb{\beta}_{0}=|\alpha|\cos<\pmb{\alpha},\pmb{\beta}>\frac{\pmb{\beta}}{|\pmb{\beta}|}\Rightarrow\pmb{\alpha}\cdot\pmb{\beta}=\frac{P_{\pmb{\beta}}\pmb{\alpha}}{\pmb{\beta}_{0}}|\pmb{\beta}| Pβα=αcos<α,β>β0=αcos<α,β>ββαβ=β0Pβαβ
  • 【定理1.3】内积具有双线性性
    (1) α ⋅ ( β + γ ) = α ⋅ β + α ⋅ γ \pmb{\alpha}\cdot(\pmb{\beta}+\pmb{\gamma})=\pmb{\alpha}\cdot\pmb{\beta}+\pmb{\alpha}\cdot\pmb{\gamma} α(β+γ)=αβ+αγ
    ( α + γ ) ⋅ β = α ⋅ β + γ ⋅ α (\pmb{\alpha}+\pmb{\gamma})\cdot\pmb{\beta}=\pmb{\alpha}\cdot\pmb{\beta}+\pmb{\gamma}\cdot\pmb{\alpha} (α+γ)β=αβ+γα
    (2) α ⋅ ( λ β ) = λ α β = ( λ α ) β \pmb{\alpha}\cdot(\lambda \pmb{\beta})=\lambda \pmb{\alpha}\pmb{\beta}=(\lambda\pmb{\alpha})\pmb{\beta} α(λβ)=λαβ=(λα)β

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。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。如若转载,请注明出处:http://www.coloradmin.cn/o/2076316.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【案例59】WebSphere类加载跟踪开启方法

问题现象 WAS加载代码时&#xff0c;模块开发怀疑是WebSphere本身加载某个类的代码出现了问题。但不知道怎么排查。故寻求帮助。 问题分析 WebSphere本身是提供相关类加载跟踪的方法的。 解决方案 经过排查资料。如果实际诊断中&#xff0c;能够明确断定是某个类的加载出了…

MySQL集群技术详解

目录 一、MySQL在服务器中的部署方法 1.1 编译安装MySQL 1.2 部署MySQL 二、MySQL主从复制 2.1 配置master 2.2 配置slave 2.3 添加slave2 测试&#xff1a; 2.4 延迟复制 2.5 慢查询日志 2.6 MySQL的并行复制 2.7 MySQL主从复制原理剖析 2.8 架构缺陷 三、MySQL…

猫咪掉毛严重,新手铲屎官不知如何处理?推荐使用宠物空气净化器

把小猫接回来一起生活没几天&#xff0c;我就感觉好日子就到头了...猫咪掉毛怎么这么严重啊&#xff0c;我都不敢怎么撸它&#xff0c;一撸满天都是毛&#xff0c;轻轻一搓就是一大团。而且想到还要清理就很头疼&#xff0c;每天都要很多的时间搞卫生。尝试过把它的毛剪短&…

【时时三省】(C语言基础)指针进阶3

山不在高&#xff0c;有仙则名。水不在深&#xff0c;有龙则灵。 ----CSDN 时时三省 一级指针的传参 示例: 这就是一个一级指针传参 思考:当一个函数的参数部分为一级指针的时候&#xff0c;函数能接受什么参数&#xff1f; 二级指针的传参 二级指针示例: pa是一级指针 p…

K8S 1.31 新功能: 跨核分发CPU

​在Kubernetes的最新版本1.31中&#xff0c;一个超酷的新功能&#xff0c;叫做CPUManager的静态策略&#xff0c;里面有个选项叫做distribute-cpus-across-cores。虽然这个功能现在还在测试阶段&#xff0c;也就是alpha版&#xff0c;而且默认是藏起来的&#xff0c;但它的目的…

Backtrader 实现和理解海龟交易法

Backtrader 实现和理解海龟交易法 1. 海龟交易的理解 &#xff08;1&#xff09;资金管理 海龟将总资金分为N个交易单位&#xff0c;每个单位即称为头寸&#xff0c;划分的标准主要是参考标的的波动性。 波动性用一个指标量化即真实波动幅度均值&#xff08;ATR&#xff09;…

SSRF - 服务器端请求伪造

目录 SSRF dict协议 file协议 gopher协议 工具Gopherus 练习 练习1 练习2 docker镜像加速的方法 SSRF SSRF(Server-Side Request Forgery:服务器端请求伪造) 其形成的原因大都是由于服务端提供了从其他服务器应用获取数据的功能,但又没有对目标地址做严格过滤与限制&…

【物理学】什么是运动学和动力学?

Kinematics 和 Kinetics 是力学中的两个重要分支&#xff0c;它们虽然都涉及物体的运动&#xff0c;但关注的方面不同。 Kinematics&#xff08;运动学&#xff09; Kinematics 主要研究物体的运动&#xff0c;而不涉及导致运动的力。它关注的是运动的几何特性&#xff0c;比…

UE5学习笔记18-使用FABRIK确定骨骼的左手位置

一、在武器的骨骼资产中创建一个新的插槽 二、在动画类中添加代码 xxx.h UPROPERTY(BlueprintReadOnly, Category Character, meta (AllowPrivateAccess "true"))/** 蓝图只读 类型是Character 允许私有访问 */ FTransform LeftHandTransform;//拿武器时知道左手…

STL经典案例(三)——俺是歌手挑战赛管理系统(涉及的STL内容较多,篇幅有点长,耐心看完,相信我,一定会有收获的!)

一、需求&#xff1a;俺是歌手挑战赛比赛规则如下 目前共计12名选手报名参赛&#xff0c;选手编号为1-12号比赛分为A和B两组&#xff0c;每组6人&#xff0c;选手随机抽签进行分组比赛共两轮赛事&#xff0c;第一轮为淘汰赛&#xff0c;第二轮为决赛&#xff0c;淘汰赛中每组前…

Git —— 2、创建本地版本库

版本库 版本库又名仓库&#xff0c;英文名repository&#xff0c;这个仓库里面的所有文件都可以被Git管理起来&#xff0c;每个文件的修改.删除&#xff0c;Git都能跟踪&#xff0c;以便任何时刻都可以追踪历史&#xff0c;或者在将来某个时刻可以“还原“。   创建本地版本库…

day31-测试之性能测试工具JMeter的功能概要、元件作用域和执行顺序

目录 一、JMeter的功能概要 1.1.文件目录介绍 1).bin目录 2).docs目录 3).printable_docs目录 4).lib目录 1.2.基本配置 1).汉化 2).主题修改 1.3.基本使用流程 二、JMeter元件作用域和执行顺序 2.1.名称解释 2.2.基本元件 2.3.元件作用域 1).核心 2).提示 3).作用域的原则 2.…

【AI绘画】Midjourney前置/imagine与单图指令详解

文章目录 &#x1f4af;Midjourney前置指令/imagine什么是前置指令&#xff1f;/imaginepromptUpscale(放大)Variations&#xff08;变化&#xff09;&#x1f504;&#xff08;重新生成一组图片&#xff09; &#x1f4af;单张图片指令Upscale (细节优化)Vary&#xff08;变体…

计算机二级真题--程序填空大题 章节

每类题有一些规律&#xff0c;这里来总结一下个人做题遇到的一些规律&#xff0c;大家可以自行掌握 1.在while循环里常常会将将最后一行空着作为考点&#xff0c;例如下面第的10题&#xff0c;因为需要联系整个循环所以经常分析不出来&#xff0c;实际上for训话中也有过这种考…

无需标注数据:引领视频编辑模型达到新高度

人工智能咨询培训老师叶梓 转载标明出处 由于标注视频编辑数据的稀缺&#xff0c;开发精确且多样化的视频编辑模型一直是个挑战。目前研究者们大多聚焦于无需训练的方法&#xff0c;但这些方法在性能和编辑能力范围上都有所限制。为此Meta AI的研究团队提出了一种新的方法&…

Code Llama: Open Foundation Models for Code论文阅读

整体介绍 Code Llama 发布了3款模型&#xff0c;包括基础模型、Python 专有模型和指令跟随模型&#xff0c;参数量分别为 7B、13B、34B 和 70B。这些模型在长达 16k tokens 的序列上训练。都是基于 Llama 2。 作者针对infilling (FIM) 、长上下文、指令专门做了微调 long-con…

CSS Sprite(精灵图)

CSS Sprite也叫CSS精灵图、CSS雪碧图&#xff0c;是一种网页图片应用处理方式。它允许你将一个页面涉及到的所有零星图片都包含到一张大图中去 优点&#xff1a; 减少图片的字节减少网页的http请求&#xff0c;从而大大的提高页面的性能 原理&#xff1a; 通过background-i…

《黑神话悟空》幽魂怎么打?大头怪幽魂打法攻略

黑神话悟空第一章中许多玩家都容易被大头怪幽魂给难住&#xff0c;这算是渡劫中的第一难&#xff0c;所以不少玩家想了解黑神话悟空大头怪怎么打&#xff1f;其实大头怪打起来并不难&#xff0c;只是很多的玩家们没有了解他的弱点以及特性。小编今天就为大家整理了大头怪幽魂的…

吴艳妮牵手创维,奥运后的首个代言为什么是她?

​近日&#xff0c;吴艳妮参加奥运会的表彰大会&#xff0c;晒出了与孙颖莎、王楚钦等运动员的合照&#xff0c;并写道&#xff1a;“最幸福的一天”在网络上引发讨论&#xff0c;让人不禁想起在巴黎奥运会刚结束的时候&#xff0c;家电巨头创维官宣她作为其品牌大使的消息也是…

在不训练模型的情况下强化语言模型

文章目录 一些神奇咒语提供额外资讯拆解任务使用工具让模型彼此合作 一些神奇咒语 让模型一步一步的思考 让模型解释一下自己的答案 对模型进行情绪勒索&#xff0c;比如对模型说&#xff1a;这件事对我真的很重要&#xff01; 跟模型说”请“是没有用的&#xff1b;跟模型说“…