计算物理精解【2】

news2024/9/21 5:37:26

文章目录

  • 矢量运动
    • 矢量
      • 基础
      • 定义
      • 计算方法
      • 示例
    • 矢量的分量
      • 二维空间中的矢量分量
      • 三维空间中的矢量分量
      • 分量的计算
      • 示例
  • 参考文献

矢量运动

矢量

基础

  • 矢量的分量是该矢量在相应轴上的投影。
    在这里插入图片描述
    a x = a c o o s Q , a y = a s i n Q a_x=acoosQ,a_y=asinQ ax=acoosQ,ay=asinQ
  • 求解矢量分量的过程称为分解矢量。
  • 矢量的投影是线性代数和向量分析中的一个重要概念,它描述了一个向量在另一个向量方向上的“分量”大小。具体来说,向量 a \mathbf{a} a在向量 b \mathbf{b} b上的投影是一个标量,表示 a \mathbf{a} a沿着 b \mathbf{b} b方向上的“长度”或“大小”。
  • 已知分量为 a x 和 a y a_x和a_y axay,欲求出它的大小和角度标记
    a = a x 2 + a y 2 t a n Q = a y a x a=\sqrt{a_x^2+a_y^2} \\tanQ=\frac {a_y}{a_x} a=ax2+ay2 tanQ=axay
  • 当某人发射激光束以角度为斜向上 60 度,向前上方从地面射向空中, 当激光束的末尾距离地面某人所处的为 950 米时, 请问,该激光束末尾向下和向前离该人有多远? a x = 950 ∗ c o s ( 6 0 ∘ ) = 475 a y = 950 ∗ s i n ( 6 0 ∘ ) = 822.72 当某人发射激光束以角度为斜向上60度,向前上方从地面射向空中, \\当激光束的末尾距离地面某人所处的为950米时, \\请问,该激光束末尾向下和向前离该人有多远? \\a_x=950*cos(60^\circ)=475 \\a_y=950*sin(60^\circ)=822.72 当某人发射激光束以角度为斜向上60度,向前上方从地面射向空中,当激光束的末尾距离地面某人所处的为950米时,请问,该激光束末尾向下和向前离该人有多远?ax=950cos(60)=475ay=950sin(60)=822.72
julia> angle_deg=60
60

julia> angle_rad=angle_deg*pi/180
1.0471975511965976

julia> cos(angle_rad)
0.5000000000000001

julia> sin(angle_rad)
0.8660254037844386

julia> sin(angle_rad)*950
822.7241335952167

julia> cos(angle_rad)*950
475.0000000000001
  • Julia语言中cos函数
    用于计算给定角度(以弧度为单位)的余弦值。这个函数是Julia标准库中的一部分,特别是它位于math模块中,但通常不需要显式地调用这个模块,因为Julia会自动引入许多常用的数学函数。

要使用cos函数,你只需直接调用它并传入一个以弧度为单位的角度值。下面是一个简单的例子:

# 计算π/4(即45度角,转换为弧度)的余弦值
angle_rad = pi / 4
cosine_value = cos(angle_rad)

println(cosine_value)

在这个例子中,pi是Julia中的一个常量,表示π的值。我们将π除以4得到π/4(即45度角转换为弧度),然后计算这个角度的余弦值,并将结果打印出来。

如果你有一个以度为单位的角度,并且想要计算它的余弦值,你需要先将这个角度转换为弧度。这可以通过将角度乘以π并除以180来实现:

# 假设我们有一个以度为单位的角度
angle_deg = 45

# 将角度转换为弧度
angle_rad = angle_deg * pi / 180

# 计算余弦值
cosine_value = cos(angle_rad)

println(cosine_value)

这样,你就可以使用Julia的cos函数来计算任意角度(以弧度为单位)的余弦值了。

定义

a \mathbf{a} a b \mathbf{b} b是两个非零向量, θ \theta θ a \mathbf{a} a b \mathbf{b} b之间的夹角( 0 ≤ θ ≤ π 0 \leq \theta \leq \pi 0θπ)。则向量 a \mathbf{a} a在向量 b \mathbf{b} b上的投影的长度为:

∣ proj b a ∣ = ∣ a ∣ cos ⁡ θ |\text{proj}_{\mathbf{b}}\mathbf{a}| = |\mathbf{a}|\cos\theta projba=acosθ

其中, ∣ a ∣ |\mathbf{a}| a ∣ b ∣ |\mathbf{b}| b分别是向量 a \mathbf{a} a b \mathbf{b} b的模(长度)。

计算方法

  1. 使用点积(内积)
    向量 a \mathbf{a} a b \mathbf{b} b的点积定义为:
    a ⋅ b = ∣ a ∣ × ∣ b ∣ × cos ⁡ θ \mathbf{a} \cdot \mathbf{b} = |\mathbf{a}| \times |\mathbf{b}| \times \cos\theta ab=a×b×cosθ
    因此,向量 a \mathbf{a} a在向量 b \mathbf{b} b上的投影的长度也可以表示为:
    ∣ proj b a ∣ = a ⋅ b ∣ b ∣ |\text{proj}_{\mathbf{b}}\mathbf{a}| = \frac{\mathbf{a} \cdot \mathbf{b}}{|\mathbf{b}|} projba=bab

  2. 方向
    投影不仅有大小,还有方向。具体来说,如果 θ < π 2 \theta < \frac{\pi}{2} θ<2π(即 a \mathbf{a} a b \mathbf{b} b之间的夹角为锐角或零角),则投影的方向与 b \mathbf{b} b的方向相同;如果 θ > π 2 \theta > \frac{\pi}{2} θ>2π(即 a \mathbf{a} a b \mathbf{b} b之间的夹角为钝角),则投影的方向与 b \mathbf{b} b的方向相反。

示例

假设有两个向量 a = ( 2 , 3 ) \mathbf{a} = (2, 3) a=(2,3) b = ( 4 , 1 ) \mathbf{b} = (4, 1) b=(4,1),我们需要计算 a \mathbf{a} a b \mathbf{b} b上的投影。

  1. 首先计算两个向量的模:
    ∣ a ∣ = 2 2 + 3 2 = 13 |\mathbf{a}| = \sqrt{2^2 + 3^2} = \sqrt{13} a=22+32 =13
    ∣ b ∣ = 4 2 + 1 2 = 17 |\mathbf{b}| = \sqrt{4^2 + 1^2} = \sqrt{17} b=42+12 =17

  2. 接着计算两个向量的点积:
    a ⋅ b = 2 × 4 + 3 × 1 = 11 \mathbf{a} \cdot \mathbf{b} = 2 \times 4 + 3 \times 1 = 11 ab=2×4+3×1=11

  3. 最后计算投影的长度:
    ∣ proj b a ∣ = 11 17 |\text{proj}_{\mathbf{b}}\mathbf{a}| = \frac{11}{\sqrt{17}} projba=17 11

注意:这个结果是投影的长度,而不是投影向量本身。如果需要得到投影向量,还需要将这个长度与 b \mathbf{b} b的单位向量相乘。

矢量的分量

是描述矢量在不同方向上的“大小”或“长度”的数值。在二维或三维空间中,一个矢量可以通过其分量来完全定义。这些分量通常与坐标轴的方向相关联。

二维空间中的矢量分量

在二维平面直角坐标系中,一个矢量 a \mathbf{a} a可以由其 x x x分量和 y y y分量来表示,即:

a = ( a x , a y ) \mathbf{a} = (a_x, a_y) a=(ax,ay)

其中, a x a_x ax是矢量 a \mathbf{a} a x x x轴方向上的分量, a y a_y ay是矢量 a \mathbf{a} a y y y轴方向上的分量。这两个分量都是标量,表示矢量在各自方向上的投影长度。

三维空间中的矢量分量

类似地,在三维空间直角坐标系中,一个矢量 a \mathbf{a} a可以由其 x x x分量、 y y y分量和 z z z分量来表示,即:

a = ( a x , a y , a z ) \mathbf{a} = (a_x, a_y, a_z) a=(ax,ay,az)

其中, a x a_x ax a y a_y ay a z a_z az分别是矢量 a \mathbf{a} a x x x轴、 y y y轴和 z z z轴方向上的分量。这三个分量也都是标量,表示矢量在各自方向上的投影长度。

分量的计算

在已知矢量坐标的情况下,分量的计算是直接的。但在某些情况下,我们可能需要通过其他方式(如投影)来计算分量。例如,在二维空间中,如果知道矢量 a \mathbf{a} a和另一个单位矢量 u \mathbf{u} u(其方向为 x x x轴或 y y y轴),则 a \mathbf{a} a u \mathbf{u} u方向上的分量可以通过投影来计算,即:

proj u a = ∣ a ∣ cos ⁡ θ \text{proj}_{\mathbf{u}}\mathbf{a} = |\mathbf{a}|\cos\theta projua=acosθ

但在这个特定情况下,由于 u \mathbf{u} u是单位矢量且方向与坐标轴一致,因此投影实际上就是 a \mathbf{a} a在该坐标轴上的分量。

示例

假设在二维空间中有一个矢量 a = ( 4 , 3 ) \mathbf{a} = (4, 3) a=(4,3),则:

  • a x = 4 a_x = 4 ax=4 a \mathbf{a} a x x x轴上的分量。
  • a y = 3 a_y = 3 ay=3 a \mathbf{a} a y y y轴上的分量。

在三维空间中,如果有一个矢量 b = ( 1 , − 2 , 3 ) \mathbf{b} = (1, -2, 3) b=(1,2,3),则:

  • b x = 1 b_x = 1 bx=1 b \mathbf{b} b x x x轴上的分量。
  • b y = − 2 b_y = -2 by=2 b \mathbf{b} b y y y轴上的分量。
  • b z = 3 b_z = 3 bz=3 b \mathbf{b} b z z z轴上的分量。

参考文献

1.《物理学基础》
2. 文心一言
3. chatgpt

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/2080461.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

【书生大模型实战营(暑假场)】进阶任务三 LMDeploy 量化部署实践闯关任务

进阶任务三 LMDeploy 量化部署实践闯关任务 任务文档视频 1 大模型部署基本知识 1.1 LMDeploy部署模型 定义 在软件工程中&#xff0c;部署通常指的是将开发完毕的软件投入使用的过程。在人工智能领域&#xff0c;模型部署是实现深度学习算法落地应用的关键步骤。简单来说…

智能科技的浪潮:AI、ML、DL和CV的探索之旅

智能科技的浪潮&#xff1a;AI、ML、DL和CV的探索之旅 前言人工智能&#xff1a;智能科技的基石从专用到通用&#xff1a;AI的分类与演进机器学习&#xff1a;数据中的智慧算法的力量&#xff1a;经典与创新深度学习&#xff1a;解锁复杂性之门神经网络的深度&#xff1a;基础与…

Python网络爬虫模拟登录与验证解析

内容导读 使用Selenium模拟登录 使用Cookies登录网站 模拟表单登录网站 爬虫识别简单的验证码 实例解析 一、使用Selenium模拟登录 1、为什么要模拟登录 在互联网上存在大量需要登录才能访问的网站&#xff0c;要爬取这些网站&#xff0c;就需要学习爬虫的模拟登录。对…

Webpack中的自定义 loader 的简单实现

1.loader简单介绍 webpack 中 loader 是用于对模块的源代码进行转换&#xff08;处理&#xff09;的插件。例如 webpack 中常见的loader&#xff0c; css-loader、babel-loader。 2.自定义 loader 关于 loader&#xff1a; loader本质上是一个导出为函数的JavaScript模块&am…

故障诊断 | 基于小波时频图与Swin Transformer的轴承故障诊断方法(PyTorch)

文章目录 文章概述程序设计参考资料文章概述 基于小波时频图与Swin Transformer的轴承故障诊断方法 针对用传统的故障诊断方法难以对非线性非平稳的柴油机故障信号进行准确高效诊断的问题, 提出基于小波时频图与Swin Transformer的故障诊断方法。该方法可以有效结合小波时频分…

Qt (11)【Qt窗口 —— 对话框 | Qt内置对话框简介】

阅读导航 引言一、对话框1. 对话框的分类&#xff08;1&#xff09;模态对话框&#xff08;2&#xff09;非模态对话框 二、Qt内置对话框 引言 在上一篇文章中&#xff0c;我们深入探讨了Qt框架中窗口的基本构建块&#xff0c;它们共同构成了Qt应用程序中用户界面&#xff08;…

RACL: Adversarially Robust Neural Architectures

RACL: 对抗鲁棒网络架构 论文链接&#xff1a;https://arxiv.org/abs/2009.00902v2 Abstract 深度神经网络(DNN)容易受到对抗性攻击。现有的方法致力于开发各种鲁棒训练策略或正则化来更新神经网络的权值。但除了权重之外&#xff0c;网络中的整体结构和信息流是由网络架构明…

文件.硬盘.IO

一.文件 &#xff08;1&#xff09;文件本身是包含多种意义的&#xff0c;这里我简单的说明一下文件的意义。 &#xff08;2&#xff09; 狭义上的文件&#xff1a;我们在硬盘中的文件。文件夹&#xff08;目录&#xff09;中存放的是文件。 &#xff08;3&#xff09; 广义…

云端集中管控边缘服务:利用 EMQX ECP 在 K8s 上快速部署 NeuronEX

随着物联网、边缘计算技术的发展&#xff0c;实现边缘服务的快速部署对于分布式计算环境至关重要。它不仅可以显著降低延迟、节省带宽资源、增强数据的安全性和隐私保护&#xff0c;同时还能改善用户体验&#xff0c;支持动态变化的工作负载需求&#xff0c;提供更高的灵活性和…

【启明智显分享】智能音箱AI大模型一站式解决方案重塑人机交互体验,2个月高效落地

2010年左右&#xff0c;智能系统接入音箱市场&#xff0c;智能音箱行业在中国市场兴起。但大潮激荡&#xff0c;阿里、小米、百度三大巨头凭借自身强大的资本、技术、粉丝群强势入局&#xff0c;形成三足鼎立态势。经过几年快速普及&#xff0c;智能音箱整体渗透率极高&#xf…

数据结构(6.4_1)——最小生成树

生成树 连通图的生成树是包含图中全部顶点的一个极小连通子图(边要尽可能的少&#xff0c;但要保持连通) 若图中顶点数为n&#xff0c;则它的生成树含有n-1条边。对生成树而言&#xff0c;若砍去它的一条边&#xff0c;则会变成非连通图&#xff0c;若加上一条边则会形成一个…

【MySQL 13】视图 (带思维导图)

文章目录 &#x1f308; 一、视图的基本概念&#x1f308; 二、视图的基本操作⭐ 1. 创建视图⭐ 2. 修改视图⭐ 3. 修改基表⭐ 4. 删除视图 &#x1f308; 三、视图的限制规则 &#x1f308; 一、视图的基本概念 视图是一种虚拟存在的表&#xff0c;将查询结果以表结构的方式保…

Sigmoid 函数及其导数推导

Sigmoid 函数及其导数推导 1. 了解 Sigmoid 函数 Sigmoid 函数是神经网络中常用的激活函数&#xff0c;因其平滑的S形曲线和将输入压缩至 (0, 1) 的特性&#xff0c;在神经网络的激活函数中扮演着重要角色。其定义如下&#xff1a; σ ( x ) 1 1 e − x \sigma(x) \frac{1…

GUI编程03:3种布局管理器

本节内容视频链接&#xff1a;https://www.bilibili.com/video/BV1DJ411B75F?p5&vd_sourceb5775c3a4ea16a5306db9c7c1c1486b5https://www.bilibili.com/video/BV1DJ411B75F?p5&vd_sourceb5775c3a4ea16a5306db9c7c1c1486b5 1.FlowLayout 流式布局 代码&#xff1a;…

34. 二叉树中和为某一值的路径

comments: true difficulty: 中等 edit_url: https://github.com/doocs/leetcode/edit/main/lcof/%E9%9D%A2%E8%AF%95%E9%A2%9834.%20%E4%BA%8C%E5%8F%89%E6%A0%91%E4%B8%AD%E5%92%8C%E4%B8%BA%E6%9F%90%E4%B8%80%E5%80%BC%E7%9A%84%E8%B7%AF%E5%BE%84/README.md 面试题 34. 二…

关于Linux(CentOS 7)中的用户sudo命令

&#x1f4dd;用户提权 测试非root用户的权限浏览该文件 测试非root用户的权限 当我们在当前用户使用sudo命令时&#xff0c;提示使用vimer用户的密码&#xff0c;非root。这是为什么呢&#xff1f; 因为这里系统提示需要用户的密码&#xff0c;则认为vimer用户是受信任的。 输…

用nltk包出现的三个问题 报错显示 缺少 punkt_tab、averaged_perceptron_tagger、wordnet 这三个文件

用nltk包出现的三个问题 报错显示 缺少 punkt_tab、averaged_perceptron_tagger、wordnet 这三个文件 报错是分开来的&#xff0c;你自己缺少哪一个就下哪一个&#xff0c;我这里总共是缺少三个文件&#xff0c;所以我依次去下载的 首先 在自己的虚拟环境中建立一个nltk_data文…

Qt第二十一章 语言家

文章目录 Qt Linguist简介使用流程1. 使用tr包裹字符串2. 生成翻译文件3. 打开翻译文件&#xff0c;并翻译4. 发布翻译5. 加载语言文件6. 动态切换语言 各国语言代码和名称表 Qt Linguist 简介 Qt提供了一款优秀的支持Qt C和Qt Quick应用程序的翻译工具。发布者、翻译者和开发…

齐护【百度AI对话】编程系统文心一言大语音模型对话ESP32图形化Mixly编程Scratch编程Arduino

齐护【百度AI对话】编程系统 一、前言 ​ 在这个日新月异的时代&#xff0c;AI的触角已延伸至互联网、金融、医疗、教育等每一个角落&#xff0c;其影响力不容忽视。从日常中的智能推荐到医疗前沿的精准诊断&#xff0c;从定制化教育到智能化的投资策略&#xff0c;AI正以前所…

ET6框架(一)介绍及环境部署

文章目录 一、什么是ET框架&#xff1f;二、ET框架特色&#xff1a;三、开发环境准备&#xff1a;四、.Net Core下载安装五、安装Visual Studio六、下载Mongodb七.安装Robo 3T八、下载ET版本分支 一、什么是ET框架&#xff1f; 1.ET(客户端&#xff0c;服务器端)是一个开源的双…