【数理知识】向量与基的内积,Matlab 代码验证

news2024/9/21 23:35:22
序号内容
1【数理知识】向量的坐标基表示法,Matlab 代码验证
2【数理知识】向量与基的内积,Matlab 代码验证

文章目录

  • 1. 向量与基的内积
  • 2. 二维平面向量举例
  • 3. 代码验证
  • Ref

1. 向量与基的内积

假设存在一个二维平面内的向量 a ⃗ \vec{a} a ,其在坐标基 e ⃗ 1 , e ⃗ 2 \vec{e}_1, \vec{e}_2 e 1,e 2 下的坐标值为 [ x y ] \left[\begin{matrix}x \\ y \end{matrix}\right] [xy]

我们这里先看一下向量 a ⃗ \vec{a} a 自身与坐标基 e ⃗ 1 \vec{e}_1 e 1 的内积。关于内积的原理请参考文章【数理知识】向量数乘,内积,外积,matlab代码实现。这里我们直接使用其结论,即向量的内积为,一个向量在另一个向量方向上的投影长度,乘以被投影向量的长度,如下图所示

在这里插入图片描述

用公式描述为

a ⃗ ⋅ e ⃗ 1 = ∥ a ⃗ ∥ ∥ e ⃗ 1 ∥ cos ⁡ ( θ ) \vec{a} \cdot \vec{e}_1 = \|\vec{a}\| \|\vec{e}_1\| \cos(\theta) a e 1=a ∥∥e 1cos(θ)

而在我们这里被投影向量为基向量 e ⃗ 1 \vec{e}_1 e 1,而基向量 e ⃗ 1 \vec{e}_1 e 1 其模长 ∥ e ⃗ 1 ∥ \|\vec{e}_1\| e 1 又为 1 1 1,因此

a ⃗ ⋅ e ⃗ 1 = ∥ a ⃗ ∥ ∥ e ⃗ 1 ∥ cos ⁡ ( θ ) = ∥ a ⃗ ∥ cos ⁡ ( θ ) \begin{aligned} \vec{a} \cdot \vec{e}_1 &= \|\vec{a}\| \|\vec{e}_1\| \cos(\theta) \\ &= \|\vec{a}\| \cos(\theta) \end{aligned} a e 1=a ∥∥e 1cos(θ)=a cos(θ)

数值上 ∥ a ⃗ ∥ cos ⁡ ( θ ) \|\vec{a}\| \cos(\theta) a cos(θ) 等于向量 a ⃗ \vec{a} a 在坐标基 e ⃗ 1 \vec{e}_1 e 1 上的坐标值。如果坐标基 e ⃗ 1 \vec{e}_1 e 1 我们认为其为横坐标,那么 a ⃗ ⋅ e ⃗ 1 \vec{a} \cdot \vec{e}_1 a e 1 数值上就等于横坐标的值,即

a x = a ⃗ ⋅ e ⃗ 1 \begin{aligned} a_x &= \vec{a} \cdot \vec{e}_1 \end{aligned} ax=a e 1

同理,我们也可以得到 a ⃗ ⋅ e ⃗ 2 \vec{a} \cdot \vec{e}_2 a e 2 数值上等于纵坐标的值。

a y = a ⃗ ⋅ e ⃗ 2 \begin{aligned} a_y &= \vec{a} \cdot \vec{e}_2 \end{aligned} ay=a e 2

最后,公式化描述结论为

a x = a ⃗ ⋅ e ⃗ 1 = [ a x a y ] ⋅ [ e 11 e 12 ] = a x e 11 + a y e 12 a y = a ⃗ ⋅ e ⃗ 2 = [ a x a y ] ⋅ [ e 21 e 22 ] = a x e 21 + a y e 22 , ∥ e ⃗ 1 ∥ = ∥ e ⃗ 2 ∥ = 1 \begin{aligned} a_x &= \vec{a} \cdot \vec{e}_1 =\left[\begin{matrix} a_x \\ a_y \\ \end{matrix}\right] \cdot \left[\begin{matrix} e_{11} \\ e_{12} \\ \end{matrix}\right] =a_x e_{11} + a_y e_{12} \\ a_y &= \vec{a} \cdot \vec{e}_2 =\left[\begin{matrix} a_x \\ a_y \\ \end{matrix}\right] \cdot \left[\begin{matrix} e_{21} \\ e_{22} \\ \end{matrix}\right] =a_x e_{21} + a_y e_{22} \end{aligned},\quad \|\vec{e}_1\| = \|\vec{e}_2\| = 1 axay=a e 1=[axay][e11e12]=axe11+aye12=a e 2=[axay][e21e22]=axe21+aye22,e 1=e 2=1


2. 二维平面向量举例

接下来基于二维平面上的一个向量来举例。

假设存在一个上述的二维平面向量 a ⃗ \vec{a} a ,在标准坐标基 e ⃗ 1 = [ 1 0 ] , e ⃗ 2 = [ 0 1 ] \vec{e}_1=\left[\begin{matrix} 1 \\ 0 \\ \end{matrix}\right], \vec{e}_2=\left[\begin{matrix} 0 \\ 1 \\ \end{matrix}\right] e 1=[10],e 2=[01] 下的坐标值为 [ a x a y ] = [ 3 4 ] \left[\begin{matrix}a_x \\ a_y \end{matrix}\right] = \left[\begin{matrix}3 \\ 4 \end{matrix}\right] [axay]=[34]

现在,我们更改坐标基为 e ⃗ 1 ′ = [ 1 2 1 2 ] , e ⃗ 2 ′ = [ − 1 2 1 2 ] \vec{e}_{1^\prime}=\left[\begin{matrix} \frac{1}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \\ \end{matrix}\right], \vec{e}_{2^\prime}=\left[\begin{matrix} -\frac{1}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \\ \end{matrix}\right] e 1=[2 12 1],e 2=[2 12 1],此新基下的坐标值为 [ a x ′ a y ′ ] = [ 7 2 1 2 ] \left[\begin{matrix}a_{x^\prime} \\ a_{y^\prime} \end{matrix}\right] = \left[\begin{matrix} \frac{7}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \end{matrix}\right] [axay]=[2 72 1]

首先验证结论

a x = a ⃗ ⋅ e ⃗ 1 = [ a x a y ] ⋅ [ e 11 e 12 ] = a x e 11 + a y e 12 = [ 3 4 ] ⋅ [ 1 0 ] = 3 × 1 + 4 × 0 = 3 \begin{aligned} a_x &= \vec{a} \cdot \vec{e}_1 =\left[\begin{matrix} a_x \\ a_y \\ \end{matrix}\right] \cdot \left[\begin{matrix} e_{11} \\ e_{12} \\ \end{matrix}\right] =a_x e_{11} + a_y e_{12} \\ &= \left[\begin{matrix} 3 \\ 4 \\ \end{matrix}\right] \cdot \left[\begin{matrix} 1 \\ 0 \\ \end{matrix}\right] = 3 \times 1 + 4 \times 0 = 3 \end{aligned} ax=a e 1=[axay][e11e12]=axe11+aye12=[34][10]=3×1+4×0=3

a x ′ = a ⃗ ⋅ e ⃗ 1 ′ = [ a x a y ] ⋅ [ e 1 1 ′ e 1 2 ′ ] = a x e 1 1 ′ + a y e 1 2 ′ = [ 3 4 ] ⋅ [ 1 2 1 2 ] = 3 × 1 2 + 4 × 1 2 = 7 2 \begin{aligned} a_{x^\prime} &= \vec{a} \cdot \vec{e}_{1^\prime} =\left[\begin{matrix} a_{x} \\ a_{y} \\ \end{matrix}\right] \cdot \left[\begin{matrix} e_{11^\prime} \\ e_{12^\prime} \\ \end{matrix}\right] =a_{x} e_{11^\prime} + a_{y} e_{12^\prime} \\ &= \left[\begin{matrix} 3 \\ 4 \\ \end{matrix}\right] \cdot \left[\begin{matrix} \frac{1}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \\ \end{matrix}\right] = 3 \times \frac{1}{\sqrt{2}} + 4 \times \frac{1}{\sqrt{2}} = \frac{7}{\sqrt{2}} \end{aligned} ax=a e 1=[axay][e11e12]=axe11+aye12=[34][2 12 1]=3×2 1+4×2 1=2 7

通过观察下图,也能大约看出向量 a ⃗ \vec{a} a 在新基 e ⃗ 1 ′ \vec{e}_{1^\prime} e 1 上的投影长度为 7 / 2 7/\sqrt{2} 7/2

请添加图片描述

这与坐标图中的效果也是一致的。

往下继续验证结论

a y = a ⃗ ⋅ e ⃗ 2 = [ a x a y ] ⋅ [ e 21 e 22 ] = a x e 21 + a y e 22 = [ 3 4 ] ⋅ [ 0 1 ] = 3 × 0 + 4 × 1 = 4 \begin{aligned} a_y &= \vec{a} \cdot \vec{e}_2 =\left[\begin{matrix} a_x \\ a_y \\ \end{matrix}\right] \cdot \left[\begin{matrix} e_{21} \\ e_{22} \\ \end{matrix}\right] =a_x e_{21} + a_y e_{22} \\ &= \left[\begin{matrix} 3 \\ 4 \\ \end{matrix}\right] \cdot \left[\begin{matrix} 0 \\ 1 \\ \end{matrix}\right] = 3 \times 0 + 4 \times 1 = 4 \end{aligned} ay=a e 2=[axay][e21e22]=axe21+aye22=[34][01]=3×0+4×1=4

a y ′ = a ⃗ ⋅ e ⃗ 2 ′ = [ a x a y ] ⋅ [ e 1 1 ′ e 1 2 ′ ] = a x e 1 1 ′ + a y e 1 2 ′ = [ 3 4 ] ⋅ [ − 1 2 1 2 ] = 3 × ( − 1 2 ) + 4 × 1 2 = 1 2 \begin{aligned} a_{y^\prime} &= \vec{a} \cdot \vec{e}_{2^\prime} =\left[\begin{matrix} a_{x} \\ a_{y} \\ \end{matrix}\right] \cdot \left[\begin{matrix} e_{11^\prime} \\ e_{12^\prime} \\ \end{matrix}\right] =a_{x} e_{11^\prime} + a_{y} e_{12^\prime} \\ &= \left[\begin{matrix} 3 \\ 4 \\ \end{matrix}\right] \cdot \left[\begin{matrix} -\frac{1}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \\ \end{matrix}\right] = 3 \times (-\frac{1}{\sqrt{2}}) + 4 \times \frac{1}{\sqrt{2}} = \frac{1}{\sqrt{2}} \end{aligned} ay=a e 2=[axay][e11e12]=axe11+aye12=[34][2 12 1]=3×(2 1)+4×2 1=2 1

第二个结论同样意味着向量 a ⃗ \vec{a} a 在新基 e ⃗ 2 ′ \vec{e}_{2^\prime} e 2 上的投影长度为 1 / 2 1/\sqrt{2} 1/2


3. 代码验证

a_x = 3;
a_y = 4;
a = [a_x
     a_y];

e_1 = [ 1
        0];
e_2 = [ 0
        1];

e_1_prime = [ sqrt(2)/2
              sqrt(2)/2];
e_2_prime = [-sqrt(2)/2
              sqrt(2)/2];
>> dot(a, e_1)
ans =
     3

>> dot(a, e_2)
ans =
     4

>> dot(a, e_1_prime)
ans =
    4.9497

>> dot(a, e_2_prime)
ans =
    0.7071

Ref


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/891467.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

复旦微FR0触摸原理(1)

传统的家电产品通常使用物理按键来进行操作,但随着科技的不断进步,越来越多的家电产品开始采用触摸屏幕和触摸按键来提供更加智能化和便捷的操作方式。 本篇介绍复旦微FM33FR026的触摸检测原理 TSI 模块使用自电容的 方法来检测触摸行为。 自电容检测的原…

半导体退火那些事(1)

1.半导体退火的原理 半导体材料在晶体生长和制造过程中,由于各种原因会出现缺陷、杂质、位错等结构性缺陷,导致晶格不完整,施加电场后的电导率较低。通过退火处理,可以使材料得到修复,结晶体内部重新排列,…

day22 API文档 第一个元素File

file的绝对路径 file的相对路径 file路径的写法 file的各种方法 File.separator 解决虚拟机和windows路径中的斜杠问题 lambda怎么写 file1 file2 file3 file4 public class FileDemo04 {public static void main(String[] args) {File file new File(".");File…

shell连接ubuntu

当使用aws的私钥连接时,老是弹出输入私钥密码,但是根本没有设置过密码,随便输入后,又提示该私钥无密码... 很早就使用过aws的ubuntu,这个问题也很早就遇到过,但是每次遇到都要各种找找找...索性这次记下来算了 此处用FinalShell连接为例 首先现在Putty连接工具: 点击官方下载 …

uploadifive php上传进度条插件 解决动态传参数问题

uploadifive默认只能在加载时,静态传递参数.如果想让用户输入参数.再动态读取.传到后端,是没有直接的办法的 效果图 但我们可以通过settings.formData 来修改配置的方式传参数,完整演示 <form id"file_form{$v.id}" style"display:none"><hr/>…

四川玖璨电商:新媒体短视频运营是做什么?

随着互联网科技的不断发展&#xff0c;新媒体行业如今已经成为了人们获取信息、进行交流的主要渠道之一。在这样的大环境下&#xff0c;短视频成为了新媒体运营的一个重要组成部分。那么&#xff0c;新媒体短视频运营到底是做什么呢&#xff1f;接下来&#xff0c;小编将从几个…

查看 Linux 内核版本的几种方法

uname -a uname -srm uname -r 分拆&#xff1a;Linux 5.13.0-19-generic x86 64 5-内核版本 13-主修订版本 0-19 -次要修订版本 过查看 /proc/version 文件确认 /proc 目录包含虚拟文件&#xff0c;其中包含有关系统内存&#xff0c;CPU内核&#xff0c;已安装文件系统等的信…

【JAVA程序设计】基于SpringBoot+vue的在线考试系统-以计算机网络为例,可自行录入题库-附下载地址

基于SpringBootvue的在线考试系统-以计算机网络为例&#xff0c;可自行录入题库 一、项目简介二、开发环境三、项目技术四、功能结构五、运行截图六、功能实现七、数据库设计八、源码下载地址 一、项目简介 随着信息技术的迅猛发展&#xff0c;教育行业正面临着巨大的变革和挑…

Docker容器安装mysql 8 教程

一、 安装Docker&#xff0c;Docker安装过程如下&#xff1a; 1、卸载系统之前的 docker sudo yum remove docker \docker-client \docker-client-latest \docker-common \docker-latest \docker-latest-logrotate \docker-logrotate \docker-engine 2、安装 Docker-CE 安装…

vue利用 sortable 完成表格拖拽

先讲一下vue2&#xff0c;使用sortable完成表格拖拽【不只是表格&#xff0c;div也可以实现&#xff0c;但我项目中是表格拖拽】 github地址 安装 npm install sortablejs --save使用 &#xff08;我的项目中是拖拽一个小按钮移动&#xff0c;而不是整行&#xff09; <te…

字符设备分布注册实现LED灯

目标&#xff1a;通过字符设备的分布注册实现LED灯的控制 字符分布注册&#xff1a; test.c文件 #include <stdio.h> #include <unistd.h> #include <sys/types.h> #include <sys/stat.h> #include <fcntl.h> #include <stdlib.h> #incl…

212、仿真-基于51单片机体温脉搏心率血氧报警Proteus仿真设计(程序+Proteus仿真+配套资料等)

毕设帮助、开题指导、技术解答(有偿)见文未 目录 一、硬件设计 二、设计功能 三、Proteus仿真图 四、程序源码 资料包括&#xff1a; 需要完整的资料可以点击下面的名片加下我&#xff0c;找我要资源压缩包的百度网盘下载地址及提取码。 方案选择 单片机的选择 方案一&a…

快速解决Ubuntu 中 wine 程序 中文显示为方块/显示错误/无法显示中文(2023)

解决办法就是在创建prefix的命令行里加上LANG“zh_CN.UTF8” LC_ALL“zh_CN.UTF8”&#xff0c;并安装cjkfonts&#xff0c;即可。 1、生成prefix、安装cjk字体 以下是基本流程&#xff1a; 现在假定wine和winetricks已经装好&#xff0c; // 先创建一个prefix&#xff0c;按…

切面的魔力:解密Spring AOP 面向切面编程

目录 一、AOP简介 1.1 什么是AOP &#xff1f; 1.2 什么是面向切面编程 &#xff1f; 1.3 AOP 的特点 二、 AOP的基本概念解读 2.1 AOP的基本概念 2.2 AOP 概念趣事解读 三、代码情景演示 3.1 编写目标对象&#xff08;超级英雄们正常的行动&#xff09; 3.2 编写通知…

史上最全HBase面试题,高薪必备,架构必备

说在前面 本文《尼恩 大数据 面试宝典》 是 《尼恩Java面试宝典》姊妹篇。 这里特别说明一下&#xff1a;《尼恩Java面试宝典》41个专题 PDF 自首次发布以来&#xff0c; 已经汇集了 好几千题&#xff0c;大量的大厂面试干货、正货 &#xff0c;足足4800多页&#xff0c;帮助…

【脚踢数据结构】常见排序算法

(꒪ꇴ꒪ )&#xff0c;Hello我是祐言QAQ我的博客主页&#xff1a;C/C语言&#xff0c;Linux基础&#xff0c;ARM开发板&#xff0c;软件配置等领域博主&#x1f30d;快上&#x1f698;&#xff0c;一起学习&#xff0c;让我们成为一个强大的攻城狮&#xff01;送给自己和读者的…

keil遇到“Error:CreateProcess failed,Command:“怎么办

解决办法&#xff1a; 第一步&#xff1a;卸载原有的compiler 5; 第二步&#xff1a;安装compiler 5到指定目录&#xff1a;这个目录地址是&#xff1a; 安装目录地址“ARM安装目录” / ARMARM_Compiler_5.06u7 例如我的安装目录是C:\Keil_v5\ARM\ARM_Compiler_5.06u7 第三…

苹果电脑清理软件——CleanMyMac快速清理电脑垃圾

大家在用苹果电脑卸载软件时是不是很苦恼&#xff1f;遇到要清理的垃圾软件太多&#xff0c;总是清理不干净。这时可以借助苹果电脑清理软件——CleanMyMac快速清理&#xff0c;接下来的文章就教教大家快速清理电脑垃圾软件&#xff0c;怎么快速清理电脑垃圾软件。 CleanMyMac …

LangChain手记 Evalutation评估

整理并翻译自DeepLearning.AILangChain的官方课程&#xff1a;Evaluation&#xff08;源代码可见&#xff09; 基于LLM的应用如何做评估是一个难点&#xff0c;本节介绍了一些思路和工具。 “从传统开发转换到基于prompt的开发&#xff0c;开发使用LLM的应用&#xff0c;整个工…

云农场种植模式:数字化农业的崭新未来

在现代科技的映衬下&#xff0c;农业正在经历着前所未有的变革。云农场种植模式作为数字化农业的一个重要组成部分&#xff0c;为农业注入了新的活力和可能性。这种创新模式不仅提升了农业效率&#xff0c;还为农民、消费者以及环境带来了许多积极影响。 云农场种植模式玩法说明…