深度学习基础 - 单位向量
flyfish
2017-12-02
2022-08-02
有向线段-》向量-》向量放到坐标轴里-》计算向量的长度-》单位向量-》三角函数表示向量的分量
空间中的向量
有向线段
A
B
{AB}
AB有起点A和终点B;加上箭头就是向量
A
B
⃗
\vec{AB}
AB,或者
v
⃗
\vec{v}
v,或者
a
⃗
\vec{a}
a
将向量放到坐标轴里,A和B这两个点都有各自的坐标
A
=
(
1
,
2
)
A=(1, 2)
A=(1,2)
B
=
(
5
,
6
)
B = (5, 6)
B=(5,6)
如果平面上的一个向量 v ⃗ \vec{v} v等于起点在原点 ( 0 , 0 ) (0,0) (0,0),终点在 ( v 1 , v 2 ) (v_1,v_2) (v1,v2)的向量,则向量 v ⃗ \vec{v} v的分量形式是 v ⃗ = < v 1 , v 2 > \vec{v}=<v_1,v_2> v=<v1,v2>
这样一个平面向量也就是实数的有序对 < v 1 , v 2 > <v_1,v_2> <v1,v2>,数 v 1 v_1 v1和 v 2 v_2 v2是v的分量,
向量的长度也叫向量的模
∣
v
⃗
∣
=
(
v
1
)
2
+
(
v
2
)
2
=
(
x
2
−
x
1
)
2
+
(
y
2
−
y
1
)
2
\begin {aligned} |\vec{v}|=\sqrt{(v_1)^2+(v_2)^2} =\sqrt{(x_2-x_1)^2+(y_2- y_1)^2} \end {aligned}
∣v∣=(v1)2+(v2)2=(x2−x1)2+(y2−y1)2
或者说2范数
∥
X
∥
2
:
=
x
1
2
+
⋯
+
x
n
2
.
\begin {aligned} {\displaystyle \left\|{ {X}}\right\|_{2}:={\sqrt {x_{1}^{2}+\cdots +x_{n}^{2}}}.} \end {aligned}
∥X∥2:=x12+⋯+xn2.
假如向量是
v
⃗
=
(
v
1
,
v
2
)
\vec{v}=\left(v_{1}, v_{2}\right)
v=(v1,v2) 那么计算向量长度的方法是
∥
v
⃗
∥
=
v
1
2
+
v
2
2
\|\vec{v}\|=\sqrt{v_{1}^{2}+v_{2}^{2}}
∥v∥=v12+v22
举例说明
v
⃗
=
(
4
,
2
)
\vec{v}=(4,2)
v=(4,2).
v
1
=
4
v_{1}=4
v1=4 和
v
2
=
2
v_{2}=2
v2=2 计算过程是
∥
v
⃗
∥
=
4
2
+
2
2
=
20
=
2
5
\|\vec{v}\|=\sqrt{4^{2}+2^{2}}=\sqrt{20}=2 \sqrt{5}
∥v∥=42+22=20=25
双竖线与数的绝对值区分
单位向量
单位向量(Unit Vector)就是长度为1的向量
有了单位向量就可以度量其他向量
这里的符号是小写的字母a的头上再戴一顶帽子,读作 a hat
比例
向量a相当于单位向量2.5倍,方向仍然不变
任何平面向量
v
⃗
=
<
a
,
b
>
\vec{v}=<a,b>
v=<a,b>都可以写成 标准单位向量
i
=
<
1
,
0
>
i=<1,0>
i=<1,0>和
j
=
<
0
,
1
>
j=<0,1>
j=<0,1>
线性组合
v ⃗ = < a , b > = < a , 0 > + < 0 , b > = a < 1 , 0 > + b < 0 , 1 > = a i + b j \begin {aligned} \vec{v}&=<a,b>\newline &=<a,0>+<0,b>\\ &=a<1,0>+b<0,1>\\ &=ai+bj \end {aligned} v=<a,b>=<a,0>+<0,b>=a<1,0>+b<0,1>=ai+bj
假如有这样的向量
v
⃗
=
[
2
1
]
\vec{v}=\begin{bmatrix} 2 \\\\ 1 \end{bmatrix}
v=
21
用图表示
向量是有大小和方向的, 图中的magnitude表示有多长
一维的单位向量通常写
i
i
i
图中红色的是单位向量,标记为
i
i
i。
用单位向量表示另外两个向量分别是
2
i
2i
2i 和
7
i
7i
7i
二维的单位向量
x
x
x 方向的一个单位向量
i
i
i和
y
y
y 方向的一个单位向量
j
j
j。
可以用单位向量
i
i
i 和
j
j
j 表示出任意二维向量。下图可以通过数方格的个数,看大小.
可以这样写出向量的分量
V
x
=
6
i
V_x =6i
Vx=6i
V
y
=
3
j
V_y =3j
Vy=3j
用单位向量表示出向量V$
V
=
6
i
+
3
j
V= 6i+3j
V=6i+3j
向量a相当于 在x轴移动2个“x”的单位向量
和在y轴移动1.3个“y”的单位向量
v = 2 i − 0.5 j = 2 [ 1 0 ] − 0.5 [ 0 1 ] = [ 2 ⋅ 1 2 ⋅ 0 ] − [ 0.5 ⋅ 0 0.5 ⋅ 1 ] = [ 2 − 0.5 ] \begin{aligned} \\ v &= 2i - 0.5j \\\\ &= 2\begin{bmatrix} 1 \\\\ 0 \end{bmatrix} - 0.5\begin{bmatrix} 0 \\\\ 1 \end{bmatrix} \\\\ &= \begin{bmatrix} 2 \cdot 1 \\\\ 2 \cdot 0 \end{bmatrix} - \begin{bmatrix} 0.5 \cdot 0 \\\\ 0.5 \cdot 1 \end{bmatrix} \\\\ &= \begin{bmatrix} 2 \\\\ -0.5 \end{bmatrix} \end{aligned} v=2i−0.5j=2 10 −0.5 01 = 2⋅12⋅0 − 0.5⋅00.5⋅1 = 2−0.5
一维的情况下,单位向量
i
i
i 也就是向量的基底
i
{i}
i,也叫坐标向量
二维的情况下,单位向量
i
,
j
i,j
i,j 也就是向量的基底
i
,
j
{i,j}
i,j
三维的情况下,单位向量
i
,
j
,
k
i,j,k
i,j,k 也就是向量的基底
i
,
j
,
k
{i,j,k}
i,j,k
坐标轴上以原点为圆心,以 1 为半径画一个圆
蓝色和红色都是单位向量,蓝色为标准单位向量
若
v
⃗
=
<
v
1
,
v
2
>
\vec{v}=<v_1,v_2>
v=<v1,v2>与正x轴形成角
θ
\theta
θ则
单位向量
∣
v
⃗
∣
=
1
\left | \vec{v} \right | =1
∣v∣=1
v
1
=
∣
v
∣
cos
θ
=
cos
θ
v1=\left | v \right | \cos \theta =\cos \theta
v1=∣v∣cosθ=cosθ
v
2
=
∣
v
∣
sin
θ
=
sin
θ
v2=\left | v \right | \sin \theta =\sin \theta
v2=∣v∣sinθ=sinθ
与正
x
x
x轴形成角
θ
\theta
θ 的单位向量v表示为
v
⃗
=
<
cos
θ
,
sin
θ
>
\vec{v}=<\cos \theta,\sin \theta>
v=<cosθ,sinθ>
向量的分量与方向
1. 二维空间中的向量
在二维空间中,一个向量
v
=
(
v
x
,
v
y
)
\mathbf{v} = (v_x, v_y)
v=(vx,vy) 可以表示为:
v
x
v_x
vx :向量在x轴方向上的分量,即向量
v
\mathbf{v}
v 投影到x轴上的长度。
v
y
v_y
vy :向量在y轴方向上的分量,即向量
v
\mathbf{v}
v 投影到y轴上的长度。
示例
假设我们有一个向量
v
=
(
3
,
4
)
\mathbf{v} = (3, 4)
v=(3,4):
v
x
=
3
v_x = 3
vx=3,表示这个向量在x轴方向上有3个单位长度。
v
y
=
4
v_y = 4
vy=4,表示这个向量在y轴方向上有4个单位长度。
计算向量的模
向量的模(长度)计算公式为:
∣
v
∣
=
v
x
2
+
v
y
2
|\mathbf{v}| = \sqrt{v_x^2 + v_y^2}
∣v∣=vx2+vy2
计算方向
方向角 :向量与x轴正方向之间的夹角
θ
\theta
θ 可以通过以下公式计算:
θ
=
arctan
(
v
y
v
x
)
\theta = \arctan\left(\frac{v_y}{v_x}\right)
θ=arctan(vxvy)
更准确地,可以使用
atan2
(
v
y
,
v
x
)
\text{atan2}(v_y, v_x)
atan2(vy,vx) 来考虑角度的象限。
单位向量 :向量的单位向量
v
^
\mathbf{\hat{v}}
v^ 计算公式为:
v
^
=
(
v
x
∣
v
∣
,
v
y
∣
v
∣
)
\mathbf{\hat{v}} = \left(\frac{v_x}{|\mathbf{v}|}, \frac{v_y}{|\mathbf{v}|}\right)
v^=(∣v∣vx,∣v∣vy)
这里
v
^
\mathbf{\hat{v}}
v^ 是长度为1的向量,保留了原始向量的方向信息。
2. 三维空间中的向量
在三维空间中,一个向量
v
=
(
v
x
,
v
y
,
v
z
)
\mathbf{v} = (v_x, v_y, v_z)
v=(vx,vy,vz) 的方向可以由与坐标轴的夹角来描述:
方向余弦 :向量与三个坐标轴之间的夹角分别称为
α
\alpha
α、
β
\beta
β 和
γ
\gamma
γ。这些夹角的余弦值计算公式为:
cos
(
α
)
=
v
x
∣
v
∣
,
cos
(
β
)
=
v
y
∣
v
∣
,
cos
(
γ
)
=
v
z
∣
v
∣
\cos(\alpha) = \frac{v_x}{|\mathbf{v}|}, \quad \cos(\beta) = \frac{v_y}{|\mathbf{v}|}, \quad \cos(\gamma) = \frac{v_z}{|\mathbf{v}|}
cos(α)=∣v∣vx,cos(β)=∣v∣vy,cos(γ)=∣v∣vz
其中
∣
v
∣
|\mathbf{v}|
∣v∣ 为向量的模,计算公式为:
∣
v
∣
=
v
x
2
+
v
y
2
+
v
z
2
|\mathbf{v}| = \sqrt{v_x^2 + v_y^2 + v_z^2}
∣v∣=vx2+vy2+vz2
单位向量 :三维空间中的单位向量 v ^ \mathbf{\hat{v}} v^ 为: v ^ = ( v x ∣ v ∣ , v y ∣ v ∣ , v z ∣ v ∣ ) \mathbf{\hat{v}} = \left(\frac{v_x}{|\mathbf{v}|}, \frac{v_y}{|\mathbf{v}|}, \frac{v_z}{|\mathbf{v}|}\right) v^=(∣v∣vx,∣v∣vy,∣v∣vz)
3. n维空间中的向量
在n维空间中,一个向量
v
=
(
v
1
,
v
2
,
…
,
v
n
)
\mathbf{v} = (v_1, v_2, \ldots, v_n)
v=(v1,v2,…,vn) 的方向通过单位向量表示:
v
^
=
(
v
1
∣
v
∣
,
v
2
∣
v
∣
,
…
,
v
n
∣
v
∣
)
\mathbf{\hat{v}} = \left(\frac{v_1}{|\mathbf{v}|}, \frac{v_2}{|\mathbf{v}|}, \ldots, \frac{v_n}{|\mathbf{v}|}\right)
v^=(∣v∣v1,∣v∣v2,…,∣v∣vn)
其中
∣
v
∣
|\mathbf{v}|
∣v∣ 为向量的模,计算公式为:
∣
v
∣
=
v
1
2
+
v
2
2
+
⋯
+
v
n
2
|\mathbf{v}| = \sqrt{v_1^2 + v_2^2 + \cdots + v_n^2}
∣v∣=v12+v22+⋯+vn2