벡터 투영 계산기

벡터 투영 계산기에 오신 것을 환영합니다. 이 도구는 단계별 공식 분석, 대화형 기하학적 시각화 및 직교 분해를 통해 한 벡터의 다른 벡터 위로의 투영을 계산하는 강력한 선형 대수 도구입니다. 선형 대수를 공부하거나, 물리학 문제를 풀거나, 머신 러닝 데이터를 분석할 때 이 계산기는 벡터 투영을 직관적이고 이해하기 쉽게 만들어 줍니다.

벡터 투영이란 무엇인가요?

벡터 투영은 한 벡터가 다른 벡터의 방향으로 얼마나 진행되는지를 찾는 선형 대수의 기본 연산입니다. 벡터 a와 b가 주어졌을 때, a의 b 위로의 투영은 b를 따라 놓이며 b에 의해 정의된 직선 위에 드리워진 a의 "그림자"를 나타내는 새로운 벡터를 생성합니다.

두 가지 관련 개념이 있습니다:

• 스칼라 투영 (성분): b를 따라 투영된 부호가 있는 길이를 나타내는 단일 숫자
• 벡터 투영: 스칼라 투영과 동일한 크기를 가지며 b를 따라 놓이는 벡터

벡터 투영 공식

스칼라 투영 공식

직교 분해

모든 벡터 a는 b에 대해 두 개의 수직 성분으로 분해될 수 있습니다:

여기서 \(\vec{a}_{\perp} = \vec{a} - \text{proj}_{\vec{b}} \vec{a}\)는 b에 수직인 a의 성분(벡터 반사라고도 함)입니다.

이 계산기 사용 방법

1. 차원 선택: 토글 버튼을 사용하여 2D 또는 3D 벡터를 선택합니다.
2. 벡터 입력: 벡터 a(투영할 벡터)와 벡터 b(투영 방향)의 성분을 입력합니다.
3. 계산: "투영 계산하기"를 클릭하여 벡터 투영, 스칼라 투영, 직교 성분, 벡터 사이의 각도 및 단계별 솔루션을 포함한 전체 결과를 확인합니다.
4. 시각화 탐색: 모든 벡터와 그들 사이의 기하학적 관계를 보여주는 대화형 다이어그램을 검토합니다.

결과 이해하기

• 벡터 투영: b를 따라 놓이는 투영 벡터
• 스칼라 투영: 투영의 부호가 있는 길이 (각도 < 90°이면 양수, 각도 > 90°이면 음수)
• 직교 성분: b에 수직인 a의 부분
• 벡터 사이 각도: 도(degree)와 라디안(radian) 단위의 각도 θ
• 투영 스칼라 (a·b/b·b): 투영 벡터를 얻기 위해 b에 적용되는 배수

벡터 투영의 응용

특수한 경우

• 평행 벡터 (θ = 0°): a의 b 위로의 투영은 a 자신과 같습니다 (크기 비율에 따라 조정됨)
• 반평행 벡터 (θ = 180°): 투영이 b의 반대 방향을 가리킵니다
• 수직 벡터 (θ = 90°): 투영은 영벡터입니다 — a는 b를 따른 성분을 갖지 않습니다
• 스칼라 투영 = 0: 벡터들이 서로 직교합니다
• 음수 스칼라 투영: 벡터 사이의 각도가 90°를 초과합니다

자주 묻는 질문

벡터 투영이란 무엇인가요?

a의 b 위로의 벡터 투영은 b의 방향으로 놓여 있는 a의 성분입니다. 계산식은 proj_b(a) = (a·b / b·b) × b입니다. 결과는 b와 같거나 반대 방향을 가리키는 벡터로, a가 b를 따라 얼마나 진행되는지를 나타냅니다.

스칼라 투영과 벡터 투영의 차이점은 무엇인가요?

스칼라 투영은 b를 따라 투영된 부호가 있는 길이를 나타내는 단일 숫자이며, comp_b(a) = a·b / |b|로 계산됩니다. 벡터 투영은 크기와 방향을 모두 가진 벡터 결과로, proj_b(a) = (a·b / b·b) × b로 계산됩니다. 스칼라 투영은 벡터 투영의 (부호가 있는) 크기입니다.

직교 성분(벡터 반사)이란 무엇인가요?

직교 성분(벡터 반사라고도 함)은 벡터 b에 수직인 벡터 a의 부분입니다. a_⊥ = a − proj_b(a)로 계산됩니다. 투영과 반사를 합치면 합이 원래 벡터와 같은 두 개의 수직 성분으로 a를 분해할 수 있습니다.

스칼라 투영값이 음수가 될 수 있나요?

네, 가능합니다. 음수 스칼라 투영은 두 벡터 사이의 각도가 90°보다 커서 벡터 a의 성분이 b의 반대 방향을 향하고 있음을 의미합니다. 스칼라 투영의 절댓값은 여전히 투영된 그림자의 길이를 나타냅니다.

머신 러닝에서 벡터 투영이 왜 중요한가요?

벡터 투영은 고차원 데이터를 최대 분산 방향으로 투영하는 주성분 분석(PCA)과 같은 기술의 기초입니다. 또한 회귀 분석(응답 벡터를 특성 공간에 투영), 추천 시스템 및 차원 축소에 사용되어 데이터 과학에서 가장 널리 사용되는 연산 중 하나입니다.