向量投影计算器

欢迎使用向量投影计算器，这是一个强大的线性代数工具，可计算一个向量在另一个向量上的投影，并提供分步公式解析、交互式几何可视化和正交分解。无论您是在学习线性代数、解决物理问题，还是在机器学习中分析数据，此计算器都能让向量投影变得直观易懂。

什么是向量投影？

向量投影是线性代数中的一项基本运算，用于确定一个向量在另一个向量方向上的分量大小。给定向量 a 和 b，a 在 b 上的投影会产生一个沿 b 方向的新向量，代表 a 在由 b 定义的直线上的“阴影”。

有两个相关的概念：

• 标量投影（分量）：一个表示投影在 b 方向上有符号长度的单一数字。
• 向量投影：一个沿 b 方向的向量，其大小等于标量投影。

向量投影公式

标量投影公式

正交分解

任何向量 a 都可以相对于 b 分解为两个相互垂直的分量：

其中 \(\vec{a}_{\perp} = \vec{a} - \text{proj}_{\vec{b}} \vec{a}\) 是 a 垂直于 b 的分量（也称为向量拒斥）。

如何使用此计算器

1. 选择维度： 使用切换按钮选择 2D 或 3D 向量。
2. 输入向量： 输入向量 a（被投影的向量）和向量 b（投影方向）的分量。
3. 计算： 点击“计算投影”查看完整结果，包括向量投影、标量投影、正交分量、向量夹角以及分步解法。
4. 探索可视化： 查看显示所有向量及其几何关系的交互式图表。

理解您的结果

• 向量投影： 沿 b 方向的投影向量。
• 标量投影： 投影的有符号长度（如果夹角 < 90° 则为正，如果夹角 > 90° 则为负）。
• 正交分量： a 中垂直于 b 的部分。
• 向量夹角： 以度数和弧度表示的夹角 θ。
• 投影系数 (a·b/b·b)： 应用于 b 以获得投影向量的乘数。

向量投影的应用

特殊情况

• 平行向量 (θ = 0°): a 在 b 上的投影等于 a 本身（按模长比例缩放）。
• 反平行向量 (θ = 180°): 投影指向 b 的相反方向。
• 垂直向量 (θ = 90°): 投影为零向量 —— a 在 b 方向上没有分量。
• 标量投影 = 0: 向量相互正交。
• 负标量投影: 向量之间的夹角超过 90°。

常见问题解答

什么是向量投影？

向量 a 在 b 上的投影是 a 在 b 方向上的分量。计算公式为 proj_b(a) = (a·b / b·b) × b。结果是一个与 b 方向相同（或相反）的向量，代表 a 有多少分量位于 b 之上。

标量投影和向量投影有什么区别？

标量投影给出一个表示投影沿 b 方向有符号长度的数字，计算公式为 comp_b(a) = a·b / |b|。向量投影给出一个同时具有大小和方向的向量结果，计算公式为 proj_b(a) = (a·b / b·b) × b。标量投影是向量投影的大小（带符号）。

什么是正交分量（向量拒斥）？

正交分量（也称为向量拒斥）是向量 a 中垂直于向量 b 的部分。计算公式为 a_⊥ = a − proj_b(a)。投影和正交分量共同将 a 分解为两个垂直分量，其总和等于原始向量。

标量投影可以是负数吗？

是的。负标量投影意味着两个向量之间的夹角大于 90°，因此向量 a 有一个指向 b 相反方向的分量。标量投影的绝对值仍然代表投影阴影的长度。

为什么向量投影在机器学习中很重要？

向量投影是主成分分析 (PCA) 等技术的基础，PCA 将高维数据投影到最大方差的方向上。它还用于回归（将响应向量投影到特征空间）、推荐系统和降维，是数据科学中最广泛使用的操作之一。

额外资源

• 向量投影 - 维基百科
• 点积 - 维基百科