免费向量投影计算器

理解向量投影

一个向量到另一个向量上的正交投影揭示了第一个向量在第二个向量的方向上有多少贡献。想象空间中不在同一直线上的两个向量 a 和 b。当光从上方斜射时，a 沿 b 方向形成的影子正是正交投影（通常记作 proj）。这种直观的“阴影”解释正是为什么这个操作常被称为 向量a在向量b上的投影。

向量投影公式

计算投影的数学表达式使用点积：

$$\operatorname{proj}_{\mathbf{b}} \mathbf{a} = \frac{\mathbf{a} \cdot \mathbf{b}}{\mathbf{b} \cdot \mathbf{b}} \,\mathbf{b}$$

这里，$\mathbf{a} \cdot \mathbf{b}$ 是两个向量的点积（也称为标量积）。分母 $\mathbf{b} \cdot \mathbf{b}$ 等于 $\|\mathbf{b}\|^2$，即 b 的长度的平方。结果是一个在 b 方向上的向量，其大小是 a 在 b 上的 标量投影（或分量）。

标量投影本身由以下公式给出：

$$\operatorname{comp}_{\mathbf{b}} \mathbf{a} = \frac{\mathbf{a} \cdot \mathbf{b}}{\|\mathbf{b}\|}$$

因此，向量投影等于标量投影乘以 b 方向上的单位向量。由于该公式依赖于点积（可以通过专用的点积计算器计算），因此相同的表达式适用于任何维度的向量，尽管实际使用中通常涉及两个或三个分量。

公式推导

要理解公式的来源，将 a 分解为两个正交部分：一个平行于 b（投影）和一个垂直于 b（拒绝）。因为投影平行于 b，它可以写为 $C\,\mathbf{b}$，其中 $C$ 是某个标量。拒绝向量 ort 满足 $\mathbf{a} = C\mathbf{b} + \mathbf{ort}$。两边与 b 取点积：

$$\mathbf{a}\cdot\mathbf{b} = C(\mathbf{b}\cdot\mathbf{b}) + \mathbf{ort}\cdot\mathbf{b}$$

由于 ort 与 b 正交，它们的点积为零，得到 $C = \dfrac{\mathbf{a}\cdot\mathbf{b}}{\mathbf{b}\cdot\mathbf{b}}$。代回即得向量投影公式。这个推导突出了为什么结果也称为正交投影公式，以及为什么正交投影计算器遵循同样的步骤。

使用正交投影计算器

考虑三维向量 a = [2, –3, 5] 和 b = [3, 6, –4]。使用在线向量投影计算器（或手动完成计算）得到：

• 点积: $\mathbf{a}\cdot\mathbf{b} = 2\times3 + (-3)\times6 + 5\times(-4) = -32$
• b 的范数平方: $\mathbf{b}\cdot\mathbf{b} = 3^2 + 6^2 + (-4)^2 = 61$
• 系数: $C = -32 / 61 \approx -0.5246$
• 投影向量: $C \,\mathbf{b} = \dfrac{-32}{61} [3, 6, -4] = \left[-\dfrac{96}{61}, -\dfrac{192}{61}, \dfrac{128}{61}\right] \approx [-1.5738, -3.1475, 2.0984]$

该结果与工具生成的输出一致。

特殊情况：正交向量

如果 a 和 b 垂直，它们的点积为零。将其代入投影公式得到零向量，意味着 a 在 b 方向上没有分量。例如，a = [2, 6, –3] 和 b = [6, 4, 12] 的点积为零，因此投影为 [0, 0, 0]。正交投影计算器正确返回该零结果，证实了正交向量不产生阴影的几何直观。

物理应用：斜面受力

向量投影在物理中分解力时自然出现。想象山坡上的一辆推车。重力 F = [0, –400] N 竖直向下。为了找到沿坡道拉动推车的分力，将 F 投影到平行于山坡的方向向量上。坡角 $\alpha = 45^\circ$ 时，方便的单位方向向量是 u = [cos45°, sin45°] ≈ [0.7071, 0.7071]。

因为 u 是单位向量（$\mathbf{u}\cdot\mathbf{u}=1$），投影简化为：

$$\operatorname{proj} = (\mathbf{F}\cdot\mathbf{u})\,\mathbf{u}$$

计算 $\mathbf{F}\cdot\mathbf{u} = 0\cdot0.7071 + (-400)\cdot0.7071 = -282.84$。因此，投影向量为 –282.84 u ≈ [–200, –200]。其大小 282.84 N 是必须被抵消以保持推车静止的力。坡越陡（α 越大），该值越大；坡越缓，该值越小。这个例子展示了向量投影公式如何直接转化为可测量的物理量。

在数据科学中的作用

向量投影是线性回归和主成分分析（PCA）中的关键操作。这些方法将高维数据投影到低维子空间，同时尽可能保留方差。投影提取最能代表数据的方向，使其成为许多机器学习算法的基石。无论你是在从事力学、数据分析还是线性代数，正交投影计算器（也称为向量投影计算器）提供了一种快速可靠的方式，使用向量投影公式和点积操作计算 a 在 b 上的投影。