网站首页 > 博客文章 正文
来看这道题。
四边形 abcd 是边长为 4 的正方形,它是一个正方形,然后 de 等于四分之一 dc,也就说明点 e 是 dc 的四等分点,f 为 bc 的中点,最终求 ea 向量与 ef 向量的数量积。
看到这立马就可以想到,因为它是一个特殊的平面图形即正方形,所以想到给它建系利用坐标化来完成向量数量积的运算问题。这里边直接可以写出相应点的坐标,点 a 的坐标是(0,0),点 e 的坐标横坐标是 1,纵坐标是 4,点 f 的横坐标由于边长是 4,所以横坐标是 4,由于 f 是 bc 的中点,所以纵坐标是 2。3 个点的坐标很容易就能写出来。
接下来写出对应的向量的坐标,ea 向量就等于横坐标减横坐标,纵坐标减去纵坐标,所以坐标是(-1,-4)。同时 ef 向量的坐标也可以写出来,就是(4-1,2-4),即(3,-2)。所以这两个向量的数量积就可以算出来,等于横坐标乘以横坐标加上纵坐标乘以纵坐标,-4 乘-2 就是 8,加起来就是 5。所以 ea 向量与 ef 向量的数量积就是 5。
这个题就说完了,所以一定要有遇到特殊平面图形的时候,在进行向量运算时,一定要有坐标化的意识。
猜你喜欢
- 2024-10-20 向量运算在机器学习中有多重要(向量运算的基本法则)
- 2024-10-20 向量化代码实践与思考:如何借助向量化技术给代码提速
- 2024-10-20 抖音大规模实践,火山引擎向量数据库是这样炼成的
- 2024-10-20 高中到大学的必修内容——向量(高中向量知识点归纳总结(经典))
- 2024-10-20 向量数量积的范化恒等式及其应用(向量中的积化恒等式)
- 2024-10-20 AI产品经理需要了解的数据知识:余弦相似度
- 2024-10-20 AI大神吴恩达老师深度学习最详细笔记之20—向量化logist梯度下降
- 2024-10-20 AI大神吴恩达老师深度学习最详细笔记之19—向量化logistic回归
- 2024-10-20 那些基于向量匹配的 AI 应用,同样的技术,为何效果千差万别呢?
- 2024-10-20 每次都需要解释大量指令?使用 PolarDB-X 向量化引擎
你 发表评论:
欢迎- 最近发表
- 标签列表
-
- powershellfor (55)
- messagesource (56)
- aspose.pdf破解版 (56)
- promise.race (63)
- 2019cad序列号和密钥激活码 (62)
- window.performance (66)
- qt删除文件夹 (72)
- mysqlcaching_sha2_password (64)
- ubuntu升级gcc (58)
- nacos启动失败 (64)
- ssh-add (70)
- jwt漏洞 (58)
- macos14下载 (58)
- yarnnode (62)
- abstractqueuedsynchronizer (64)
- source~/.bashrc没有那个文件或目录 (65)
- springboot整合activiti工作流 (70)
- jmeter插件下载 (61)
- 抓包分析 (60)
- idea创建mavenweb项目 (65)
- vue回到顶部 (57)
- qcombobox样式表 (68)
- vue数组concat (56)
- tomcatundertow (58)
- pastemac (61)
本文暂时没有评论,来添加一个吧(●'◡'●)