Khan Academy Chapter 2 —— Vector

本文深入探讨向量的概念,包括向量的基础、等效向量、向量的分量、向量的大小、标量乘法、向量加减法的代数与几何方法。同时,讲解了单位向量、向量方向的确定以及向量的综合运算。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >


typora-copy-images-to: Khan Academy


Khan Academy


Chapter 2 —— Vectors

Vector Basis

在这里插入图片描述

  • A vector is a quantity that can be described as having both magnitude and direction

Equivalent Vectors

在这里插入图片描述

Components of vectors

在这里插入图片描述

在这里插入图片描述

Magnitude of Vectors

在这里插入图片描述

Scalar multiplication

在这里插入图片描述

在这里插入图片描述

Adding and subtracting vectors

在这里插入图片描述

Graphically Adding and subtracting vectors

在这里插入图片描述

Practice :Graphically adding and subtracting vectors

在这里插入图片描述

Adding vectors algebraically & graphically

To add the vectors (x₁,y₁) and (x₂,y₂), we add the corresponding components from each vector: (x₁+x₂,y₁+y₂). Here’s a concrete example: the sum of (2,4) and (1,5) is (2+1,4+5), which is (3,9). There’s also a nice graphical way to add vectors, and the two ways will always result in the same vector…

在这里插入图片描述

Combined vector operations

Watch Sal find new vector 3u + 1/5w when u = (2, -1) and w = (-5, 5).

在这里插入图片描述

Vector operations review

在这里插入图片描述

Unit vectors intro

Unit vectors are vectors whose magnitude is exactly 1 unit. They are very useful for different reasons. Specifically, the unit vectors [0,1] and [1,0] can form together any other vector

在这里插入图片描述

Worked example: finding unit vector with given direction

在这里插入图片描述

在这里插入图片描述

Worked example: Scaling unit vectors

Watch Sal scale up a unit vector to have a magnitude greater than 1

在这里插入图片描述

Direction of vectors from components: 1st & 2nd quadrants

Sal first finds the direction angle of a vector in the first quadrant, then moves onto a trickier one in the second quadrant

在这里插入图片描述

Direction of vectors from components: 3rd & 4th quadrants

Sal finds the direction angle of a vector in the third quadrant and a vector in the fourth quadrant

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

Vectors forms review

在这里插入图片描述

Vector components from magnitude & direction

在这里插入图片描述

practice:

在这里插入图片描述

Vector components from magnitude & direction (advanced)

在这里插入图片描述

在这里插入图片描述

Vector magnitude and direction review

在这里插入图片描述

在这里插入图片描述

变分模态分解(Variational Mode Decomposition, VMD)是一种强大的非线性、无参数信号处理技术,专门用于复杂非平稳信号的分析与分解。它由Eckart Dietz和Herbert Krim于2011年提出,主要针对传统傅立叶变换在处理非平稳信号时的不足。VMD的核心思想是将复杂信号分解为一系列模态函数(即固有模态函数,IMFs),每个IMF具有独特的频率成分和局部特性。这一过程与小波分析或经验模态分解(EMD)类似,但VMD通过变分优化框架显著提升了分解的稳定性和准确性。 在MATLAB环境中实现VMD,可以帮助我们更好地理解和应用这一技术。其核心算法主要包括以下步骤:首先进行初始化,设定模态数并为每个模态分配初始频率估计;接着采用交替最小二乘法,通过交替最小化残差平方和以及模态频率的离散时间傅立叶变换(DTFT)约束,更新每个模态函数和中心频率;最后通过迭代优化,在每次迭代中优化所有IMF的幅度和相位,直至满足停止条件(如达到预设迭代次数或残差平方和小于阈值)。 MATLAB中的VMD实现通常包括以下部分:数据预处理,如对原始信号进行归一化或去除直流偏置,以简化后续处理;定义VMD结构,设置模态数、迭代次数和约束参数等;VMD算法主体,包含初始化、交替最小二乘法和迭代优化过程;以及后处理,对分解结果进行评估和可视化,例如计算每个模态的频谱特性,绘制IMF的时频分布图。如果提供了一个包含VMD算法的压缩包文件,其中的“VMD”可能是MATLAB代码文件或完整的项目文件夹,可能包含主程序、函数库、示例数据和结果可视化脚本。通过运行这些代码,可以直观地看到VMD如何将复杂信号分解为独立模态,并理解每个模态的物理意义。 VMD在多个领域具有广泛的应用,包括信号处理(如声学、振动、生物医学信号分析)、图像处理(如图像去噪、特征提取)、金融时间序列分析(识
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值