Skip to main content

遗忘的数学知识

1.欧拉公式

image-20251205212728710

​ 欧拉公式的证明可以用幂级数展开式来证明,如下:

image-20251205211042119

2.二维向量与复数的对应关系

定义

设二维向量:

image-20251205212815632

我们可以把它写成一个复数:

image-20251205212826148

实部 x 对应向量的 x 方向

虚部 y 对应向量的y方向

这样,每个二维向量就对应复平面上的一个点,或者说是一个复数。

优势

1.加法对应向量加法:

若:v1=(x1,y1),v2=(x2,y2),对应复数:z1=x1+iy1,z2=x2+iy2

复数加法:z1+z2=(x1+x2)+i(y1+y2)

恰好等于向量加法v1+v2

2.旋转对应乘以e^iθ^

​ 二维向量旋转θ弧度:

image-20251205213852146

​ 写成复数形式为:

image-20251205213903541

​ 这样旋转就变成了复数乘法,非常方便。

3.模长对应向量长度:

image-20251205213941211

3.旋转公式推导

二维矩阵逆时针旋转θ 的公式为:

image-20251205215252412

推导过程如下:

设二维向量:

image-20251205215435327

在平面旋转θ 弧度得到v′=(x′,y′)。

如果把v写成极坐标的形式:

image-20251205215524230

旋转 θ 后:

image-20251205215551322

利用三角函数加法公式

image-20251205215759614

把旋转公式写成矩阵形式为:

image-20251205215820027

4.二维向量做内积

给两个二维向量,它们的内积定义为:

image-20251205221839123

几何意义为投影×长度:

image-20251205221856943

如果把 向量 a 沿着向量 b 的方向投影,则它的大小就是a在b方向上的影子:

image-20251205222000266

再乘上b的长度:

image-20251205222104411

这可以表示a在b方向上有多少成分×b的强度

内积越大,则表示两个向量越相似:

image-20251205222158161

在self_attention的计算当中,则可以表示Query与Key的对齐程度。

5.三角函数的性质

image-20251205222906712

6.内积与外积的概念

image-20251207160626045