技术好文共享:辅助角公式的几何意义

简介: 技术好文共享:辅助角公式的几何意义

好久没更文了,就随便写点东西吧,虽然有点水。


所谓「辅助角公式」就是中学数学里面一个平淡无奇的公式:


Acost+Bsint=√A2+B2cos(t?arctanBA)(A0)



Asint+Bcost=√A2+B2sin(t+arctanBA)(A0)


对于这个公式,我们的解释一般是「提出 √A2+B2A2+B2 \sqrt{A^2+B^2} , 凑出两角和公式」。


然而这对与几何迷来说并不能满意对吧?


现在我们就来谈谈几何意义。


如果用复数来解释倒是很容易,不过那就开挂了。


所以我打算在实数范围内就把问题说清楚。


刚才的公式里面,我为什么不把变量写成 xxx, 而是写成 ttt 呢?


这是因为,从运动的角度来看,可以更好地理解三角函数。


比如说,还有一套三角函数的基本公式叫做诱导公式。


其中有这么一条:  


sin(x+π2)=cosxsin?(x+π2)=cos?x?\sin(x+\frac{\pi}{2})=\cos{x}


刚学这个公式的时候我就想,正弦一平移就变成了余弦。


这就说明正弦和余弦的函数图像都是一样的。


也就是说,正弦和余弦本质上并没有什么区别。


当时觉得这相当匪夷所思。


后来就明白了。


如果从运动的角度来考虑,假设有一个点以 1 rad/s 沿单位圆(x2+y2=1x2+y2=1x^2+y^2=1)做圆周运动,坐标为 (cost,sint)(cos?t,sin?t) (\cos{t},\sin{t}) .


那么,正弦就是这个运动在 y 轴上的投影,余弦就是在 x 轴上的投影。


x 轴和 y 轴只不过是过原点的有向直线中的两条罢了。


过原点还有无数条有向直线。


因为圆是完美对称的,所以这些直线其实没有高低贵贱之分。


如果把这个点投影到每条直线上,


那么每一个投影,都是圆周运动的投影,都是简谐运动。


这些运动也没有高低贵贱之分。


只不过初相位不同罢了。


x 轴和 y 轴当然也不例外。


然后我们再回来看辅助角公式。


Acost+Bsint=√<span class="mjx-char MJXc-TeX-math-I" style="padding-top: 0.491em; pad

相关文章
|
算法 固态存储 计算机视觉
Focaler-IoU开源 | 高于SIoU+关注困难样本,让YOLOv5再涨1.9%,YOLOv8再涨点0.3%
Focaler-IoU开源 | 高于SIoU+关注困难样本,让YOLOv5再涨1.9%,YOLOv8再涨点0.3%
452 0
|
2月前
|
机器学习/深度学习 资源调度 搜索推荐
淘宝API用户画像生成,个性化推荐下单率提升!
在电商竞争激烈的环境下,淘宝通过API驱动的用户画像与个性化推荐系统,有效提升用户下单率。本文解析其技术原理,涵盖数据处理、推荐算法及效果量化,展现如何实现15%以上的下单率增长,助力开发者与商家优化业务策略。
123 0
|
6月前
|
SQL 人工智能 数据挖掘
quickbi使用总结以及问题反馈
本文总结了使用QuickBI高级版及电子表格的功能体验与改进建议。内容涵盖具体报表使用(如趋势分析表、多维趋势表)、函数及其他模块(如LOD函数、自助取数)、AI智能问数模块以及数据集使用的优缺点。指出趋势分析表在复合指标处理上的不足,多维趋势表对比周期限制,以及1万条明细数据限制对年同比的影响等问题。同时提出未来期望,希望建立结合企业知识库的大模型,优化数据分析与建议能力。
|
12月前
|
缓存
CORS 报错的常见原因
【10月更文挑战第6天】
|
存储 机器学习/深度学习 计算机视觉
【YOLOv8改进-卷积Conv】 OREPA(Online Convolutional Re-parameterization):在线卷积重参数化
**OREPA**是在线卷积重参数化的缩写,它提出了一种两阶段流程来减少深度模型训练的开销。该方法通过线性缩放层优化复杂训练块,并在训练完成后将其压缩为单个卷积层,降低内存使用和提高训练速度。与现有技术相比,OREPA能减少约70%的训练内存开销,提升2倍训练速度,并在ImageNet上提高最多0.6%的准确性。此外,它还在目标检测和语义分割任务中表现出色。论文和代码可在提供的链接中找到。
|
JavaScript Java 测试技术
Java项目基于ssm+vue.js图书管理系统的附带文章和源代码设计说明文档ppt
Java项目基于ssm+vue.js图书管理系统的附带文章和源代码设计说明文档ppt
180 0
|
缓存 BI
[计算机网络(第八版)]第二章 物理层(学习复习笔记)
[计算机网络(第八版)]第二章 物理层(学习复习笔记)
LabVIEW将 VI 升级到较新的版本和恢复为先前版本
LabVIEW将 VI 升级到较新的版本和恢复为先前版本
448 1
|
编解码 自然语言处理 数据挖掘
Nomic Embed:能够复现的SOTA开源嵌入模型
Nomic-embed-text是2月份刚发布的,并且是一个完全开源的英文文本嵌入模型,上下文长度为8192。它在处理短文和长文本任务方面都超越了现有的模型,如OpenAI的Ada-002和text-embedding-3-small。该模型有137M个参数在现在可以算是非常小的模型了。
988 1
|
网络协议 iOS开发 MacOS
LabVIEW在快速传输速率下丢失UDP数据包
LabVIEW在快速传输速率下丢失UDP数据包
220 0