向量基础知识及常用公式

1,398 阅读2分钟

一、向量加法

\vec{a} = \overrightarrow {AB}\vec{b} = \overrightarrow {BC},则

\vec{a} + \vec{b} = \overrightarrow {AB} + \overrightarrow {BC} = \overrightarrow {AC}

\vec{a} = (x, y), \vec{b}= (x', y'),则

\vec{a} + \vec{b} = (x + x', y + y')

其几何意义是:向量的平移

二、向量减法

\vec{a} = \overrightarrow {AB}\vec{b} = \overrightarrow {AC},则

\vec{a} - \vec{b} = \overrightarrow {AB} - \overrightarrow {AC} = \overrightarrow {CB}

\vec{a} = (x, y), \vec{b}= (x', y'),则

\vec{a} - \vec{b} = (x - x', y - y')

其几何意义和加法一致,也是向量的平移,可以看做 \vec{a} + (-\vec{b}),-\vec{b}\vec{b} 的反方向。

三、向量数乘

实数λ和向量\vec{a}的乘积, 为向量λ\vec{a}。且

|λ\vec{a}| = |λ|·|\vec{a}|
  • λ > 0, λ\vec{a}\vec{a} 同方向;

  • λ < 0, λ\vec{a}\vec{a} 反方向;

  • λ = 0,λ\vec{a}= 0 方向任意。

  • |λ| > 1,表示 \vec{a} 伸长 |λ| 倍;

  • |λ| < 1,表示 \vec{a} 压缩 |λ| 倍。

3.1 向量平行

\vec{a} 平行于 \vec{b},则

\vec{a} = λ\vec{b}

四、向量的数量积(点积、内积)

两个非零向量的夹角记为〈\vec{a}, \vec{b}〉,且〈\vec{a}, \vec{b}〉∈[0,π].

两个非零向量的数量积是一个数量(标量),记作\vec{a}·\vec{b}

\vec{a}·\vec{b}=|\vec{a}|·|\vec{b}|·cos⟨\vec{a},\vec{b}⟩

坐标运算表示为

\vec{a}·\vec{b}=x·x^′+y·y^′

其几何意义为:

  • 表征或计算两个向量之间的夹角,以及在向量\vec{b}在向量\vec{a}方向上的投影;
  • 判断这两个向量是否是同一方向,是否正交(也就是垂直)等方向关系。

4.1 两个向量的方向关系

  • \vec{a}·\vec{b} > 0 方向基本相同,夹角在 0° 到 90° 之间;
  • \vec{a}·\vec{b} = 0 正交,相互垂直
  • \vec{a}·\vec{b} < 0 方向基本相反,夹角在 90° 到 180° 之间。

4.2 向量的夹角

夹角计算公式

\cos \alpha 
= { \vec{a} \cdot \vec{b} \over{|\vec{a}| |\vec{b}| } } 
= { x_1x_2 + y_1y_2 \over \sqrt{{x_1}^2 + {y_1}^2}  \sqrt{{x_2}^2 + {y_2}^2}}

4.3 向量的投影

投影计算公式

|\vec{a}| \cos \alpha 
= { \vec{a} \cdot \vec{b} \over{|\vec{b}| } } 

|\vec{b}| \cos \alpha 
= { \vec{a} \cdot \vec{b} \over{|\vec{a}| } }

几何表示为:

image

五、向量模

\left | \vec{a}  \right | = \sqrt{x^2+y^2}

几何意义为:向量的长度

六、向量的标准化

对于单位向量 \vec{v} :

\vec{v} = ({x \over{|\vec{a} |}}, {y \over{|\vec{a} |}})

几何意义: 当只关心方向,而不关心大小时用。

七、向量的向量积(叉积、外积)

两个非零向量的向量积为一个向量,而不是一个标量。

7.1 二维几何

|\vec{a} × \vec{b}|=|\vec{a}||\vec{b}|\sin\alpha

其几何意义是:\vec{a}\vec{b} 组成的平行四边形的面积。

image

7.2 三维几何

两个向量的向量积与这两个向量组成的平面垂直,是该平面的法向量

对于向量\vec{a} 和向量\vec{b}

\vec{a} = (x1, y1, z1) \\

\vec{b} = (x2, y2, z2)

\vec{a}  \times \vec{b} =  
\begin{vmatrix}  
  \mathbf{i}& \mathbf{j}& \mathbf{k} \\  
  x_1& y_1& z_1 \\  
  x_2& y_2& z_2 \\  
\end{vmatrix} =
y_1z_2\mathbf{i} + z_1x_2\mathbf{j} + x_1y_2\mathbf{k} - y_1x_2\mathbf{k} - x_1z_2\mathbf{j} -
 z_1y_2\mathbf{i}

其中

\mathbf{i} = (1, 0, 0) \\

\mathbf{j} = (0, 1, 0) \\

\mathbf{k} = (0, 0, 1)

所以

\vec{a} × \vec{b} = (y_1z_2 - y_2z_1, -(x_1z_2 + x_2z_1), x_1y_2 - x_2y_1)

几何表示为:

图形表示

其方向是

右手系

TODO

  • 点到直线的距离
  • 点到平面的距离

参考及图片来源