向量运算

向量的大小是相对的,在有需要时,会规定单位向量,以其长度作为1。每个方向上都有一个单位向量。

向量之间可以如数字一样进行运算。本文介绍向量基本运算公式,常见的向量运算有:加法、减法、数与向量之间的乘法(数量积)以及向量与向量之间的乘法(向量积)。

加法与减法

向量的加法满足平行四边形法则和三角形法则。具体地,两个向量a\vec{a}b\vec{b}相加,得到的是另一个向量。这个向量可以表示为a\vec{a}b\vec{b}的起点重合后,以它们为邻边构成的平行四边形的一条对角线(以共同的起点为起点的那一条,见下图左),或者表示为将a\vec{a}的终点和b\vec{b}的起点重合后,从a\vec{a}的起点指向b\vec{b}的终点的向量:
向量运算
向量 a 加向量 b

两个向量a\vec{a}b\vec{b}的相减,则可以看成是向量a\vec{a}加上一个与b\vec{b}大小相等,方向相反的向量。又或者,a\vec{a}和$b\vec{b}的相减得到的向量可以表示为a\vec{a}b\vec{b}的起点重合后,从b\vec{b}的终点指向a\vec{a}的终点的向量:
向量运算
向量 a 减向量 b

当这两个向量数值、方向都不同,基本向量e1=(1,0,0),e2=(0,1,0),e3=(0,0,1)\vec{e}_1=(1,0,0),\vec{e}_2=(0,1,0),\vec{e}_3=(0,0,1)时,向量和计算为

a+b=(a1+b1)e1+(a2+b2)e2+(a3+b3)e3\vec{a}+\vec{b} =(a_1+b_1)\vec{e}_1 +(a_2+b_2)\vec{e}_2 +(a_3+b_3)\vec{e}_3
并且有如下的不等关系:

a+ba+bab\left |\vec{a} \right | +\left |\vec{b} \right | \ge \left |\vec{a}+\vec{b} \right | \ge \left |\vec{a} \right | – \left |\vec{b} \right |
此外,向量的加法也满足交换律和结合律。

向量与积

向量空间分为有限维向量空间与无限维向量空间。在有限维向量空间中,可以找到一组(有限个)向量e1,e2,,en\vec{e}_1, \vec{e}_2, \cdots , \vec{e}_n,使得任意一个向量v\vec{v}都可以唯一地表示成这组向量的线性组合:

v=v1e1+v2e2++vnen\vec{v} =v_1 \vec{e}_1 + v_2 \vec{e}_2 + \cdots + v_n \vec{e}_n
其中的标量v1,v2,,vnv_1, v_2, \cdots , v_n是随着向量v\vec{v}而确定的。这样的一组向量称为向量空间的基。给定了向量空间以及一组基后,每个向量就可以用一个数组来表示了。两个向量v\vec{v}w\vec{w}相同,当且仅当表示它们的数组一样。

v1=w1v2=w2 vn=wn\begin{array}{lcl} v_1 &=& w_1 \\ v_2 &=& w_2 \\ \vdots \ && \vdots \\ v_n &=& w_n \end{array}
两个向量v\vec{v}w\vec{w}的和:

v+w=(v1+w1)e1+(v2+w2)e2++(vn+wn)en\vec{v} + \vec{w} =(v_1 + w_1)\vec{e}_1 +(v_2 + w_2 ) \vec{e}_2 + \cdots +(v_n + w_n ) \vec{e}_n
它们的数量积为:

vw=v1w1+v2w2++vnwn\vec{v} \cdot \vec{w} = v_1 \cdot w_1 + v_2 \cdot w_2 + \cdots + v_n \cdot w_n
而标量k与向量v的乘积则为:

kv=(kv1)e1+(kv2)e2++(kvn)enk \cdot \vec{v} =(k \cdot v_1)\vec{e}_1 +(k \cdot v_2) \vec{e}_2 + \cdots +(k \cdot v_n) \vec{e}_n

标量乘法

一个标量k和一个向量v\vec{v}之间可以做乘法,得出的结果是另一个与v\vec{v}方向相同或相反,大小为v\vec{v}的大小的|k|倍的向量,可以记成kvk\vec{v}。该种运算被称为标量乘法或数乘。-1乘以任意向量会得到它的反向量,0乘以任何向量都会得到零向量 0\vec{0}

数量积

数量积也叫点积,它是向量与向量的乘积,其结果为一个标量(非向量)。几何上,数量积可以定义如下:

a\vec{a}b\vec{b} 为两个任意向量,它们的夹角为θ\theta ,则他们的数量积为:

ab=abcosθ{\displaystyle {\vec {a}}\cdot {\vec {b}}=\left|{\vec {a}}\right|\left|{\vec {b}}\right|\cos {\theta }}
b\vec{b} 向量在 a\vec{a} 向量方向上的投影长度(同方向为正反方向为负号),与 a\vec{a} 向量长度的乘积。

向量积

向量积也叫叉积(向量叉乘),外积,它也是向量与向量的乘积,不过需要注意的是,它的结果是个向量。它的几何意义是所得的向量与被乘向量所在平面垂直,方向由右手定则规定,大小是两个被乘向量张成的平行四边形的面积。所以向量积不满足交换律。举例来说 (1,0,0)×(0,1,0)=(0,0,1)(1,0,0)\times (0,1,0)=(0,0,1) 但是 (0,1,0)×(1,0,0)=(0,0,1)(0,1,0)\times (1,0,0)=(0,0,-1)

设有向量a=axi+ayj+azk{\displaystyle {\vec {a}}=a_{x}{\vec {i}}+a_{y}{\vec {j}}+a_{z}{\vec {k}}}b=bxi+byj+bzk{\displaystyle {\vec {b}}=b_{x}{\vec {i}}+b_{y}{\vec {j}}+b_{z}{\vec {k}}}

则其向量积的矩阵表达式可用下列符号表示:

a×b={\displaystyle {\vec {a}}\times {\vec {b}}}=
ijkaxayazbxbybz{\begin{vmatrix} {\vec {i}}&{\vec {j}}&{\vec{k}} \\ a_{x}&a_{y}&a_{z} \\ b_{x}&b_{y}&b_{z} \end{vmatrix}}

混合积

三个向量ab\vec{a}、\vec{b}c\vec{c}的混合积定义为,物理意义为三向量始于同点时所构成的体积:

a(b×c)=b(c×a)=c(a×b)\vec{a}\cdot(\vec{b}\times \vec{c})= \vec{b}\cdot(\vec{c}\times \vec{a})= \vec{c}\cdot(\vec{a}\times \vec{b})

关于向量运算的定理

向量与定比分点、中点公式
在实际应用中,向量运算时常会运用到定比分点定理。

设平面直角坐标系OxyOxy原点O(0,0)O(0,0),内有点A(x1,y1)A(x_1,y_1),点B(x2,y2)B(x_2,y_2),点P(x0,y0)P(x_0,y_0),点PP在点ABA、B之间,且

AP:PB=n\left|\overrightarrow{A P}\right|:\left|\overrightarrow{P B}\right|=n,则:
OP(x1+nx21+n,y1+ny21+n)\overrightarrow{O P}\left(\frac{x_1+nx_2}{1+n},\frac{y_1+ny_2}{1+n}\right)

特殊地,当n=1n=1
OP=(x1+x22,y1+y22)\overrightarrow{O P}=\left(\frac{x_1+x_2}{2},\frac{y_1+y_2}{2}\right)
相应的有中点PP坐标: (x1+x22,y1+y22)\left(\frac{x_1+x_2}{2},\frac{y_1+y_2}{2}\right)
实际上,上述结论可以推广到空间向量中。
设空间直角坐标系OxyzOxyz内原点为O(0,0,0)O(0,0,0),有点A(x1,y1,z1)A(x_1,y_1,z_1)B(x2,y2,z2)B(x_2,y_2,z_2)ABA、B点间有一点PP,且

AP:PB=n\left|\overrightarrow{A P}\right|:\left|\overrightarrow{P B}\right|=n
则:OP=(x1+nx21+n,y1+ny21+n,z1+nz21+n)\overrightarrow{O P}=\left(\frac{x_1+nx_2}{1+n},\frac{y_1+ny_2}{1+n},\frac{z_1+nz_2}{1+n}\right)
中点PP坐标:
(x1+x22,y1+y22,z1+z22)\left(\frac{x_1+x_2}{2},\frac{y_1+y_2}{2},\frac{z_1+z_2}{2}\right)

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程

登录

注册