在线词典

向量公式全部总结

更新日期:2026-11-12 19:24:01

标题向量公式全部总结
内容

向量是数学中非常重要的一个概念,广泛应用于物理、工程、计算机图形学等领域。为了方便学习和查阅,本文对向量的基本概念、运算规则以及常用公式进行了系统性总结,并通过表格形式进行清晰展示。

一、向量的基本概念

概念 定义
向量 既有大小又有方向的量,通常用箭头表示,如 $\vec{a}$ 或 $\mathbf{a}$
向量的模 向量的长度,记作 $\vec{a}$ 或 $\\mathbf{a}\$
零向量 所有分量都为0的向量,记作 $\vec{0}$ 或 $\mathbf{0}$
单位向量 模为1的向量,记作 $\hat{a}$ 或 $\mathbf{\hat{a}}$

二、向量的加减法

运算 公式 说明
向量加法 $\vec{a} + \vec{b} = (a_1 + b_1, a_2 + b_2, ..., a_n + b_n)$ 对应分量相加
向量减法 $\vec{a} - \vec{b} = (a_1 - b_1, a_2 - b_2, ..., a_n - b_n)$ 对应分量相减
向量加法交换律 $\vec{a} + \vec{b} = \vec{b} + \vec{a}$ 加法顺序不影响结果
向量加法结合律 $(\vec{a} + \vec{b}) + \vec{c} = \vec{a} + (\vec{b} + \vec{c})$ 加法顺序不影响结果

三、向量的数乘

运算 公式 说明
数乘 $k\vec{a} = (ka_1, ka_2, ..., ka_n)$ 向量与标量相乘,方向不变或反向(取决于 $k$ 的正负)
数乘分配律 $k(\vec{a} + \vec{b}) = k\vec{a} + k\vec{b}$ 标量与向量加法的分配关系
数乘结合律 $(kl)\vec{a} = k(l\vec{a})$ 标量乘法的结合关系

四、向量的点积(内积)

公式 说明
点积定义 $\vec{a} \cdot \vec{b} = a_1b_1 + a_2b_2 + ... + a_nb_n$
点积几何意义 $\vec{a} \cdot \vec{b} = \vec{a}\vec{b}\cos\theta$,其中 $\theta$ 是两向量夹角
点积性质 $\vec{a} \cdot \vec{b} = \vec{b} \cdot \vec{a}$(交换律)
点积性质 $\vec{a} \cdot (\vec{b} + \vec{c}) = \vec{a} \cdot \vec{b} + \vec{a} \cdot \vec{c}$(分配律)

五、向量的叉积(外积)

公式 说明
叉积定义(三维空间) $\vec{a} \times \vec{b} = \begin{vmatrix} \mathbf{i} & \mathbf{j} & \mathbf{k} \\ a_1 & a_2 & a_3 \\ b_1 & b_2 & b_3 \end{vmatrix}$
叉积模长 $\vec{a} \times \vec{b} = \vec{a}\vec{b}\sin\theta$,$\theta$ 为两向量夹角
叉积方向 垂直于 $\vec{a}$ 和 $\vec{b}$ 所在平面,符合右手定则
叉积性质 $\vec{a} \times \vec{b} = -(\vec{b} \times \vec{a})$(反对称性)
叉积性质 $\vec{a} \times (\vec{b} + \vec{c}) = \vec{a} \times \vec{b} + \vec{a} \times \vec{c}$(分配律)

六、向量的投影

公式 说明
向量 $\vec{a}$ 在 $\vec{b}$ 上的投影 $\text{proj}_{\vec{b}} \vec{a} = \frac{\vec{a} \cdot \vec{b}}{\vec{b}^2} \vec{b}$
投影长度 $\text{proj}_{\vec{b}} \vec{a} = \frac{\vec{a} \cdot \vec{b}}{\vec{b}}$

七、向量的单位化

公式 说明
单位向量 $\hat{a} = \frac{\vec{a}}{\vec{a}}$,适用于非零向量
单位化作用 将向量标准化,仅保留方向信息

八、向量的线性组合与线性相关

概念 定义
线性组合 $\vec{v} = k_1\vec{a}_1 + k_2\vec{a}_2 + ... + k_n\vec{a}_n$
线性相关 若存在不全为零的系数 $k_i$ 使得 $\sum k_i\vec{a}_i = \vec{0}$,则称这些向量线性相关
线性无关 若只有所有 $k_i = 0$ 时才满足 $\sum k_i\vec{a}_i = \vec{0}$,则称这些向量线性无关

九、向量空间与基底

概念 定义
向量空间 由一组向量构成的集合,满足加法和数乘封闭性
基底 能够线性表示该空间中所有向量的一组线性无关向量
维数 向量空间中基底所含向量的个数

十、常用向量公式汇总表

类型 公式 说明
向量加法 $\vec{a} + \vec{b} = (a_1 + b_1, a_2 + b_2, ..., a_n + b_n)$ 分量对应相加
向量减法 $\vec{a} - \vec{b} = (a_1 - b_1, a_2 - b_2, ..., a_n - b_n)$ 分量对应相减
数乘 $k\vec{a} = (ka_1, ka_2, ..., ka_n)$ 标量乘以向量
点积 $\vec{a} \cdot \vec{b} = a_1b_1 + a_2b_2 + ... + a_nb_n$ 对应分量乘积之和
叉积 $\vec{a} \times \vec{b} = \begin{vmatrix} \mathbf{i} & \mathbf{j} & \mathbf{k} \\ a_1 & a_2 & a_3 \\ b_1 & b_2 & b_3 \end{vmatrix}$ 三维空间中的向量积
投影 $\text{proj}_{\vec{b}} \vec{a} = \frac{\vec{a} \cdot \vec{b}}{\vec{b}^2} \vec{b}$ 向量在另一向量上的投影
单位化 $\hat{a} = \frac{\vec{a}}{\vec{a}}$ 将向量归一化

通过以上总结,可以清晰地了解向量的各种基本运算及其应用方法。掌握这些公式不仅有助于解决实际问题,也为进一步学习高等数学、物理学和工程学科打下坚实基础。

随便看