| 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。 |