一、向量的基本知识
1、向量表示和模长
- 带着箭头的线段就是向量,箭头的方向表示向量的方向,线段的长度表示向量的大小。相应的没有方向的量称为数量,也称为标量
- 向量是表示
大小
和方向
的量,它并没有规定起点和终点,所以相同的向量可以画在任意位置上,注意:向量未必都是真的,也存在曲线向量 - 向量的大小称为向量的模,它是一个标量,在平面直角坐标系中,
向量模长
表示为: ∣ a ∣ = x 1 2 + x 2 2 |a| =\sqrt{x1^2 + x2^2} ∣a∣=x12+x22,a的模长也称为a的二范数,这里的|a|可不是绝对值,这是在数学中符号重用
2、维度和分量
- 空间的每一个维度都可以代表任意事物,这完全取决于你对每一个维度的定义,多维空间只是个概念
- n维空间表示方式: R n \reals{^n} Rn,上标n表示空间的维度
- 向量在某一个维度上的值称为向量在该维度上的
分量
,比如 R 3 \Reals^{3} R3空间的向量 a = ⟨ 3 , 5 , 8 ⟩ a=\langle3,5,8\rangle a=⟨3,5,8⟩,a在三个维度的分量分别是3、5、8
3、单位向量和零向量
-
零向量定义
:所有分量都为0的向量。
由于零向量是被压缩成一个点,所以零向量没有方向,原点就是典型的零向量。
零向量用大写字母 O \Omicron O表示,也可发直接用数字0表示:
O = [ 0 0 ] , O ∈ R 2 \Omicron = \begin{bmatrix} 0 \\ 0 \end{bmatrix} ,\Omicron\in\Reals^{2} O=[00],O∈R2O = [ 0 0 0 ] , O ∈ R 3 \Omicron = \begin{bmatrix} 0 \\ 0 \\ 0 \end{bmatrix} ,\Omicron\in\Reals^{3} O=⎣⎡000⎦⎤,O∈R3
-
单位向量定义
:模长等于1的向量。
由于单位向量可以指向任何方向,所以单位向量有无数个,但是指向某一个特定方向的单位向量只有一个 -
一个非零向量除以它的模,可以得到单位向量N
: N = a ∣ a ∣ \Nu = \dfrac{a}{|a|} N=∣a∣a
二、向量的加减和数乘
1、向量加法
- 只有相同维度的向量才能相加,两个向量相加时,只需要把这两个向量对应的分量依次相加,从而得到一个新的向量:
a = [ − 1 2 ] , b = [ 3 1 ] , a + b = [ − 1 + 3 2 + 1 ] = [ 2 3 ] a=\begin{bmatrix}-1 \\ 2 \end{bmatrix}, b=\begin{bmatrix}3 \\ 1 \end{bmatrix},a+b=\begin{bmatrix}-1+3\\ 2+1 \end{bmatrix}=\begin{bmatrix}2 \\ 3 \end{bmatrix} a=[−12],b=[31],a+b=[−1+32+1]=[23]
向量相加几何意义:a和b向量组成了平行四边形的两条边,相加的结果正是平行四边形的对角线
2、向量数乘
- 一个向量可以和一个标量相乘,只需要把向量中的每个分量都与该标量相乘即可:
ν = [ 1 2 ] , ν × 2 = [ 2 4 ] , ν × ( − 2 ) = [ − 2 − 4 ] \nu=\begin{bmatrix}1 \\ 2 \end{bmatrix},\nu \times 2 = \begin{bmatrix}2 \\ 4\end{bmatrix}, \nu\times(-2)=\begin{bmatrix}-2\\-4\end{bmatrix} ν=[12],ν×2=[24],ν×(−2)=[−2−4] - 向量的数乘其实是对原向量的伸缩,如果是乘以正数,方向与原向量相同;如果乘以负数,方向与原向量相反
3、向量减法
向量的减法实际上是由向量加法和数乘推导而来的
a = [ 2 3 ] , b = [ − 1 2 ] , a − b = a + ( − 1 ) × b = [ 3 1 ] a=\begin{bmatrix}2 \\ 3\end{bmatrix},b=\begin{bmatrix}-1\\2\end{bmatrix},a-b=a+(-1)\times b=\begin{bmatrix}3\\1\end{bmatrix} a=[23],b=[−12],a−b=a+(−1)×b=[31]- a − b a-b a−b相当于先将b调头,再与a相加,即 a + ( − b ) a+(-b) a+(−b)
4、向量与方程组
- 一个方程组可以看作是
向量加减和数乘
的综合应用,比如:
{ 3 x + 2 y = 7 − 6 x + 6 y = 6 ⇒ [ 3 − 6 ] ⏟ a x + [ 2 6 ] ⏟ b y = [ 7 6 ] ⏟ c ⇒ a x + b y = c \begin{cases}3x+2y=7 \\ -6x+6y=6\end{cases}\rArr\underbrace{\begin{bmatrix}3\\-6\end{bmatrix}}_{\text{a}}x+\underbrace{\begin{bmatrix}2\\6\end{bmatrix}}_{\text{b}}y=\underbrace{\begin{bmatrix}7\\6\end{bmatrix}}_{\text{c}}\rArr ax+by=c {3x+2y=7−6x+6y=6⇒a [3−6]x+b [26]y=c [76]⇒ax+by=c
{ x = 1 y = 2 ⇒ a + 2 b = c \begin{cases}x=1 \\ y = 2\end{cases}\rArr a+2b=c {x=1y=2⇒a+2b=c
三、向量的点积
向量点积的别名是数量积或内积,其定义:点积是接收在实数 R \Reals R上的两个向量并返回一个实数值标量的二元运算,它欧几里得空间的标准内积
1、什么是点积
- 首先要明确的是:
向量的点积是标量,是一个数
- 点积的代数意义:
如果
A \Alpha A和
B \Beta B都是n维向量,它们的点积就是二者分量的乘积之和
如 果 : A = ⟨ a 1 , a 2 , . . . , a n ⟩ , B = ⟨ b 1 , b 2 , . . . , b n ⟩ 如果:\Alpha=\langle a_1,a_2,...,a_n \rangle,\Beta=\langle b_1,b_2,...,b_n \rangle 如果:A=⟨a1,a2,...,an⟩,B=⟨b1,b2,...,bn⟩
那 么 : A ⋅ B = ∑ i = 1 n a i b i 那么:\Alpha \cdot \Beta=\displaystyle\sum_{i=1}^na_ib_i 那么:A⋅B=i=1∑naibi - 点积的几何意义:
以
A \Alpha A和
B \Beta B的模乘以二者的夹角余弦
如 果 : A = ⟨ a 1 , a 2 ⟩ , B = ⟨ b 1 , b 2 ⟩ 如果:\Alpha=\langle a_1,a_2 \rangle,\Beta=\langle b_1,b_2 \rangle 如果:A=⟨a1,a2⟩,B=⟨b1,b2⟩
那 么 : A ⋅ B = a 1 b 1 + a 2 b 2 = ∣ A ∣ ∣ B ∣ cos θ 那么:\Alpha \cdot \Beta=a_1b_1 + a_2b_2=|\Alpha||\Beta|\cos\theta 那么:A⋅B=a1b1+a2b2=∣A∣∣B∣cosθ
2、余弦定理
- 点积为什么能和夹角扯上关系呢,余弦定理定义已知三角形的两边和夹角,就可以知道第3边的长度: ∣ C ∣ 2 = ∣ A ∣ 2 + ∣ B ∣ 2 − 2 ∣ A ∣ ∣ B ∣ cos θ |\cnums|^2=|\Alpha|^2+|\Beta|^2-2|\Alpha||\Beta|\cos\theta ∣C∣2=∣A∣2+∣B∣2−2∣A∣∣B∣cosθ
- 用向量和点积表达余弦定理:
如 果 : A = ⟨ a 1 , a 2 ⟩ , B = ⟨ b 1 , b 2 ⟩ 如果:\Alpha = \langle a_1,a_2 \rangle, \Beta = \langle b_1,b_2 \rangle 如果:A=⟨a1,a2⟩,B=⟨b1,b2⟩
那 么 : A ⋅ B = a 1 b 1 + a 2 b 2 那么:\Alpha \cdot \Beta=a_1b_1+a_2b_2 那么:A⋅B=a1b1+a2b2
根据向量减法的几何意义:
C = A − B ∣ C ∣ 2 = ∣ A − B ∣ 2 = ( a 1 − b 1 ) 2 + ( a 2 − b 2 ) 2 = ( a 1 2 + a 2 2 ) ⏟ ∣ A ∣ 2 + ( b 1 2 + b 2 2 ) ⏟ ∣ B ∣ 2 − 2 ( a 1 b 1 + a 2 b 2 ) ⏟ A B = ∣ A ∣ 2 + ∣ B ∣ 2 − 2 A B \large C=\Alpha-\Beta \\ |\large C|^{2}=|\Alpha-\Beta|^{2}=(a_1-b_1)^{2}+(a_2-b_2)^{2} \\ =\underbrace{(a_1^{2}+a_2^{2})}_{|\Alpha|^{2}}+\underbrace{(b_1^{2}+b_2^{2})}_{|\Beta|^{2}}-2\underbrace{(a_1b_1+a_2b_2)}_{\Alpha\Beta} \\ =|\Alpha|^{2}+|\Beta|^{2}-2\Alpha\Beta C=A−B∣C∣2=∣A−B∣2=(a1−b1)2+(a2−b2)2=∣A∣2 (a12+a22)+∣B∣2 (b12+b22)−2AB (a1b1+a2b2)=∣A∣2+∣B∣2−2AB
注意:
C = A + ( − 1 ) B \large C=\Alpha+(-1)\Beta C=A+(−1)B
结合余弦定理:
∣ ∣ C ∣ 2 = ∣ A ∣ 2 + ∣ B ∣ 2 − 2 A B = ∣ A ∣ 2 + ∣ B ∣ 2 − 2 ∣ A ∣ ∣ B ∣ cos θ ⏟ 余弦定理 ⇒ A ⋅ B = ∣ A ∣ ∣ B ∣ cos θ |\large |C|^{2}=|\Alpha|^{2}+|\Beta|^{2}-2\Alpha\Beta=\underbrace{|\Alpha|^{2}+|\Beta|^{2}-2|\Alpha||\Beta|\cos\theta}_{\text{余弦定理}} \\ \rArr \Alpha\cdot\Beta=|\Alpha||\Beta|\cos\theta ∣∣C∣2=∣A∣2+∣B∣2−2AB=余弦定理 ∣A∣2+∣B∣2−2∣A∣∣B∣cosθ⇒A⋅B=∣A∣∣B∣cosθ
因此结论:两个向量点积的几何意义是它们的模乘以它们的夹角余弦
四、点积的作用
1、计算向量间的夹角
可以利用点积计算向量之间的夹角(三维向量)
P
Q
=
[
0
1
0
]
−
[
1
0
0
]
=
[
−
1
1
0
]
,
P
R
=
[
0
0
2
]
−
[
1
0
0
]
=
[
−
1
0
2
]
PQ=\begin{bmatrix} 0\\1\\0\end{bmatrix}-\begin{bmatrix}1\\0\\0\end{bmatrix}=\begin{bmatrix}-1\\1\\0\end{bmatrix},PR=\begin{bmatrix} 0\\0\\2\end{bmatrix}-\begin{bmatrix}1\\0\\0\end{bmatrix}=\begin{bmatrix}-1\\0\\2\end{bmatrix}
PQ=⎣⎡010⎦⎤−⎣⎡100⎦⎤=⎣⎡−110⎦⎤,PR=⎣⎡002⎦⎤−⎣⎡100⎦⎤=⎣⎡−102⎦⎤
P
Q
⋅
P
R
=
∣
P
Q
∣
∣
P
R
∣
cos
θ
⇒
cos
θ
=
P
Q
⋅
P
R
∣
P
Q
∣
∣
P
R
∣
=
−
1
∗
(
−
1
)
+
1
∗
0
+
0
∗
2
(
−
1
)
2
+
1
2
+
0
2
∗
(
−
1
)
2
+
0
2
+
2
2
=
1
10
⇒
θ
=
cos
−
1
(
1
10
)
≈
71.5
°
PQ\cdot PR=|PQ||PR|\cos\theta\rArr \cos\theta=\dfrac{PQ\cdot PR}{|PQ||PR|} \\ =\dfrac{-1*(-1)+1*0+0*2}{\sqrt{(-1)^{2}+1^{2}+0^{2}}*\sqrt{(-1)^{2}+0^{2}+2^{2}}}=\dfrac{1}{\sqrt{10}} \\ \rArr\theta=\cos^{-1}(\dfrac{1}{\sqrt{10}})\approx71.5\degree
PQ⋅PR=∣PQ∣∣PR∣cosθ⇒cosθ=∣PQ∣∣PR∣PQ⋅PR=(−1)2+12+02∗(−1)2+02+22−1∗(−1)+1∗0+0∗2=101⇒θ=cos−1(101)≈71.5°
2、判断向量的方向
- 点积是一个数量;它可能小于0,实际上,只有当夹角小于 90 ° 90\degree 90°时,点积才是正的
- 设
θ
\theta
θ是向量
A
\Alpha
A和
B
\Beta
B之间的夹角,则:
i f θ < 90 ° , t h e n A ⋅ B > 0 i f θ > 90 ° , t h e n A ⋅ B < 0 i f θ = 90 ° , t h e n A ⋅ B = 0 \begin{matrix}if & \theta<90\degree, & then & \Alpha\cdot\Beta>0 \\ if & \theta>90\degree, & then & \Alpha\cdot\Beta<0 \\ if & \theta=90\degree, & then & \Alpha\cdot\Beta=0 \end{matrix} ifififθ<90°,θ>90°,θ=90°,thenthenthenA⋅B>0A⋅B<0A⋅B=0
总结:
1、当两个向量的点积大于0,即夹角小于$90\degree$时,我们认为这两个向量的方向大致相同;
2、当两个向量的点积小于0,即夹角大于$90\degree$时,我们认为这两个向量的方向大致相反;
3、当两个向量的点积等于0,即夹角等于$90\degree$时,我们认为这个向量二者垂直
点积是度量两个向量相对方向的数字