用Python学《微积分B》（空间向量）

  Math is fun对向量（vector）及其运算讲解的非常形象易懂 ，轻松的扫完这篇文章及其相关链接，对于向量也就了然于心啦。

一、向量

1，向量的定义和性质
  1）幅度（模）- magnitutide
  2）方向（方向角）- direction
  3）方向角与方向余弦 - 向量与坐标轴的夹角称为方向角

(cosα,cosβ,cosγ)=(x|r→|,y|r→|,z|r→|)=1|r→|(x,y,z)=r→|r→|=e→

$$(cos\; \alpha, cos \; \beta, cos \; \gamma) = (\frac{x}{|\overrightarrow{r}|}, \; \frac{y}{|\overrightarrow{r}|}, \;\frac{z}{|\overrightarrow{r}|}) \;= \frac{1}{|\overrightarrow{r}|}(x,y,z)=\frac{\overrightarrow{r}}{|\overrightarrow{r}|}=\overrightarrow{e}$$


2，向量的运算
  1）向量加减 - 平行四边形（几何）和直角坐标分量（代数法）
  2）标量乘向量
注：以上内容参考math is fun - vector即可。
  3）数量积（dot product）
  “math is fun”上对点积的介绍比较形象，特别是对 $\theta$ 角的意义和为什么要乘以 $cos(\theta)$ 讲解的很生动。此外，可以参考better explained - dot product，它对“点乘”的意义进行了广泛的探究。“点乘”超越了简单的数量重复，它包含了方向旋转。
注意：两个向量“点乘”的结果是一个标量，故它又称为“数量积”
  4）向量积（cross product）
  “math is fun”没有提到向量积的模等于“两个向量所在平行四边形”的面积这层几何意义，也没有将“叉积”与行列式联系起来。这一方面可以参考wiki - Cross product和better explained - Cross Product。特别是后者，讲解的很全面，值得一看。
  5）混合积
  向量积表示面积，混合积表示体积。
总结：看完以上资料，对向量就已经有了基本的了解。特别需要注意的是：向量即可从几何图形上来理解，也可以从代数（各分量）角度来理解。此外，从极坐标的角度来看向量的运算，会更简单。
3，Python向量运算

import numpy as np
import matplotlib.pyplot as plt
# Adding vectors and Substracting vectors
a = np.array([3, 7, 4])
b = np.array([2, 9, 11])
a + b, a - b

(array([ 5, 16, 15]), array([ 1, -2, -7]))

# Magnitude of a Vector
c = np.array([6, 8])
np.linalg.norm(c)

10.0

#Multipying a Vector by a Scalar
m = np.array([7, 3])
3 * m

array([21, 9])

# Multipying vectors
a = np.array([4, 8, 10])
b = np.array([9, 2, 7])
a * b

array([36, 16, 70])

# dot product and cross product
np.dot(a, b), np.cross(a, b)

(122, array([ 36, 62, -64]))

np.sum(a * b)

122


注：数量积是两个向量相同维度的值相乘，然后累加的结果。故有， $np.sum(a * b) = np.dot(a, b)$

二、曲面及方程

1，曲面方程
  解析几何中，用“二维”的动点来表示“平面”，用“三维”的动点来表示空间曲面，如下：

F(x,y,z)=0

$$F(x, y, z) = 0$$
  例如，中心在 $(x_0, y_0, z_0)$ ，半径为 R 的球面方程为：

(x−x0)2+(y−y0)2+(z−z0