一、向量
具有大小和方向的量称为向量,又称矢量。一般向量
p
p
p可以表示为
p
=
O
M
→
=
x
i
+
y
j
+
z
k
=
(
x
,
y
,
z
)
p =\overrightarrow {OM} = x{\bf{i}} + y{\bf{j}}+ z{\bf{k}} = (x,y,z)
p=OM=xi+yj+zk=(x,y,z)
线性代数中已经学习过有关向量的各种代数运算以及基本性质,现总结一下将其罗列如下:
设 λ ∈ R , p = ( x , y , z ) , p i = ( x i , y i , z i ) ( i = 1 , 2 , 3 ) \lambda\in R ,p = (x,y,z) , p_i = (x_i,y_i,z_i)(i = 1,2,3) λ∈R,p=(x,y,z),pi=(xi,yi,zi)(i=1,2,3), 则有
-
长度(模):
∣ p ∣ = x 2 + y 2 + z 2 \begin{vmatrix} p \end{vmatrix} = \sqrt{x^2 + y^2 + z^2} ∣∣p∣∣=x2+y2+z2
若 ∣ p ∣ ≠ 0 , 则 p / ∣ p ∣ \begin{vmatrix} p \end{vmatrix} \not= 0 , 则{p}/\lvert p \lvert ∣∣p∣∣=0,则p/∣p∣是与p同向的单位方向向量.
-
数乘:
λ p = ( λ x , λ y , λ z ) . \lambda p = (\lambda x , \lambda y ,\lambda z). λp=(λx,λy,λz). -
和
p 1 + p 2 = ( x 1 + x 2 , y 1 + y 2 , z 1 + z 2 ) . p_1 + p_2 = (x_1 + x_2 , y_ 1 + y_2 , z_1 + z_2). p1+p2=(x1+x2,y1+y2,z1+z2). -
数量积(内积)
p 1 ⋅ p 2 = ( p 1 , p 2 ) = x 1 x 2 + y 1 y 2 + z 1 z 2 . p_1 \cdot p_2 = (p_1 , p_2) = x_1x_2 + y_1y_2 + z_1z_2. p1⋅p2=(p1,p2)=x1x2+y1y2+z1z2. -
夹角:若记 p 1 与 p 2 p_1 与 p_2 p1与p2 之间的夹角为 θ ∈ [ 0 , π ] \theta \in [0,\pi] θ∈[0,π] ,则
c o s ( θ ) = p 1 ⋅ p 2 ∣ p 1 ∣ ⋅ ∣ p 2 ∣ cos(\theta) = \frac{p_1 \cdot p_2}{{\mid p_1\mid }\cdot {\mid p_2\mid }} cos(θ)=∣p1∣⋅∣p2∣p1⋅p2
p 1 ⊥ p 2 p_1 \perp p_2 p1⊥p2的充要条件为 c o s ( θ ) = 0 , 即 p 1 ⋅ p 2 = 0. cos(\theta) = 0,即p_1 \cdot p_2 = 0. cos(θ)=0,即p1⋅p2=0. -
向量积(外积)
p 1 × p 2 = ( ∣ y 1 z 1 y 2 z 2 ∣ , ∣ z 1 x 1 z 2 x 2 ∣ , ∣ x 1 y 1 x 2 y 2 ∣ ) p_1 \times p_2 = \begin{pmatrix} {\begin{vmatrix} y_1 & z_1 \\ y_2 & z_2 \\ \end{vmatrix}} , & {\begin{vmatrix} z_1 & x_1 \\ z_2 & x_2 \\ \end{vmatrix}} , & {\begin{vmatrix} x_1 & y_1 \\ x_2 & y_2 \\ \end{vmatrix}}\\ \end{pmatrix} p1×p2=(∣∣∣∣y1y2z1z2∣∣∣∣,∣∣∣∣z1z2x1x2∣∣∣∣,∣∣∣∣x1x2y1y2∣∣∣∣)
p 1 × p 2 p_1 \times p_2 p1×p2是一个与 p 1 , p 2 p_1,p_2 p1,p2都垂直的向量,并且按照 p 1 , p 2 , p 1 × p 2 p_1,p_2,p_1 \times p_2 p1,p2,p1×p2满足右手法则。其长度为
p 1 × p 2 = ∣ p 1 ∣ ⋅ ∣ p 2 ∣ c o s ( θ ) p_1 \times p_2 = {\mid p_1\mid }\cdot {\mid p_2\mid }cos(\theta) p1×p2=∣p1∣⋅∣p2∣cos(θ)
其中, θ \theta θ为 p 1 和 p 2 p_1和p_2 p1和p2之间的夹角。向量积的几何意义为: ∣ p 1 × p 2 ∣ {\mid p_1\times p_2\mid } ∣p1×p2∣表示以 p 1 和 p 2 p_1和p_2 p1和p2为邻边的平行四边形的面积。 -
混合积(纯量积)
( p 1 , p 2 , p 3 ) = ( p 1 × p 2 ) ⋅ p 3 = ∣ x 1 y 1 z 1 x 2 y 2 z 2 x 3 y 3 z 3 ∣ . (p_1,p_2, p_3) = (p_1\times p_2)\cdot p_3 = \begin{vmatrix} x_1 & y_1 & z_1 \\ x_2 & y_2 & z_2 \\ x_3 & y_3 & z_3 \\ \end{vmatrix}. (p1,p2,p3)=(p1×p2)⋅p3=∣∣∣∣∣∣x1x2x3y1y2y3z1z2z3∣∣∣∣∣∣.
若以 p 1 , p 2 , p 3 p_1,p_2,p_3 p1,p2,p3为邻边做空间中的一个六面体,则其体积为
V
=
∣
p
1
×
p
2
∣
∣
p
3
∣
c
o
s
(
θ
)
,
V = {\mid p_1\times p_2\mid }{\mid p_3\mid }cos(\theta) ,
V=∣p1×p2∣∣p3∣cos(θ),
其中,
θ
为
p
3
和
p
1
×
p
2
\theta 为p_3和 p_1\times p_2
θ为p3和p1×p2 之间的夹角 。则混合积的几何意义为:如果
p
1
,
p
2
,
p
3
p_1,p_2,p_3
p1,p2,p3符合右手法则,则
(
p
1
,
p
2
,
p
3
)
=
V
(p_1,p_2, p_3) = V
(p1,p2,p3)=V ,否则
(
p
1
,
p
2
,
p
3
)
=
−
V
(p_1,p_2, p_3) = -V
(p1,p2,p3)=−V.
注:
(
p
1
,
p
2
,
p
3
)
=
0
(p_1,p_2, p_3) = 0
(p1,p2,p3)=0 ,意味着
p
1
,
p
2
,
p
3
p_1,p_2,p_3
p1,p2,p3共面。
二、向量函数