文章目录
一、向量
1. 向量的概念
既有大小又有方向的量称为向量(Vector),也叫矢量。
只有大小没有方向的量称为标量(Scalar)。
2. 向量的表示
通常用黑体小写字母
a
,
b
,
c
\boldsymbol{a}, \boldsymbol{b}, \boldsymbol{c}
a,b,c 或上方带有箭头的小写字母
a
⃗
,
b
⃗
,
c
⃗
\vec{a},\vec{b},\vec{c}
a,b,c 来表示向量。(带箭头的形式通常用于手写)
2.1 向量的几何表示
在几何上,通常用有向线段(带箭头的线段)来表示向量,有向线段的长度表示向量的大小,有向线段的方向表示向量的方向。
向量也可以由两个点来表示,起点为
A
A
A、终点为
B
B
B的有向线段就可以表示一个确定的向量,记作
A
B
→
\overrightarrow{AB}
AB。
2.2 向量的坐标表示
为了用代数方法研究向量,我们引入了向量的坐标,把向量和有序数组联系起来,从而将向量的运算转化为数的运算。
将向量
A
B
→
\overrightarrow{AB}
AB 对应的有向线段进行平移,使起点
A
A
A和坐标原点
O
O
O重合,此时有向线段终点
B
B
B 的坐标
(
a
1
,
a
2
,
a
3
,
.
.
.
,
a
n
)
(a_{1}, a_{2}, a_{3}, ..., a_{n})
(a1,a2,a3,...,an) 就作为 向量的坐标,为了和坐标区分,我们用
{
}
\{\}
{} 来表示向量, 记作
a
=
{
a
1
,
a
2
,
a
3
,
.
.
.
,
a
n
}
\boldsymbol{a}=\{a_{1}, a_{2}, a_{3}, ..., a_{n}\}
a={a1,a2,a3,...,an}
向量只表示方向和在这个方向上的偏移量,没有位置之分。即使有些向量在图中绘制的起点不同,但只要两个向量平移后能够重合,那这两个向量就是相等的。
在平面直角坐标系中,向量
a
\boldsymbol{a}
a 的坐标为
{
a
x
,
a
y
}
\{a_{x}, a_{y}\}
{ax,ay},含有两个元素,称为二维向量。在空间直角坐标系中,向量
a
\boldsymbol{a}
a的坐标为
{
a
x
,
a
y
,
a
z
}
\{a_{x}, a_{y}, a_{z}\}
{ax,ay,az},含有三个元素,称为三维向量。
我们对向量进行扩展,对于以包含
n
n
n个元素的有序数组
{
a
1
,
a
2
,
a
3
,
.
.
.
,
a
n
}
\{a_{1}, a_{2}, a_{3}, ..., a_{n}\}
{a1,a2,a3,...,an}来表示的向量,称其为
n
n
n 维向量。
3. 向量的模
向量的大小 (Magnitude) 也称为向量的模(Modulus)或向量的长度,记作 ∣ a ∣ \left| \boldsymbol{a} \right| ∣a∣, ∣ a ⃗ ∣ \left| \vec{a} \right| ∣a∣, ∣ A B → ∣ \left| \overrightarrow{AB} \right| ∣ ∣AB∣ ∣等。有时绝对值符号 ∣ ∣ \left| \: \right| ∣∣也用 范数(Norm) 符号 ∥ ∥ \left\| \: \right\| ∥∥代替,如 ∥ a ∥ \left\| \boldsymbol{a} \right\| ∥a∥。对于向量 A B → \overrightarrow{AB} AB来说,模 ∣ A B → ∣ \left| \overrightarrow{AB} \right| ∣ ∣AB∣ ∣就等于线段 A B AB AB的长度。
向量的长度是一个非负数。长度为1的向量称为单位向量 (Unit vector)。长度为0的称为零向量,记为 0 \boldsymbol{0} 0 或 0 → \overrightarrow{0} 0。
特别规定,零向量的方向是任意的。
通常用
i
,
j
,
k
\boldsymbol{i, j, k}
i,j,k 分别表示 坐标系
x
x
x轴、
y
y
y轴和
z
z
z轴正向的单位向量,并称其为基本单位向量。
当知道向量的坐标时,我们可以利用勾股定理来计算向量的模。
3.1 一维向量的模
一维向量对应数轴上的一个点,只有正负两个方向。比如在一条东西走向的道路上,假设以向东行驶为正向,以向西行驶为负向,此时在道路上行驶的汽车的速度即为一维向量。
对于一维向量
∣
O
A
→
∣
\left| \overrightarrow{OA} \right|
∣
∣OA∣
∣,
O
O
O 为坐标轴原点,向量的模就等于
A
A
A 点到原点的距离,即绝对值。
若一维向量在数轴上对应点的值为 a a a, 那么向量的模等于 ∣ a ∣ \left | a \right | ∣a∣。
3.2 二维向量的模
对于二维向量
{
a
x
,
a
y
}
\{a_{x}, a_{y}\}
{ax,ay},由勾股定理可得向量的模为
a
x
2
+
a
y
2
\sqrt{{a_x}^2+{a_y}^2}
ax2+ay2。
3.3 三维向量的模
对于三维向量,如下图所示,三维向量
∣
O
B
→
∣
\left| \overrightarrow{OB} \right|
∣
∣OB∣
∣的坐标表示为
{
a
x
,
a
y
,
a
z
}
\{a_{x}, a_{y}, a_{z}\}
{ax,ay,az},
B
B
B点在空间直角坐标系中的坐标为
(
a
x
,
a
y
,
a
z
)
(a_{x}, a_{y}, a_{z})
(ax,ay,az),
A
A
A点为
B
B
B点在
x
O
y
xOy
xOy平面上的投影,则可以得到
A
A
A点坐标为
(
a
x
,
a
y
,
0
)
(a_{x}, a_{y}, 0)
(ax,ay,0),由勾股定理得:
O
B
2
=
O
A
2
+
A
B
2
OB^{2}=OA^{2} + AB^{2}
OB2=OA2+AB2
在平面直角坐标系中,我们已经得到线段
O
A
OA
OA的长度等于
∣
O
A
→
∣
=
a
x
2
+
a
y
2
\left| \overrightarrow{OA} \right|=\sqrt{{a_x}^2+{a_y}^2}
∣
∣OA∣
∣=ax2+ay2,两边同时平方得
O
A
2
=
a
x
2
+
a
y
2
OA^{2}={a_x}^2+{a_y}^2
OA2=ax2+ay2 。而又有
A
B
=
a
z
AB = a_{z}
AB=az,所以
∣
O
B
→
∣
=
O
B
=
O
B
2
=
O
A
2
+
A
B
2
=
a
x
2
+
a
y
2
+
a
z
2
\left| \overrightarrow{OB} \right| =OB =\sqrt{OB^{2}}=\sqrt{OA^{2} + AB^{2}}=\sqrt{{a_x}^2+{a_y}^2+{a_z}^2}
∣
∣OB∣
∣=OB=OB2=OA2+AB2=ax2+ay2+az2
所以三维向量
{
a
x
,
a
y
,
a
z
}
\{a_{x}, a_{y}, a_{z}\}
{ax,ay,az}的模为
a
x
2
+
a
y
2
+
a
z
2
\sqrt{{a_x}^2+{a_y}^2+{a_z}^2}
ax2+ay2+az2
3.4 n 维向量的模
由一维向量,二维向量以及三维向量的模长公式,可以推断出, n n n维向量 a = { a 1 , a 2 , a 3 , . . . , a n } \boldsymbol{a} = \{a_{1}, a_{2}, a_{3}, ..., a_{n}\} a={a1,a2,a3,...,an} 的模长计算公式为: ∣ a ∣ = a 1 2 + a 2 2 + a 3 2 + . . . + a n 2 \left| \boldsymbol{a} \right| = \sqrt{{a_1}^2+{a_2}^2+{a_3}^2 + ...+{a_n}^2} ∣a∣=a12+a22+a32+...+an2
4. 向量相等
4.1 向量相等
如果向量
a
\boldsymbol{a}
a 与向量
b
\boldsymbol{b}
b 的模相等且方向相同,就称向量
a
\boldsymbol{a}
a 与向量
b
\boldsymbol{b}
b 相等,记作
a
=
b
\boldsymbol{a} = \boldsymbol{b}
a=b。
依此定义,相等的向量与其起点位置无关,如果一个向量能够在空间中通过平移变换而与另一个向量重合,那么这两个向量就是相等的。
我们把在空间中作任何平移变换都保持不变的向量称为自由向量。如果没有特别说明,一般所说的向量都是指自由向量。
4.2 相反向量
如果将两个向量平移至起点重合后,两个向量在同一条直线上,方向相反并且大小相等,那么这两个向量互为相反向量。
大小相等,方向相反的向量互为相反向量,也称为负向量。向量 a \boldsymbol{a} a 的相反向量记作 − a -\boldsymbol{a} −a 。向量 A B → \overrightarrow{AB} AB 的相反向量是 B A → \overrightarrow{BA} BA。
零向量的相反向量依然是零向量。
5. 向量之间的夹角
对于向量 a \boldsymbol{a} a 和向量 b \boldsymbol{b} b ,将两个向量平移至起始点重合,称它们所在射线的夹角 θ \theta θ 为 a \boldsymbol{a} a 与 b \boldsymbol{b} b 的夹角,记作 ( a , b ^ ) \left( \widehat{a,b} \right) (a,b ), 即有 θ = ( a , b ^ ) \theta =\left( \widehat{a,b} \right) θ=(a,b ),向量夹角的取值范围为: 0 ⩽ θ ⩽ π 0 \leqslant \theta \leqslant \pi 0⩽θ⩽π 。
5.1 平行向量(共线向量)
如果向量 a \boldsymbol{a} a 与向量 b \boldsymbol{b} b 的夹角为 0 0 0或 π \pi π(同向或反向), 就称 向量 a \boldsymbol{a} a 与 b \boldsymbol{b} b 平行,也称作 a \boldsymbol{a} a 与 b \boldsymbol{b} b 共线,记为 a / / b \boldsymbol{a} \kern +0.3em / \kern -0.8em/ \kern +0.3em\boldsymbol{b} a//b ,也可以写作 a ∥ b \boldsymbol{a} \parallel \boldsymbol{b} a∥b。
零向量与任意向量平行。
5.2 垂直向量
如果向量 a \boldsymbol{a} a 与向量 b \boldsymbol{b} b 的夹角为 π 2 \dfrac{\pi}{2} 2π,就称向量 a \boldsymbol{a} a 与向量 b \boldsymbol{b} b 垂直,记为 a ⊥ c \boldsymbol{a}\bot \boldsymbol{c} a⊥c。
零向量与任意向量垂直。
6. 向量的线性运算
6.1 向量加法
6.1.1 向量加法的平行四边形法则
对于两个不平行的向量
a
\boldsymbol{a}
a 和
b
\boldsymbol{b}
b ,将它们平移至起点重合,然后以
a
,
b
\boldsymbol{a}, \boldsymbol{b}
a,b 为邻边作平行四边形,称与
a
\boldsymbol{a}
a 和
b
\boldsymbol{b}
b 有共同起点的对角线向量
c
\boldsymbol{c}
c 为
a
\boldsymbol{a}
a 与
b
\boldsymbol{b}
b的和,记为
c
=
a
+
b
\boldsymbol{c=a+b}
c=a+b 。
此方法称为向量加法的平行四边形法则,不适用于平行向量。
6.1.2 向量加法的三角形法则
把向量
b
\boldsymbol{b}
b 平移至起点和
a
\boldsymbol{a}
a 的终点重合,使其首尾相连,则从
a
\boldsymbol{a}
a 的起点到
b
\boldsymbol{b}
b 的终点所构成的向量即为
a
+
b
\boldsymbol{a+b}
a+b。
此方法称为向量加法的三角形法则,对于平行向量仍适用。
对于多个向量相加,可以用平行四边形法则分步进行,也可以用三角形法则一步完成。可以看到对于多个向量相加,使用三角形法则较为方便,而平行四边形法则需要较多的辅助线。
6.1.3 向量加法的性质
向量加法性质 | 公式 |
---|---|
a + 0 = a \boldsymbol{a + 0 = a} a+0=a | |
交换律 | a + b = b + a \boldsymbol{a + b = b+a} a+b=b+a |
结合律 | ( a + b ) + c = a + ( b + c ) \boldsymbol{(a + b)+c = a+(b+c)} (a+b)+c=a+(b+c) |
6.1.4 向量分解
既然两个向量可以合成另一个向量,那么反过来一个向量也可以分解成另外两个向量。
根据平行四边形法则或三角形法则即可对向量进行分解,通常是分解成两个相互垂直且和坐标轴同向的向量。
6.2 向量减法
向量减法可以看做一个向量加上另一个向量的相反向量,即
a
−
b
=
a
+
(
−
b
)
\boldsymbol{a} - \boldsymbol{b} = \boldsymbol{a} + (-\boldsymbol{b} )
a−b=a+(−b)
6.3 向量数乘
向量数乘 即向量与一个实数的乘积。
实数 λ \lambda λ与向量 a \boldsymbol{a} a的 乘积(简称数乘),结果为一个向量,记为 λ a \lambda \boldsymbol{a} λa。
λ a \lambda \boldsymbol{a} λa 的方向规定:
- 当 λ > 0 \lambda > 0 λ>0 时, λ a \lambda \boldsymbol{a} λa 与 a \boldsymbol{a} a 同方向;
- 当 λ < 0 \lambda < 0 λ<0 时, λ a \lambda \boldsymbol{a} λa 与 a \boldsymbol{a} a 反方向;
- 当 λ = 0 \lambda =0 λ=0 时, λ a \lambda \boldsymbol{a} λa 为零向量,方向任意。
向量 a \boldsymbol{a} a 乘以一个实数 λ \lambda λ,是对向量进行缩放,如果 λ < 0 \lambda < 0 λ<0,再加上反向。
如果 λ > 0 \lambda > 0 λ>0,那么向量的长度将缩放至 λ \lambda λ倍;
如果 λ < 0 \lambda < 0 λ<0,那么向量的长度将缩放至 ∣ λ ∣ \left| \lambda \right| ∣λ∣ 倍,并将向量反向;
如果 λ = 0 \lambda = 0 λ=0,向量将变成零向量 0 \boldsymbol{0} 0。
6.3.1 向量数乘的性质
向量的数乘满足下列性质( λ , μ \lambda,\mu λ,μ为实数):
向量数乘的性质 | 公式 |
---|---|
结合律 | λ ( μ a ) = ( λ μ ) a \lambda (\mu \boldsymbol{a})=(\lambda \mu) \boldsymbol{a} λ(μa)=(λμ)a |
分配率 | ( λ + μ ) a = λ a + μ a (\lambda +\mu) \boldsymbol{a}=\lambda \boldsymbol{a} + \mu \boldsymbol{a} (λ+μ)a=λa+μa |
- 向量数乘的模: ∣ λ a ∣ = ∣ λ ∣ ∣ a ∣ \left| \lambda \boldsymbol{a} \right|=\left| \lambda \right| \left| \boldsymbol{a} \right| ∣λa∣=∣λ∣∣a∣
- 设 a ≠ 0 \boldsymbol{a}\ne \boldsymbol{0} a=0,则 1 ∣ a ∣ a \dfrac{1}{\left| \boldsymbol{a} \right|}\boldsymbol{a} ∣a∣1a 是与 a \boldsymbol{a} a 方向相同的单位向量,通常记为 a 0 \boldsymbol{a}^0 a0,即 a 0 = 1 ∣ a ∣ a \boldsymbol{a}^0=\dfrac{1}{\left| \boldsymbol{a} \right|}\boldsymbol{a} a0=∣a∣1a 。
- 设 a ≠ 0 \boldsymbol{a}\ne \boldsymbol{0} a=0,则 a / / b \boldsymbol{a} \mathrel{/\mskip-2.5mu/} \boldsymbol{b} a//b 的充分必要条件为存在实数 λ \lambda λ ,使得 b = λ a \boldsymbol{b} = \lambda \boldsymbol{a} b=λa。
- 设 P 1 , P 2 P_{1}, P_{2} P1,P2 为 u u u 轴上坐标分别为 u 1 , u 2 u_1,u_2 u1,u2 的两个点, e \boldsymbol{e} e 为与 u u u 轴同方向的单位向量,则有 P 1 P 2 → = ( u 2 − u 1 ) e \overrightarrow{\mathrm{P}_1\mathrm{P}_2}=\left( u_2-u_1 \right) \boldsymbol{e} P1P2=(u2−u1)e,即 将一个向量表示成向量的模 和 同向的单位向量 进行数乘的形式。
7. 向量的代数运算
将向量的坐标引入后,可以将向量的运算转化为数的运算。
对于一个坐标为
{
a
x
,
a
y
,
a
z
}
\{a_{x}, a_{y},a_{z}\}
{ax,ay,az} 的向量
a
\boldsymbol{a}
a,由向量加法性质,对向量进行分解,再由向量数乘性质可以得到:
a
=
{
a
x
,
a
y
,
a
z
}
=
a
x
i
+
a
y
j
+
a
z
k
\boldsymbol{a}=\left\{ a_x,a_y,a_z \right\} =a_x\boldsymbol{i}+a_y\boldsymbol{j}+a_z\boldsymbol{k}
a={ax,ay,az}=axi+ayj+azk
由此可以将向量运算转成数量运算,对于向量
a
=
{
a
x
,
a
y
,
a
z
}
,
b
=
{
b
x
,
b
y
,
b
z
}
\boldsymbol{a}=\{a_{x}, a_{y}, a_{z}\}, \boldsymbol{b}=\{b_{x}, b_{y}, b_{z}\}
a={ax,ay,az},b={bx,by,bz},有
a
+
b
=
{
a
x
,
a
y
,
a
z
}
+
{
b
x
,
b
y
,
b
z
}
=
(
a
x
i
+
a
y
j
+
a
z
k
)
+
(
b
x
i
+
b
y
j
+
b
z
k
)
=
(
a
x
+
b
x
)
i
+
(
a
y
+
b
y
)
j
+
(
a
z
+
b
z
)
k
=
{
a
x
+
b
x
,
a
y
+
b
y
,
a
z
+
b
z
}
\begin{aligned} \boldsymbol{a}+\boldsymbol{b} &= \left\{ a_x,a_y,a_z \right\} +\left\{ b_x,b_y,b_z \right\} \\ &= \left( a_x\boldsymbol{i}+a_y\boldsymbol{j}+a_z\boldsymbol{k} \right) +\left( b_x\boldsymbol{i}+b_y\boldsymbol{j}+b_z\boldsymbol{k} \right) \\ &= \left( a_x+b_x \right) \boldsymbol{i}+\left( a_y+b_y \right) \boldsymbol{j}+\left( a_z+b_z \right) \boldsymbol{k} \\ &= \left\{ a_x+b_x,a_y+b_y,a_z+b_z \right\} \end{aligned}
a+b={ax,ay,az}+{bx,by,bz}=(axi+ayj+azk)+(bxi+byj+bzk)=(ax+bx)i+(ay+by)j+(az+bz)k={ax+bx,ay+by,az+bz}
最终我们得到如下公式
向量计算 | 公式 |
---|---|
向量加法 | a + b = { a x , a y , a z } + { b x , b y , b z } = { a x + b x , a y + b y , a z + b z } \boldsymbol{a + b} = \left\{ a_x,a_y,a_z \right\} + \left\{ b_x,b_y,b_z \right\}=\left\{ a_x+b_x,a_y+b_y,a_z+b_z \right\} a+b={ax,ay,az}+{bx,by,bz}={ax+bx,ay+by,az+bz} |
向量减法 | a − b = { a x , a y , a z } − { b x , b y , b z } = { a x − b x , a y − b y , a z − b z } \boldsymbol{a - b} = \left\{ a_x,a_y,a_z \right\} - \left\{ b_x,b_y,b_z \right\}=\left\{ a_x-b_x,a_y-b_y,a_z-b_z \right\} a−b={ax,ay,az}−{bx,by,bz}={ax−bx,ay−by,az−bz} |
向量数乘 | λ a = λ { a x , a y , a z } = { λ a x , λ a y , λ a z } \lambda \boldsymbol{a} = \lambda\left\{ a_x,a_y,a_z \right\} = \left\{ \lambda a_x, \lambda a_y, \lambda a_z \right\} λa=λ{ax,ay,az}={λax,λay,λaz} |
8. 向量的数量积
向量的 数量积 即 向量和向量的一种乘积,也称为 点积 (dot product)(点乘)、内积 或 标量积 (scalar product)。(向量和向量的乘积另外还有向量积、混合积、逐元素积等。)
由标量积的名字可以得知,乘积结果为标量。
设有两个相同维度的向量
a
\boldsymbol{a}
a 和
b
\boldsymbol{b}
b,
θ
\theta
θ 为
a
\boldsymbol{a}
a 与
b
\boldsymbol{b}
b 的夹角,则将数值
∣
a
∣
∣
b
∣
cos
θ
\left| \boldsymbol{a} \right| \left| \boldsymbol{b} \right| \cos \theta
∣a∣∣b∣cosθ 称为
a
\boldsymbol{a}
a 与向量
b
\boldsymbol{b}
b 的 数量积(也叫内积或点积),记为
a
⋅
b
\boldsymbol{a \cdot b}
a⋅b(常读作向量a点乘向量b)
,即
a
⋅
b
=
∣
a
∣
∣
b
∣
cos
θ
(8.1)
\boldsymbol{a \cdot b}=\left| \boldsymbol{a} \right|\left| \boldsymbol{b} \right|\cos \theta \tag{8.1}
a⋅b=∣a∣∣b∣cosθ(8.1)
数量积要求两个向量同维度,否则不可运算。
向量
a
\boldsymbol{a}
a 与自身的数量积,我们记为
a
2
\boldsymbol{a}^{2}
a2,即
a
2
=
a
⋅
a
(8.2)
\boldsymbol{a}^{2}= \boldsymbol{a} \cdot \boldsymbol{a} \tag{8.2}
a2=a⋅a(8.2)
8.1 数量积的性质
数量积的性质 | 公式 |
---|---|
交换律 | a ⋅ b = b ⋅ a \boldsymbol{a} \cdot \boldsymbol{b} = \boldsymbol{b} \cdot \boldsymbol{a} a⋅b=b⋅a |
分配律 | a ⋅ ( b + c ) = a ⋅ b + a ⋅ c \boldsymbol{a} \cdot (\boldsymbol{b} + \boldsymbol{c}) = \boldsymbol{a} \cdot \boldsymbol{b} + \boldsymbol{a} \cdot \boldsymbol{c} a⋅(b+c)=a⋅b+a⋅c |
结合律 | λ ( a ⋅ b ) = ( λ a ) ⋅ b = a ⋅ ( λ b ) \lambda (\boldsymbol{a} \cdot \boldsymbol{b}) = (\lambda \boldsymbol{a}) \cdot \boldsymbol{ b} = \boldsymbol{ a} \cdot (\lambda \boldsymbol{ b}) λ(a⋅b)=(λa)⋅b=a⋅(λb) |
特别需要注意的是,在数量积中 ( a ⋅ b ) ⋅ c ≠ a ⋅ ( b ⋅ c ) \left( \boldsymbol{a}\cdot \boldsymbol{b} \right) \cdot \boldsymbol{c}\ne \boldsymbol{a}\cdot \left( \boldsymbol{b}\cdot \boldsymbol{c} \right) (a⋅b)⋅c=a⋅(b⋅c) 数量积是一个实数, ( a ⋅ b ) ⋅ c = λ c \left( \boldsymbol{a}\cdot \boldsymbol{b} \right) \cdot \boldsymbol{c} = \lambda \boldsymbol{c} (a⋅b)⋅c=λc ,结果是和 c \boldsymbol{c} c 同向的向量,而 a ⋅ ( b ⋅ c ) = μ a \boldsymbol{a} \cdot \left( \boldsymbol{b}\cdot \boldsymbol{c} \right) = \mu \boldsymbol{a} a⋅(b⋅c)=μa,是和 a \boldsymbol{a} a 同向的向量,所以左右两边乘积结果并不相等。
由公式 a ⋅ b = ∣ a ∣ ∣ b ∣ cos θ \boldsymbol{a \cdot b}=\left| \boldsymbol{a} \right|\left| \boldsymbol{b} \right|\cos \theta a⋅b=∣a∣∣b∣cosθ 可得,
- a ⋅ a = ∣ a ∣ 2 \boldsymbol{a} \cdot \boldsymbol{a} =\left| \boldsymbol{a} \right|^{2} a⋅a=∣a∣2
- a ⊥ b \boldsymbol{a}\bot \boldsymbol{b} a⊥b 的充分必要条件为 a ⋅ b = 0 \boldsymbol{a} \cdot \boldsymbol{b} = 0 a⋅b=0
8.2 数量积的代数运算
数量积代数运算 | 公式 |
---|---|
二维向量的数量积 | { a x , a y } ⋅ { b x , b y } = a x b x + a y b y \{ a_x,a_y\} \cdot \{ b_x,b_y\} = a_{x} b_{x} + a_{y} b_{y} {ax,ay}⋅{bx,by}=axbx+ayby |
三维向量的数量积 | { a x , a y , a z } ⋅ { b x , b y , b z } = a x b x + a y b y + a z b z \{ a_x,a_y,a_z\} \cdot \{ b_x,b_y,b_z\} = a_{x}b_{x} + a_{y}b_{y}+a_{z}b_{z} {ax,ay,az}⋅{bx,by,bz}=axbx+ayby+azbz |
n n n 维向量的数量积 | { a 1 , a 2 , a 3 , … , a n } ⋅ { b 1 , b 2 , b 3 , … , b n } = a 1 b 1 + a 2 b 2 + a 3 b 3 , + ⋯ + a n b n \{ a_1,a_2,a_3, \dots, a_{n}\} \cdot \{ b_1,b_2,b_3, \dots, b_{n}\} = a_{1}b_{1} + a_{2}b_{2}+a_{3}b_{3}, + \dots +a_{n}b_{n} {a1,a2,a3,…,an}⋅{b1,b2,b3,…,bn}=a1b1+a2b2+a3b3,+⋯+anbn |
设三维向量
a
=
{
a
x
,
a
y
,
a
z
}
,
b
=
{
b
x
,
b
y
,
b
z
}
\boldsymbol{a} = \left\{ a_x,a_y,a_z \right\}, \boldsymbol{b} = \left\{ b_x,b_y,b_z \right\}
a={ax,ay,az},b={bx,by,bz},那么根据数量积分配律有
a
⋅
b
=
{
a
x
,
a
y
,
a
z
}
⋅
{
b
x
,
b
y
,
b
z
}
=
(
a
x
i
+
a
y
j
+
a
z
k
)
⋅
(
b
x
i
+
b
y
j
+
b
z
k
)
=
a
x
b
x
i
⋅
i
+
a
y
b
y
j
⋅
j
+
a
z
b
z
k
⋅
k
+
(
a
x
b
y
+
a
y
b
x
)
i
⋅
j
+
(
a
y
b
z
+
a
z
b
y
)
j
⋅
k
+
(
a
x
b
z
+
a
z
b
x
)
i
⋅
k
(8.2.1)
\begin{aligned} \boldsymbol{a} \cdot \boldsymbol{b} &=\{ a_x,a_y,a_z \} \cdot \{ b_x,b_y,b_z \} \\ &= \left( a_x\boldsymbol{i}+a_y\boldsymbol{j}+a_z\boldsymbol{k} \right) \cdot \left( b_x\boldsymbol{i}+b_y\boldsymbol{j}+b_z\boldsymbol{k} \right) \\ &= a_{x} b_{x} \boldsymbol{i}\cdot \boldsymbol{i} + a_{y} b_{y} \boldsymbol{j} \cdot \boldsymbol{j} + a_{z} b_{z} \boldsymbol{k} \cdot \boldsymbol{k} + (a_{x} b_{y} + a_{y} b_{x} )\boldsymbol{i} \cdot \boldsymbol{j} + (a_{y} b_{z} + a_{z} b_{y} )\boldsymbol{j} \cdot \boldsymbol{k} + (a_{x} b_{z} + a_{z} b_{x} ) \boldsymbol{i} \cdot \boldsymbol{k} \end{aligned} \tag{8.2.1}
a⋅b={ax,ay,az}⋅{bx,by,bz}=(axi+ayj+azk)⋅(bxi+byj+bzk)=axbxi⋅i+aybyj⋅j+azbzk⋅k+(axby+aybx)i⋅j+(aybz+azby)j⋅k+(axbz+azbx)i⋅k(8.2.1) 因为在直角坐标系中,基本单位向量
i
,
j
,
k
\boldsymbol{i, j, k}
i,j,k 两两垂直并且向量长度为1 ,所以得到
{
i
⋅
i
=
j
⋅
j
=
k
⋅
k
=
1
i
⋅
j
=
j
⋅
k
=
i
⋅
k
=
0
(8.2.2)
\left\{ \begin{array}{c} \boldsymbol{i}\cdot \boldsymbol{i} = \boldsymbol{j}\cdot \boldsymbol{j} = \boldsymbol{k}\cdot \boldsymbol{k} = 1\\ \boldsymbol{i}\cdot \boldsymbol{j} = \boldsymbol{j}\cdot \boldsymbol{k} = \boldsymbol{i}\cdot \boldsymbol{k} = 0\\ \end{array} \right. \tag{8.2.2}
{i⋅i=j⋅j=k⋅k=1i⋅j=j⋅k=i⋅k=0(8.2.2)
即互相垂直的向量点乘得
0
0
0,单位向量自身点乘得
1
1
1。
将
(
8.2.2
)
(8.2.2)
(8.2.2) 代入
(
8.2.1
)
(8.2.1)
(8.2.1),最终得到三维向量的数量积:
a
⋅
b
=
a
x
b
x
+
a
y
b
y
+
a
z
b
z
(8.2.3)
\boldsymbol{a} \cdot \boldsymbol{b} = a_{x} b_{x} + a_{y} b_{y}+a_{z} b_{z} \tag{8.2.3}
a⋅b=axbx+ayby+azbz(8.2.3)
表明 两向量的数量积 等于 其对应坐标乘积之和。
如果是二维向量,那么有
a
⋅
b
=
a
x
b
x
+
a
y
b
y
(8.2.4)
\boldsymbol{a} \cdot \boldsymbol{b} = a_{x} b_{x} + a_{y} b_{y} \tag{8.2.4}
a⋅b=axbx+ayby(8.2.4)
8.3 数量积的几何意义
两向量的数量积 等于 其中一个向量的长度 与 另一个向量在这个向量的方向上的投影长度 的乘积。
两向量数量积公式为
a
⋅
b
=
∣
a
∣
∣
b
∣
cos
θ
\boldsymbol{a \cdot b}=\left| \boldsymbol{a} \right|\left| \boldsymbol{b} \right| \cos \theta
a⋅b=∣a∣∣b∣cosθ,即两个向量的模的乘积再乘上夹角的余弦。
我们可以将这个公式表示为
∣
a
∣
⋅
(
∣
b
∣
cos
θ
)
\left| \boldsymbol{a}\right| \cdot (\left| \boldsymbol{b} \right| \cos \theta)
∣a∣⋅(∣b∣cosθ) 或
(
∣
a
∣
cos
θ
)
⋅
∣
b
∣
(\left| \boldsymbol{a} \right| \cos \theta) \cdot \left| \boldsymbol{b} \right|
(∣a∣cosθ)⋅∣b∣ ,而这个 向量的模 与 夹角的余弦 的乘积,就是向量在另一个向量上的投影的长度。
a \boldsymbol{a} a 在 b \boldsymbol{b} b 上的投影长度为: ∣ a ∣ cos θ \left| \boldsymbol{a} \right| \cos \theta ∣a∣cosθ
b \boldsymbol{b} b 在 a \boldsymbol{a} a 上的投影长度为: ∣ b ∣ cos θ \left| \boldsymbol{b} \right| \cos \theta ∣b∣cosθ
如下图所示:
我们选取另一个向量进行投影,可以看到结论依然成立。
所以从几何意义可以得知:
- 如果两个向量相互垂直,那么向量的投影长度为0,数量积为0。
- 如果在两个向量之中,其中一个向量的长度为1,那么数量积即为另一个向量在这个向量上的投影长度。
8.4 数量积的运用:计算两向量间的夹角
对数量积公式
a
⋅
b
=
∣
a
∣
∣
b
∣
cos
θ
\boldsymbol{a \cdot b}=\left| \boldsymbol{a} \right|\left| \boldsymbol{b} \right| \cos \theta
a⋅b=∣a∣∣b∣cosθ 进行变换,得
cos
θ
=
a
⋅
b
∣
a
∣
∣
b
∣
(8.4.1)
\cos \theta = \frac{\boldsymbol{a \cdot b}} {\left| \boldsymbol{a} \right| \left| \boldsymbol{b} \right|} \tag{8.4.1}
cosθ=∣a∣∣b∣a⋅b(8.4.1) 所以当
a
≠
0
,
b
≠
0
\boldsymbol{a \ne 0} , \boldsymbol{b \ne 0}
a=0,b=0 (即
a
\boldsymbol{a}
a 和
b
\boldsymbol{b}
b 都不是零向量)时,可以由公式
(
8.4.1
)
(8.4.1)
(8.4.1)计算出两向量间夹角的余弦值。
当 cos θ > 0 \cos \theta > 0 cosθ>0 时,向量之间的夹角 θ \theta θ 小于 90 ° 90 \degree 90°
当 cos θ = 0 \cos \theta = 0 cosθ=0 时,向量之间的夹角 θ \theta θ 等于 90 ° 90 \degree 90°
当 cos θ < 0 \cos \theta < 0 cosθ<0 时,向量之间的夹角 θ \theta θ 大于 90 ° 90 \degree 90° 小于 180 ° 180 \degree 180°
再通过反余弦即可计算出两向量间的夹角:
θ
=
arccos
a
⋅
b
∣
a
∣
∣
b
∣
(8.4.2)
\theta =\arccos \frac{\boldsymbol{a \cdot b}} {\left| \boldsymbol{a} \right| \left| \boldsymbol{b} \right|} \tag{8.4.2}
θ=arccos∣a∣∣b∣a⋅b(8.4.2) 当两向量相互垂直时,夹角
θ
\theta
θ 为
π
2
\dfrac{\pi}{2}
2π 或
−
π
2
-\dfrac{\pi}{2}
−2π,
cos
θ
=
0
\cos \theta = 0
cosθ=0 ,由公式
(
8.4.1
)
(8.4.1)
(8.4.1)可得,此时
a
⋅
b
=
0
\boldsymbol{a \cdot b} = 0
a⋅b=0,可得:
a ⊥ b \boldsymbol{a}\bot \boldsymbol{b} a⊥b 的充分必要条件为 a ⋅ b = 0 \boldsymbol{a} \cdot \boldsymbol{b} = 0 a⋅b=0
所以可以通过向量的数量积是否为0判断向量是否相互垂直。
8.5 数量积的运用:计算向量投影
a \boldsymbol{a} a 在 b \boldsymbol{b} b 上的投影 p \boldsymbol{p} p 的长度 ∣ p ∣ \left| \boldsymbol{p} \right| ∣p∣ 为 ∣ p ∣ = ∣ a ∣ cos θ = ∣ a ∣ ∣ b ∣ cos θ ∣ b ∣ = a ⋅ b ∣ b ∣ (8.5.1) \left| \boldsymbol{p} \right|=\left| \boldsymbol{a} \right| \cos \theta=\dfrac{\left| \boldsymbol{a} \right| \left| \boldsymbol{b} \right| \cos \theta}{\left| \boldsymbol{b} \right|} =\dfrac{\boldsymbol{a}\cdot \boldsymbol{b}}{\left| \boldsymbol{b} \right|} \tag{8.5.1} ∣p∣=∣a∣cosθ=∣b∣∣a∣∣b∣cosθ=∣b∣a⋅b(8.5.1)
向量和一个单位向量点乘,数量积为该向量在单位向量上投影的长度,即
a
⋅
e
=
∣
a
∣
cos
θ
\boldsymbol{a} \cdot \boldsymbol{e} = \left| \boldsymbol{a}\right| \cos \theta
a⋅e=∣a∣cosθ,所以可以用来求向量的投影长度,所以公式还可变为
{
e
=
b
∣
b
∣
,
(
即
e
为与
b
同向的单位向量
)
∣
p
∣
=
a
⋅
e
(8.5.2)
\left\{ \begin{aligned} \boldsymbol{e}&=\frac{\boldsymbol{b}}{\left| \boldsymbol{b} \right|}\text{,}\left( \text{即}\boldsymbol{e}\text{为与}\boldsymbol{b}\text{同向的单位向量} \right)\\ \left| \boldsymbol{p} \right|&=\boldsymbol{a}\cdot \boldsymbol{e}\\ \end{aligned} \right. \tag{8.5.2}
⎩
⎨
⎧e∣p∣=∣b∣b,(即e为与b同向的单位向量)=a⋅e(8.5.2)
一个向量等于向量的长度和与之同向的单位向量的乘积,即 p = ∣ p ∣ e \boldsymbol{p}=\left| \boldsymbol{p} \right|\boldsymbol{e} p=∣p∣e。所以只要知道 p \boldsymbol{p} p 的长度和与 p \boldsymbol{p} p同向的单位向量 e \boldsymbol{e} e 就可以求出 p \boldsymbol{p} p 。
投影
p
\boldsymbol{p}
p 的方向与
b
\boldsymbol{b}
b 的方向相同,与
b
\boldsymbol{b}
b 同向的单位向量
e
\boldsymbol{e}
e 为
b
∣
b
∣
\dfrac{\boldsymbol{b}}{\left| \boldsymbol{b} \right|}
∣b∣b,从公式
(
8.5.2
)
(8.5.2)
(8.5.2)中我们已经得到
∣
p
∣
=
a
⋅
e
\left| \boldsymbol{p} \right|=\boldsymbol{a}\cdot \boldsymbol{e}
∣p∣=a⋅e,所以
{
e
=
b
∣
b
∣
p
=
∣
p
∣
e
=
(
a
⋅
e
)
e
(8.5.3)
\left\{ \begin{aligned} \boldsymbol{e}&=\frac{\boldsymbol{b}}{\left| \boldsymbol{b} \right|}\\ \boldsymbol{p}&=\left| \boldsymbol{p} \right|\boldsymbol{e}=\left( \boldsymbol{a}\cdot \boldsymbol{e} \right) \boldsymbol{e}\\ \end{aligned} \right. \tag{8.5.3}
⎩
⎨
⎧ep=∣b∣b=∣p∣e=(a⋅e)e(8.5.3)
同时,也可以将公式
(
8.5.3
)
(8.5.3)
(8.5.3)中的单位向量
e
\boldsymbol{e}
e消除,写成只含原向量
a
\boldsymbol{a}
a和
b
\boldsymbol{b}
b的形式:
p
=
(
a
⋅
e
)
e
=
(
a
⋅
b
∣
b
∣
)
b
∣
b
∣
=
a
⋅
b
∣
b
∣
2
b
(8.5.4)
\boldsymbol{p}=( \boldsymbol{a}\cdot \boldsymbol{e} ) \boldsymbol{e} = ( \boldsymbol{a}\cdot \frac{\boldsymbol{b}}{\left| \boldsymbol{b} \right|} )\frac{\boldsymbol{b}}{\left| \boldsymbol{b} \right|} = \frac{\boldsymbol{a}\cdot \boldsymbol{b}}{\left| \boldsymbol{b} \right|^{2}}\boldsymbol{b} \tag{8.5.4}
p=(a⋅e)e=(a⋅∣b∣b)∣b∣b=∣b∣2a⋅bb(8.5.4)
9. 向量的向量积
向量的向量积也被称为外积,叉积,乘积结果是一个与相乘的两个向量垂直的向量。
9.1 向量积的概念
向量
a
\boldsymbol{a}
a 和
b
\boldsymbol{b}
b 的 向量积 被定义为与
a
\boldsymbol{a}
a 和
b
\boldsymbol{b}
b 都垂直的向量,记为
a
×
b
\boldsymbol{a} \times \boldsymbol{b}
a×b ,并且向量积的模为
∣
a
∣
∣
b
∣
sin
θ
\left| \boldsymbol{a} \right|\left| \boldsymbol{b} \right| \sin \theta
∣a∣∣b∣sinθ ,其中
θ
\theta
θ 为
a
\boldsymbol{a}
a 与
b
\boldsymbol{b}
b 的夹角,即
∣
a
×
b
∣
=
∣
a
∣
∣
b
∣
sin
θ
(9.1.1)
\left| \boldsymbol{a} \times \boldsymbol{b} \right| = \left| \boldsymbol{a} \right|\left| \boldsymbol{b} \right| \sin \theta \tag{9.1.1}
∣a×b∣=∣a∣∣b∣sinθ(9.1.1) 与向量
a
\boldsymbol{a}
a 和向量
b
\boldsymbol{b}
b 都垂直的方向有两个,需要进一步确定向量积
a
×
b
\boldsymbol{a} \times \boldsymbol{b}
a×b 的方向。
设向量
c
\boldsymbol{c}
c 为垂直于
a
\boldsymbol{a}
a 和
b
\boldsymbol{b}
b 的单位向量并且
a
,
b
,
c
\boldsymbol{a}, \boldsymbol{b}, \boldsymbol{c}
a,b,c 的方向符合右手法则,以
c
\boldsymbol{c}
c 的方向作为
a
×
b
\boldsymbol{a} \times \boldsymbol{b}
a×b 的方向。
如下图所示,对于
a
×
b
\boldsymbol{a} \times \boldsymbol{b}
a×b ,将右手的四指由
a
\boldsymbol{a}
a 顺着
a
,
b
\boldsymbol{a}, \boldsymbol{b}
a,b 夹角
θ
\theta
θ 方向 旋向
b
\boldsymbol{b}
b,此时大拇指方向即为向量积的方向。
旋转时需要注意,在同一平面上, a \boldsymbol{a} a 是有两个旋转方向可以旋向 b \boldsymbol{b} b 的,此时需要选择旋转角较小的方向,即 a \boldsymbol{a} a 和 b \boldsymbol{b} b 之间的夹角 θ \theta θ( θ ⩽ π \theta \leqslant \pi θ⩽π)。否则大拇指的方向完全相反。
右手法则 | 向量积 |
---|---|
数学中的三维空间直角坐标系符合右手法则,如下所示, z = x × y \boldsymbol{z} = \boldsymbol{x} \times \boldsymbol{y} z=x×y | |
a \boldsymbol{a} a 和 b \boldsymbol{b} b 的向量积长度为 ∣ a ∣ ∣ b ∣ sin θ \left| \boldsymbol{a} \right|\left| \boldsymbol{b} \right| \sin \theta ∣a∣∣b∣sinθ,由此可知,当两个向量是平行向量 或者 其中至少有一个是零向量时,向量积为零向量。
向量积只用于三维向量,并不适用于二维向量。
9.2 向量积的几何意义
向量积 a × b \boldsymbol{a} \times \boldsymbol{b} a×b 垂直于向量 a \boldsymbol{a} a 和向量 b \boldsymbol{b} b,所以当 a \boldsymbol{a} a 不平行于 b \boldsymbol{b} b 时,向量积 a × b \boldsymbol{a} \times \boldsymbol{b} a×b 垂直于由 a \boldsymbol{a} a 和 b \boldsymbol{b} b 所确定的平面。
向量积的长度 ∣ a ∣ ∣ b ∣ sin θ \left| \boldsymbol{a} \right|\left| \boldsymbol{b} \right| \sin \theta ∣a∣∣b∣sinθ 为以 a \boldsymbol{a} a, b \boldsymbol{b} b 为邻边所构成的平行四边形的面积。
由几何意义可知,向量积并不适用于二维向量。
9.3 向量积的性质
向量积的性质 | 公式 |
---|---|
反交换律 | a × b = − ( b × a ) \boldsymbol{a} \times \boldsymbol{b} = -(\boldsymbol{b} \times \boldsymbol{a}) a×b=−(b×a) |
分配律 | a × ( b + c ) = a × b + a × c \boldsymbol{a} \times (\boldsymbol{b} + \boldsymbol{c}) = \boldsymbol{a} \times \boldsymbol{b} + \boldsymbol{a} \times \boldsymbol{c} a×(b+c)=a×b+a×c |
结合律 | λ ( a × b ) = ( λ a ) × b = a × ( λ b ) \lambda (\boldsymbol{a} \times \boldsymbol{b}) = (\lambda \boldsymbol{a}) \times \boldsymbol{ b} = \boldsymbol{ a} \times (\lambda \boldsymbol{ b}) λ(a×b)=(λa)×b=a×(λb) |
由向量积长度公式 ∣ a ∣ ∣ b ∣ sin θ \left| \boldsymbol{a} \right|\left| \boldsymbol{b} \right| \sin \theta ∣a∣∣b∣sinθ,可知,当两个向量夹角 θ \theta θ 为 0 0 0 或 π \pi π 时,即两个平行时,向量积为零向量 0 \boldsymbol{0} 0。
- a / / b \boldsymbol{a} \kern +0.3em / \kern -0.8em/ \kern +0.3em\boldsymbol{b} a//b 的充分必要条件为 a × b = 0 \boldsymbol{a} \times \boldsymbol{b}=\boldsymbol{0} a×b=0
- a × a = 0 \boldsymbol{a} \times \boldsymbol{a}=\boldsymbol{0} a×a=0
9.4 向量积的代数运算
设有向量
a
=
{
a
x
,
a
y
,
a
z
}
\boldsymbol{a}=\{a_{x}, a_{y},a_{z}\}
a={ax,ay,az} ,
b
=
{
b
x
,
b
y
,
b
z
}
\boldsymbol{b}=\{b_{x}, b_{y},b_{z}\}
b={bx,by,bz},则
a
\boldsymbol{a}
a 和
b
\boldsymbol{b}
b 的向量积为
a
×
b
=
{
a
x
,
a
y
,
a
z
}
×
{
b
x
,
b
y
,
b
z
}
=
(
a
x
i
+
a
y
j
+
a
z
k
)
×
(
b
x
i
+
b
y
j
+
b
z
k
)
=
(
a
y
b
z
−
a
z
b
y
)
i
−
(
a
x
b
z
−
a
z
b
x
)
j
+
(
a
x
b
y
−
a
y
b
x
)
k
=
{
a
y
b
z
−
a
z
b
y
,
−
(
a
x
b
z
−
a
z
b
x
)
,
a
x
b
y
−
a
y
b
x
}
\begin{aligned} \boldsymbol{a}\times \boldsymbol{b}&=\left\{ a_x,a_y,a_z \right\} \times \left\{ b_x,b_y,b_z \right\} \\ &=\left( a_x\boldsymbol{i}+a_y\boldsymbol{j}+a_z\boldsymbol{k} \right) \times \left( b_x\boldsymbol{i}+b_y\boldsymbol{j}+b_z\boldsymbol{k} \right) \\ &=\left( a_yb_z-a_zb_y \right) \boldsymbol{i}-\left( a_xb_z-a_zb_x \right) \boldsymbol{j}+\left( a_xb_y-a_yb_x \right) \boldsymbol{k} \\ &=\left\{ a_yb_z-a_zb_y, -\left( a_xb_z-a_zb_x \right) , a_xb_y-a_yb_x \right\} \end{aligned}
a×b={ax,ay,az}×{bx,by,bz}=(axi+ayj+azk)×(bxi+byj+bzk)=(aybz−azby)i−(axbz−azbx)j+(axby−aybx)k={aybz−azby,−(axbz−azbx),axby−aybx} 这个结果可以借助 三阶行列式 的来简化表示。
对于二阶行列式,我们有如下规定
∣
a
11
a
12
a
21
a
22
∣
=
a
11
a
22
−
a
12
a
21
\left| \begin{matrix} a_{11}& a_{12}\\ a_{21}& a_{22}\\ \end{matrix} \right| = a_{11}a_{22} - a_{12}a_{21}
∣
∣a11a21a12a22∣
∣=a11a22−a12a21 可以用 对角线法则(主对角线上的元素乘积减去副对角线上的乘积) 来记忆。
如下图,主对角线上为实线,副对角线为虚线。
对于三阶行列式,有
∣
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
∣
=
a
11
∣
a
22
a
23
a
32
a
33
∣
−
a
12
∣
a
21
a
23
a
31
a
33
∣
+
a
31
∣
a
21
a
22
a
31
a
32
∣
=
a
11
a
22
a
33
+
a
12
a
23
a
31
+
a
13
a
21
a
32
−
a
13
a
22
a
31
−
a
12
a
21
a
33
−
a
11
a
23
a
32
\begin{aligned} \left| \begin{matrix} a_{11}& a_{12}& a_{13}\\ a_{21}& a_{22}& a_{23}\\ a_{31}& a_{32}& a_{33}\\ \end{matrix} \right| &= a_{11}\left| \begin{matrix} a_{22}& a_{23}\\ a_{32}& a_{33}\\ \end{matrix} \right| - a_{12}\left| \begin{matrix} a_{21}& a_{23}\\ a_{31}& a_{33}\\ \end{matrix} \right| + a_{31}\left| \begin{matrix} a_{21}& a_{22}\\ a_{31}& a_{32}\\ \end{matrix} \right| \\ &= a_{11}a_{22}a_{33} + a_{12}a_{23}a_{31} + a_{13}a_{21}a_{32} - a_{13}a_{22}a_{31} - a_{12}a_{21}a_{33} - a_{11}a_{23}a_{32} \end{aligned}
∣
∣a11a21a31a12a22a32a13a23a33∣
∣=a11∣
∣a22a32a23a33∣
∣−a12∣
∣a21a31a23a33∣
∣+a31∣
∣a21a31a22a32∣
∣=a11a22a33+a12a23a31+a13a21a32−a13a22a31−a12a21a33−a11a23a32 同样地,对于上面的计算结果,依然可以用 对角线法则(主对角线上的元素乘积减去副对角线上的乘积) 来记忆。
如下图,主对角线为实线,副对角线为虚线,同时,当对角线上元素数不足3时,将跨越对角线来选取剩余元素。
向量积的计算公式为
a
×
b
=
∣
i
j
k
a
x
a
y
a
z
b
x
b
y
b
z
∣
=
∣
a
y
a
z
b
y
b
z
∣
i
−
∣
a
x
a
z
b
x
b
z
∣
j
+
∣
a
x
a
y
b
x
b
y
∣
k
(9.4.1)
\boldsymbol{a}\times \boldsymbol{b}=\left| \begin{matrix} \boldsymbol{i}& \boldsymbol{j}& \boldsymbol{k}\\ a_x& a_y& a_z\\ b_x& b_y& b_z\\ \end{matrix} \right| = \left| \begin{matrix} a_{y}& a_{z}\\ b_{y}& b_{z}\\ \end{matrix} \right| \boldsymbol{i} - \left| \begin{matrix} a_{x}& a_{z}\\ b_{x}& b_{z}\\ \end{matrix} \right| \boldsymbol{j}+ \left| \begin{matrix} a_{x}& a_{y}\\ b_{x}& b_{y}\\ \end{matrix} \right| \boldsymbol{k} \tag{9.4.1}
a×b=∣
∣iaxbxjaybykazbz∣
∣=∣
∣aybyazbz∣
∣i−∣
∣axbxazbz∣
∣j+∣
∣axbxayby∣
∣k(9.4.1)
也可写作
a
×
b
=
{
∣
a
y
a
z
b
y
b
z
∣
,
−
∣
a
x
a
z
b
x
b
z
∣
,
∣
a
x
a
y
b
x
b
y
∣
}
(9.4.2)
\boldsymbol{a}\times \boldsymbol{b} = \{ \left| \begin{matrix} a_{y}& a_{z}\\ b_{y}& b_{z}\\ \end{matrix} \right| , - \left| \begin{matrix} a_{x}& a_{z}\\ b_{x}& b_{z}\\ \end{matrix} \right| , \left| \begin{matrix} a_{x}& a_{y}\\ b_{x}& b_{y}\\ \end{matrix} \right| \} \tag{9.4.2}
a×b={∣
∣aybyazbz∣
∣,−∣
∣axbxazbz∣
∣,∣
∣axbxayby∣
∣}(9.4.2)
10. 向量的混合积
设有向量
a
,
b
,
c
\boldsymbol{a}, \boldsymbol{b}, \boldsymbol{c}
a,b,c,称
(
a
×
b
)
⋅
c
\left( \boldsymbol{a}\times \boldsymbol{b} \right) \cdot \boldsymbol{c}
(a×b)⋅c 为
a
,
b
,
c
\boldsymbol{a}, \boldsymbol{b}, \boldsymbol{c}
a,b,c 的混合积,记为
[
a
b
c
]
\left[ \boldsymbol{abc} \right]
[abc],即
[
a
b
c
]
=
(
a
×
b
)
⋅
c
\left[ \boldsymbol{abc} \right] = \left( \boldsymbol{a}\times \boldsymbol{b} \right) \cdot \boldsymbol{c}
[abc]=(a×b)⋅c
混合积
[
a
b
c
]
\left[ \boldsymbol{abc} \right]
[abc] 是向量积
a
×
b
\boldsymbol{a}\times \boldsymbol{b}
a×b 点乘 向量
c
\boldsymbol{c}
c,所以混合积为标量。
10.1 混合积的几何意义
向量
a
\boldsymbol{a}
a 和
b
\boldsymbol{b}
b 的向量积
a
×
b
\boldsymbol{a}\times \boldsymbol{b}
a×b 垂直于
a
\boldsymbol{a}
a 和
b
\boldsymbol{b}
b ,而数量积可以判断两个向量是否垂直,所以当混合积为
0
0
0 时,说明向量积
a
×
b
\boldsymbol{a}\times \boldsymbol{b}
a×b 也垂直于向量
c
\boldsymbol{c}
c , 可得向量
a
,
b
,
c
\boldsymbol{a} , \boldsymbol{b}, \boldsymbol{c}
a,b,c 共面,即将向量的起点平移至重合后,向量在同一个空间平面上。
10.2 混合积的代数运算
设有向量
a
=
{
a
x
,
a
y
,
a
z
}
\boldsymbol{a}=\{a_{x}, a_{y},a_{z}\}
a={ax,ay,az} ,
b
=
{
b
x
,
b
y
,
b
z
}
\boldsymbol{b}=\{b_{x}, b_{y},b_{z}\}
b={bx,by,bz},
c
=
{
c
x
,
c
y
,
c
z
}
\boldsymbol{c}=\{c_{x}, c_{y},c_{z}\}
c={cx,cy,cz},由公式
(
9.4.2
)
(9.4.2)
(9.4.2)得
a
×
b
=
{
∣
a
y
a
z
b
y
b
z
∣
,
−
∣
a
x
a
z
b
x
b
z
∣
,
∣
a
x
a
y
b
x
b
y
∣
}
\boldsymbol{a}\times \boldsymbol{b} = \{ \left| \begin{matrix} a_{y}& a_{z}\\ b_{y}& b_{z}\\ \end{matrix} \right| , - \left| \begin{matrix} a_{x}& a_{z}\\ b_{x}& b_{z}\\ \end{matrix} \right| , \left| \begin{matrix} a_{x}& a_{y}\\ b_{x}& b_{y}\\ \end{matrix} \right| \}
a×b={∣
∣aybyazbz∣
∣,−∣
∣axbxazbz∣
∣,∣
∣axbxayby∣
∣} 因此
(
a
×
b
)
⋅
c
=
{
∣
a
y
a
z
b
y
b
z
∣
,
−
∣
a
x
a
z
b
x
b
z
∣
,
∣
a
x
a
y
b
x
b
y
∣
}
⋅
{
c
x
,
c
y
,
c
z
}
=
{
∣
a
y
a
z
b
y
b
z
∣
c
x
,
−
∣
a
x
a
z
b
x
b
z
∣
c
y
,
∣
a
x
a
y
b
x
b
y
∣
c
z
}
=
∣
a
x
a
y
a
z
b
x
b
y
b
z
c
x
c
y
c
z
∣
(10.2.1)
\begin{aligned} \left( \boldsymbol{a}\times \boldsymbol{b} \right) \cdot \boldsymbol{c} &= \{ \left| \begin{matrix} a_{y}& a_{z}\\ b_{y}& b_{z}\\ \end{matrix} \right| , - \left| \begin{matrix} a_{x}& a_{z}\\ b_{x}& b_{z}\\ \end{matrix} \right| , \left| \begin{matrix} a_{x}& a_{y}\\ b_{x}& b_{y}\\ \end{matrix} \right| \} \cdot \left\{ c_x, c_y, c_z \right\} \\ &= \{ \left| \begin{matrix} a_{y}& a_{z}\\ b_{y}& b_{z}\\ \end{matrix} \right| c_{x}, - \left| \begin{matrix} a_{x}& a_{z}\\ b_{x}& b_{z}\\ \end{matrix} \right| c_{y}, \left| \begin{matrix} a_{x}& a_{y}\\ b_{x}& b_{y}\\ \end{matrix} \right| c_{z} \} \\ &= \left| \begin{matrix} a_x& a_y& a_z\\ b_x& b_y& b_z\\ c_x& c_y& c_z\\ \end{matrix} \right| \end{aligned} \tag{10.2.1}
(a×b)⋅c={∣
∣aybyazbz∣
∣,−∣
∣axbxazbz∣
∣,∣
∣axbxayby∣
∣}⋅{cx,cy,cz}={∣
∣aybyazbz∣
∣cx,−∣
∣axbxazbz∣
∣cy,∣
∣axbxayby∣
∣cz}=∣
∣axbxcxaybycyazbzcz∣
∣(10.2.1)
行列式的性质(任意交换两行或两列,其行列式的值取相反数),所以交换两次后结果不变。
10.3 混合积的性质
向量 a , b , c \boldsymbol{a}, \boldsymbol{b}, \boldsymbol{c} a,b,c 共面的充分必要条件为 [ a b c ] = 0 \left[ \boldsymbol{abc} \right] = 0 [abc]=0。
混合积为一个三阶行列式的值,由 行列式的性质(任意交换两行或两列,其行列式的值取相反数) 得, [ a b c ] = [ b c a ] = [ c a b ] (10.3.1) \left[ \boldsymbol{abc} \right] = \left[ \boldsymbol{bca} \right] = \left[ \boldsymbol{cab} \right] \tag{10.3.1} [abc]=[bca]=[cab](10.3.1)