3D渲染数学基础（2）向量

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 $\mathbf{a},\mathbf{b},\mathbf{c}$ 或上方带有箭头的小写字母 $\vec{a},\vec{b},\vec{c}$ 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$A$、终点为$B$的有向线段就可以表示一个确定的向量，记作$\overrightarrow{AB}$。

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 $\overrightarrow{AB}$ 对应的有向线段进行平移，使起点$A$和坐标原点$O$重合，此时有向线段终点 $B$ 的坐标 $(a_1,a_2,a_3,...,a_n)$ 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 $\mathbf{a}$ 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$\mathbf{a}$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$n$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 $n$ 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$\left|\mathbf{a}\right|$，$\left|\vec{a}\right|$，$\left|\overrightarrow{AB}\right|$等。有时绝对值符号$\left|\right|$也用 范数（Norm） 符号$\Vert \Vert$代替，如$\Vert \mathbf{a}\Vert$。对于向量$\overrightarrow{AB}$来说，模$\left|\overrightarrow{AB}\right|$就等于线段$AB$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 $0$ 或 $\overrightarrow{0}$。

特别规定，零向量的方向是任意的。

  通常用 $\mathbf{i},\mathbf{j},\mathbf{k}$ 分别表示 坐标系$x$轴、$y$轴和$z$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$\left|\overrightarrow{OA}\right|$，$O$ 为坐标轴原点，向量的模就等于$A$ 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 $a$， 那么向量的模等于$\left|a\right|$。

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$\sqrt{{a_x}^2+{a_y}^2}$。

3.3 三维向量的模

  对于三维向量，如下图所示，三维向量$\left|\overrightarrow{OB}\right|$的坐标表示为 { a x , a y , a z } \{a_{x}, a_{y}, a_{z}\} {ax​,ay​,az​}，$B$点在空间直角坐标系中的坐标为 $(a_x,a_y,a_z)$， $A$点为$B$点在$xOy$平面上的投影，则可以得到$A$点坐标为 $(a_x,a_y,0)$，由勾股定理得：$$O{B}^2=O{A}^2+A{B}^2$$

  在平面直角坐标系中，我们已经得到线段$OA$的长度等于$\left|\overrightarrow{OA}\right|=\sqrt{{a_x}^2+{a_y}^2}$，两边同时平方得 $O{A}^2={a_x}^2+{a_y}^2$ 。而又有 $AB=a_z$，所以$$\left|\overrightarrow{OB}\right|=OB=\sqrt{O{B}^2}=\sqrt{O{A}^2+A{B}^2}=\sqrt{{a_x}^2+{a_y}^2+{a_z}^2}$$
    所以三维向量 { a x , a y , a z } \{a_{x}, a_{y}, a_{z}\} {ax​,ay​,az​}的模为 $$\sqrt{{a_x}^2+{a_y}^2+{a_z}^2}$$

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，$n$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:$$\left|\mathbf{a}\right|=\sqrt{{a_1}^2+{a_2}^2+{a_3}^2+...+{a_n}^2}$$

4. 向量相等

4.1 向量相等

  如果向量 $\mathbf{a}$ 与向量 $\mathbf{b}$ 的模相等且方向相同，就称向量 $\mathbf{a}$ 与向量 $\mathbf{b}$ 相等，记作 $\mathbf{a}=\mathbf{b}$。

  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 $\mathbf{a}$ 的相反向量记作 $-\mathbf{a}$ 。向量 $\overrightarrow{AB}$ 的相反向量是$\overrightarrow{BA}$。

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 $\mathbf{a}$ 和向量 $\mathbf{b}$ ，将两个向量平移至起始点重合，称它们所在射线的夹角 $\theta$ 为 $\mathbf{a}$ 与 $\mathbf{b}$ 的夹角，记作$\left(\widehat{a,b}\right)$， 即有 $\theta =\left(\widehat{a,b}\right)$，向量夹角的取值范围为： $0⩽\theta ⩽\pi$ 。

5.1 平行向量(共线向量)

  如果向量 $\mathbf{a}$ 与向量 $\mathbf{b}$ 的夹角为$0$或$\pi$(同向或反向)， 就称 向量 $\mathbf{a}$ 与 $\mathbf{b}$ 平行，也称作 $\mathbf{a}$ 与 $\mathbf{b}$ 共线，记为 $\mathbf{a}//\mathbf{b}$ ，也可以写作 $\mathbf{a}\parallel \mathbf{b}$。

  零向量与任意向量平行。

5.2 垂直向量

  如果向量 $\mathbf{a}$ 与向量 $\mathbf{b}$ 的夹角为 $\frac{\pi }{2}$，就称向量 $\mathbf{a}$ 与向量 $\mathbf{b}$ 垂直，记为 $\mathbf{a}\perp \mathbf{c}$。

  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 $\mathbf{a}$ 和 $\mathbf{b}$ ，将它们平移至起点重合，然后以 $\mathbf{a},\mathbf{b}$ 为邻边作平行四边形，称与 $\mathbf{a}$ 和 $\mathbf{b}$ 有共同起点的对角线向量 $\mathbf{c}$ 为 $\mathbf{a}$ 与 $\mathbf{b}$的和，记为 $\mathbf{c}=\mathbf{a}+\mathbf{b}$ 。
  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 $\mathbf{b}$ 平移至起点和 $\mathbf{a}$ 的终点重合，使其首尾相连，则从 $\mathbf{a}$ 的起点到 $\mathbf{b}$ 的终点所构成的向量即为 $\mathbf{a}+\mathbf{b}$。
  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
	$\mathbf{a}+0=\mathbf{a}$
交换律	$\mathbf{a}+\mathbf{b}=\mathbf{b}+\mathbf{a}$
结合律	$(\mathbf{a}+\mathbf{b})+\mathbf{c}=\mathbf{a}+(\mathbf{b}+\mathbf{c})$

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 $$\mathbf{a}-\mathbf{b}=\mathbf{a}+(-\mathbf{b})$$

6.3 向量数乘

  向量数乘 即向量与一个实数的乘积。

  实数$\lambda$与向量$\mathbf{a}$的 乘积（简称数乘），结果为一个向量，记为 $\lambda \mathbf{a}$。

$\lambda \mathbf{a}$ 的方向规定：

• 当 $\lambda >0$ 时，$\lambda \mathbf{a}$ 与 $\mathbf{a}$ 同方向；
• 当 $\lambda <0$ 时，$\lambda \mathbf{a}$ 与 $\mathbf{a}$ 反方向；
• 当 $\lambda =0$ 时，$\lambda \mathbf{a}$ 为零向量，方向任意。

  向量 $\mathbf{a}$ 乘以一个实数 $\lambda$，是对向量进行缩放，如果 $\lambda <0$，再加上反向。

  如果 $\lambda >0$，那么向量的长度将缩放至$\lambda$倍；
  如果 $\lambda <0$，那么向量的长度将缩放至 $\left|\lambda \right|$ 倍，并将向量反向；
  如果 $\lambda =0$，向量将变成零向量 $0$。

6.3.1 向量数乘的性质

  向量的数乘满足下列性质（$\lambda ,\mu$为实数）：

向量数乘的性质	公式
结合律	$\lambda (\mu \mathbf{a})=(\lambda \mu )\mathbf{a}$
分配率	$(\lambda +\mu )\mathbf{a}=\lambda \mathbf{a}+\mu \mathbf{a}$

• 向量数乘的模：$\left|\lambda \mathbf{a}\right|=\left|\lambda \right|\left|\mathbf{a}\right|$
• 设 $\mathbf{a}\ne 0$，则 $\frac{1}{\left|\mathbf{a}\right|}\mathbf{a}$ 是与 $\mathbf{a}$ 方向相同的单位向量，通常记为 ${\mathbf{a}}^0$，即 ${\mathbf{a}}^0=\frac{1}{\left|\mathbf{a}\right|}\mathbf{a}$ 。
• 设 $\mathbf{a}\ne 0$，则 $\mathbf{a}//\mathbf{b}$ 的充分必要条件为存在实数 $\lambda$ ，使得 $\mathbf{b}=\lambda \mathbf{a}$。
• 设 $P_1,P_2$ 为 $u$ 轴上坐标分别为 $u_1,u_2$ 的两个点，$\mathbf{e}$ 为与 $u$ 轴同方向的单位向量，则有 $\overrightarrow{{\mathrm{P}}_1{\mathrm{P}}_2}=\left(u_2-u_1\right)\mathbf{e}$，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 $\mathbf{a}$，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​}=ax​i+ay​j+az​k

  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​}=(ax​i+ay​j+az​k)+(bx​i+by​j+bz​k)=(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 $\mathbf{a}$ 和 $\mathbf{b}$，$\theta$ 为 $\mathbf{a}$ 与 $\mathbf{b}$ 的夹角，则将数值 $\left|\mathbf{a}\right|\left|\mathbf{b}\right|\cos \theta$ 称为 $\mathbf{a}$ 与向量 $\mathbf{b}$ 的 数量积（也叫内积或点积），记为 $\mathbf{a}\cdot \mathbf{b}$(常读作向量a点乘向量b)，即
$$\mathbf{a}\cdot \mathbf{b}=\left|\mathbf{a}\right|\left|\mathbf{b}\right|\cos \theta \text{\hspace{1em}(8.1)}$$

  数量积要求两个向量同维度，否则不可运算。
  向量 $\mathbf{a}$ 与自身的数量积，我们记为 ${\mathbf{a}}^2$，即 $${\mathbf{a}}^2=\mathbf{a}\cdot \mathbf{a}\text{\hspace{1em}(8.2)}$$

8.1 数量积的性质

数量积的性质	公式
交换律	$\mathbf{a}\cdot \mathbf{b}=\mathbf{b}\cdot \mathbf{a}$
分配律	$\mathbf{a}\cdot (\mathbf{b}+\mathbf{c})=\mathbf{a}\cdot \mathbf{b}+\mathbf{a}\cdot \mathbf{c}$
结合律	$\lambda (\mathbf{a}\cdot \mathbf{b})=(\lambda \mathbf{a})\cdot \mathbf{b}=\mathbf{a}\cdot (\lambda \mathbf{b})$

  特别需要注意的是，在数量积中 $$\left(\mathbf{a}\cdot \mathbf{b}\right)\cdot \mathbf{c}\ne \mathbf{a}\cdot \left(\mathbf{b}\cdot \mathbf{c}\right)$$  数量积是一个实数， $\left(\mathbf{a}\cdot \mathbf{b}\right)\cdot \mathbf{c}=\lambda \mathbf{c}$ ，结果是和 $\mathbf{c}$ 同向的向量，而 $\mathbf{a}\cdot \left(\mathbf{b}\cdot \mathbf{c}\right)=\mu \mathbf{a}$，是和 $\mathbf{a}$ 同向的向量，所以左右两边乘积结果并不相等。

由公式 $\mathbf{a}\cdot \mathbf{b}=\left|\mathbf{a}\right|\left|\mathbf{b}\right|\cos \theta$ 可得,

• $\mathbf{a}\cdot \mathbf{a}={\left|\mathbf{a}\right|}^2$
• $\mathbf{a}\perp \mathbf{b}$ 的充分必要条件为 $\mathbf{a}\cdot \mathbf{b}=0$

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​}=ax​bx​+ay​by​
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​}=ax​bx​+ay​by​+az​bz​
$n$ 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​}=a1​b1​+a2​b2​+a3​b3​,+⋯+an​bn​

  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​}=(ax​i+ay​j+az​k)⋅(bx​i+by​j+bz​k)=ax​bx​i⋅i+ay​by​j⋅j+az​bz​k⋅k+(ax​by​+ay​bx​)i⋅j+(ay​bz​+az​by​)j⋅k+(ax​bz​+az​bx​)i⋅k​(8.2.1)   因为在直角坐标系中，基本单位向量 $\mathbf{i},\mathbf{j},\mathbf{k}$ 两两垂直并且向量长度为1 ，所以得到
$$\{\begin{array}{c}\mathbf{i}\cdot \mathbf{i}=\mathbf{j}\cdot \mathbf{j}=\mathbf{k}\cdot \mathbf{k}=1\\ \mathbf{i}\cdot \mathbf{j}=\mathbf{j}\cdot \mathbf{k}=\mathbf{i}\cdot \mathbf{k}=0\end{array}\text{\hspace{1em}(8.2.2)}$$
  即互相垂直的向量点乘得$0$，单位向量自身点乘得$1$。
  将 $(\mathrm{8.2.2})$ 代入 $(\mathrm{8.2.1})$，最终得到三维向量的数量积：
$$\mathbf{a}\cdot \mathbf{b}=a_x{b}_x+a_y{b}_y+a_z{b}_z\text{\hspace{1em}(8.2.3)}$$

  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
$$\mathbf{a}\cdot \mathbf{b}=a_x{b}_x+a_y{b}_y\text{\hspace{1em}(8.2.4)}$$

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$\mathbf{a}\cdot \mathbf{b}=\left|\mathbf{a}\right|\left|\mathbf{b}\right|\cos \theta$，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 $\left|\mathbf{a}\right|\cdot (\left|\mathbf{b}\right|\cos \theta )$ 或 $(\left|\mathbf{a}\right|\cos \theta )\cdot \left|\mathbf{b}\right|$ ，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。

$\mathbf{a}$ 在 $\mathbf{b}$ 上的投影长度为：$\left|\mathbf{a}\right|\cos \theta$
$\mathbf{b}$ 在 $\mathbf{a}$ 上的投影长度为：$\left|\mathbf{b}\right|\cos \theta$

  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 $\mathbf{a}\cdot \mathbf{b}=\left|\mathbf{a}\right|\left|\mathbf{b}\right|\cos \theta$ 进行变换，得
$$\cos \theta =\frac{\mathbf{a}\cdot \mathbf{b}}{\left|\mathbf{a}\right|\left|\mathbf{b}\right|}\text{\hspace{1em}(8.4.1)}$$  所以当 $\mathbf{a}\ne 0,\mathbf{b}\ne 0$ （即 $\mathbf{a}$ 和 $\mathbf{b}$ 都不是零向量）时，可以由公式$(\mathrm{8.4.1})$计算出两向量间夹角的余弦值。

当 $\cos \theta >0$ 时，向量之间的夹角 $\theta$ 小于 $90°$
当 $\cos \theta =0$ 时，向量之间的夹角 $\theta$ 等于 $90°$
当 $\cos \theta <0$ 时，向量之间的夹角 $\theta$ 大于 $90°$ 小于 $180°$

  再通过反余弦即可计算出两向量间的夹角：
$$\theta =\arccos \frac{\mathbf{a}\cdot \mathbf{b}}{\left|\mathbf{a}\right|\left|\mathbf{b}\right|}\text{\hspace{1em}(8.4.2)}$$  当两向量相互垂直时，夹角 $\theta$ 为 $\frac{\pi }{2}$ 或 $-\frac{\pi }{2}$，$\cos \theta =0$ ，由公式$(\mathrm{8.4.1})$可得，此时 $\mathbf{a}\cdot \mathbf{b}=0$，可得：

$\mathbf{a}\perp \mathbf{b}$ 的充分必要条件为 $\mathbf{a}\cdot \mathbf{b}=0$

  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

  $\mathbf{a}$ 在 $\mathbf{b}$ 上的投影 $\mathbf{p}$ 的长度 $\left|\mathbf{p}\right|$ 为 $$\left|\mathbf{p}\right|=\left|\mathbf{a}\right|\cos \theta =\frac{\left|\mathbf{a}\right|\left|\mathbf{b}\right|\cos \theta }{\left|\mathbf{b}\right|}=\frac{\mathbf{a}\cdot \mathbf{b}}{\left|\mathbf{b}\right|}\text{\hspace{1em}(8.5.1)}$$

  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 $\mathbf{a}\cdot \mathbf{e}=\left|\mathbf{a}\right|\cos \theta$，所以可以用来求向量的投影长度，所以公式还可变为
$$\{\begin{array}{rl}\mathbf{e}& =\frac{\mathbf{b}}{\left|\mathbf{b}\right|}\text{，}\left(\text{即}\mathbf{e}\text{为与}\mathbf{b}\text{同向的单位向量}\right)\\ \left|\mathbf{p}\right|& =\mathbf{a}\cdot \mathbf{e}\end{array}\text{\hspace{1em}(8.5.2)}$$

  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 $\mathbf{p}=\left|\mathbf{p}\right|\mathbf{e}$。所以只要知道 $\mathbf{p}$ 的长度和与$\mathbf{p}$同向的单位向量 $\mathbf{e}$ 就可以求出 $\mathbf{p}$ 。

  投影 $\mathbf{p}$ 的方向与 $\mathbf{b}$ 的方向相同，与 $\mathbf{b}$ 同向的单位向量 $\mathbf{e}$ 为 $\frac{\mathbf{b}}{\left|\mathbf{b}\right|}$，从公式$(\mathrm{8.5.2})$中我们已经得到 $\left|\mathbf{p}\right|=\mathbf{a}\cdot \mathbf{e}$，所以
$$\{\begin{array}{rl}\mathbf{e}& =\frac{\mathbf{b}}{\left|\mathbf{b}\right|}\\ \mathbf{p}& =\left|\mathbf{p}\right|\mathbf{e}=\left(\mathbf{a}\cdot \mathbf{e}\right)\mathbf{e}\end{array}\text{\hspace{1em}(8.5.3)}$$

  同时，也可以将公式$(\mathrm{8.5.3})$中的单位向量$\mathbf{e}$消除，写成只含原向量$\mathbf{a}$和$\mathbf{b}$的形式：
$$\mathbf{p}=(\mathbf{a}\cdot \mathbf{e})\mathbf{e}=(\mathbf{a}\cdot \frac{\mathbf{b}}{\left|\mathbf{b}\right|})\frac{\mathbf{b}}{\left|\mathbf{b}\right|}=\frac{\mathbf{a}\cdot \mathbf{b}}{{\left|\mathbf{b}\right|}^2}\mathbf{b}\text{\hspace{1em}(8.5.4)}$$

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 $\mathbf{a}$ 和 $\mathbf{b}$ 的 向量积 被定义为与$\mathbf{a}$ 和 $\mathbf{b}$ 都垂直的向量，记为 $\mathbf{a}\times \mathbf{b}$ ，并且向量积的模为 $\left|\mathbf{a}\right|\left|\mathbf{b}\right|\sin \theta$ ，其中 $\theta$ 为 $\mathbf{a}$ 与 $\mathbf{b}$ 的夹角，即
$$\left|\mathbf{a}\times \mathbf{b}\right|=\left|\mathbf{a}\right|\left|\mathbf{b}\right|\sin \theta \text{\hspace{1em}(9.1.1)}$$   与向量 $\mathbf{a}$ 和向量 $\mathbf{b}$ 都垂直的方向有两个，需要进一步确定向量积 $\mathbf{a}\times \mathbf{b}$ 的方向。

  设向量 $\mathbf{c}$ 为垂直于$\mathbf{a}$ 和 $\mathbf{b}$ 的单位向量并且 $\mathbf{a},\mathbf{b},\mathbf{c}$ 的方向符合右手法则，以 $\mathbf{c}$ 的方向作为 $\mathbf{a}\times \mathbf{b}$ 的方向。
  如下图所示，对于 $\mathbf{a}\times \mathbf{b}$ ，将右手的四指由 $\mathbf{a}$ 顺着 $\mathbf{a},\mathbf{b}$ 夹角 $\theta$ 方向 旋向 $\mathbf{b}$，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，$\mathbf{a}$ 是有两个旋转方向可以旋向 $\mathbf{b}$ 的，此时需要选择旋转角较小的方向，即 $\mathbf{a}$ 和 $\mathbf{b}$ 之间的夹角 $\theta$($\theta ⩽\pi$)。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，$\mathbf{z}=\mathbf{x}\times \mathbf{y}$

  $\mathbf{a}$ 和 $\mathbf{b}$ 的向量积长度为 $\left|\mathbf{a}\right|\left|\mathbf{b}\right|\sin \theta$，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 $\mathbf{a}\times \mathbf{b}$ 垂直于向量 $\mathbf{a}$ 和向量 $\mathbf{b}$，所以当 $\mathbf{a}$ 不平行于 $\mathbf{b}$ 时，向量积 $\mathbf{a}\times \mathbf{b}$ 垂直于由 $\mathbf{a}$ 和 $\mathbf{b}$ 所确定的平面。
  向量积的长度 $\left|\mathbf{a}\right|\left|\mathbf{b}\right|\sin \theta$ 为以 $\mathbf{a}$, $\mathbf{b}$ 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	$\mathbf{a}\times \mathbf{b}=-(\mathbf{b}\times \mathbf{a})$
分配律	$\mathbf{a}\times (\mathbf{b}+\mathbf{c})=\mathbf{a}\times \mathbf{b}+\mathbf{a}\times \mathbf{c}$
结合律	$\lambda (\mathbf{a}\times \mathbf{b})=(\lambda \mathbf{a})\times \mathbf{b}=\mathbf{a}\times (\lambda \mathbf{b})$

  由向量积长度公式$\left|\mathbf{a}\right|\left|\mathbf{b}\right|\sin \theta$，可知，当两个向量夹角 $\theta$ 为 $0$ 或 $\pi$ 时，即两个平行时，向量积为零向量 $0$。

• $\mathbf{a}//\mathbf{b}$ 的充分必要条件为 $\mathbf{a}\times \mathbf{b}=0$
• $\mathbf{a}\times \mathbf{a}=0$

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 $\mathbf{a}$ 和 $\mathbf{b}$ 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​}=(ax​i+ay​j+az​k)×(bx​i+by​j+bz​k)=(ay​bz​−az​by​)i−(ax​bz​−az​bx​)j+(ax​by​−ay​bx​)k={ay​bz​−az​by​,−(ax​bz​−az​bx​),ax​by​−ay​bx​}​   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
$$\left|\begin{array}{cc}{a}_{11}& a_{12}\\ a_{21}& a_{22}\end{array}\right|=a_{11}{a}_{22}-a_{12}{a}_{21}$$   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$$\begin{array}{rl}\left|\begin{array}{ccc}{a}_{11}& a_{12}& a_{13}\\ a_{21}& a_{22}& a_{23}\\ a_{31}& a_{32}& a_{33}\end{array}\right|& =a_{11}\left|\begin{array}{cc}{a}_{22}& a_{23}\\ a_{32}& a_{33}\end{array}\right|-a_{12}\left|\begin{array}{cc}{a}_{21}& a_{23}\\ a_{31}& a_{33}\end{array}\right|+a_{31}\left|\begin{array}{cc}{a}_{21}& a_{22}\\ a_{31}& a_{32}\end{array}\right|\\ & =a_{11}{a}_{22}{a}_{33}+a_{12}{a}_{23}{a}_{31}+a_{13}{a}_{21}{a}_{32}-a_{13}{a}_{22}{a}_{31}-a_{12}{a}_{21}{a}_{33}-a_{11}{a}_{23}{a}_{32}\end{array}$$  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
$$\mathbf{a}\times \mathbf{b}=\left|\begin{array}{ccc}\mathbf{i}& \mathbf{j}& \mathbf{k}\\ a_x& a_y& a_z\\ b_x& b_y& b_z\end{array}\right|=\left|\begin{array}{cc}{a}_y& a_z\\ b_y& b_z\end{array}\right|\mathbf{i}-\left|\begin{array}{cc}{a}_x& a_z\\ b_x& b_z\end{array}\right|\mathbf{j}+\left|\begin{array}{cc}{a}_x& a_y\\ b_x& b_y\end{array}\right|\mathbf{k}\text{\hspace{1em}(9.4.1)}$$
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={∣ ∣​ay​by​​az​bz​​∣ ∣​,−∣ ∣​ax​bx​​az​bz​​∣ ∣​,∣ ∣​ax​bx​​ay​by​​∣ ∣​}(9.4.2)

10. 向量的混合积

  设有向量 $\mathbf{a},\mathbf{b},\mathbf{c}$，称 $\left(\mathbf{a}\times \mathbf{b}\right)\cdot \mathbf{c}$ 为 $\mathbf{a},\mathbf{b},\mathbf{c}$ 的混合积，记为 $\left[\mathbf{abc}\right]$，即
$$\left[\mathbf{abc}\right]=\left(\mathbf{a}\times \mathbf{b}\right)\cdot \mathbf{c}$$
  混合积 $\left[\mathbf{abc}\right]$ 是向量积 $\mathbf{a}\times \mathbf{b}$ 点乘 向量 $\mathbf{c}$，所以混合积为标量。

10.1 混合积的几何意义

   向量 $\mathbf{a}$ 和 $\mathbf{b}$ 的向量积 $\mathbf{a}\times \mathbf{b}$ 垂直于 $\mathbf{a}$ 和 $\mathbf{b}$ ，而数量积可以判断两个向量是否垂直，所以当混合积为 $0$ 时，说明向量积 $\mathbf{a}\times \mathbf{b}$ 也垂直于向量 $\mathbf{c}$ ， 可得向量 $\mathbf{a},\mathbf{b},\mathbf{c}$ 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$(\mathrm{9.4.2})$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={∣ ∣​ay​by​​az​bz​​∣ ∣​,−∣ ∣​ax​bx​​az​bz​​∣ ∣​,∣ ∣​ax​bx​​ay​by​​∣ ∣​}   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​={∣ ∣​ay​by​​az​bz​​∣ ∣​,−∣ ∣​ax​bx​​az​bz​​∣ ∣​,∣ ∣​ax​bx​​ay​by​​∣ ∣​}⋅{cx​,cy​,cz​}={∣ ∣​ay​by​​az​bz​​∣ ∣​cx​,−∣ ∣​ax​bx​​az​bz​​∣ ∣​cy​,∣ ∣​ax​bx​​ay​by​​∣ ∣​cz​}=∣ ∣​ax​bx​cx​​ay​by​cy​​az​bz​cz​​∣ ∣​​(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 $\mathbf{a},\mathbf{b},\mathbf{c}$ 共面的充分必要条件为 $\left[\mathbf{abc}\right]=0$。

  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，$$\left[\mathbf{abc}\right]=\left[\mathbf{bca}\right]=\left[\mathbf{cab}\right]\text{\hspace{1em}(10.3.1)}$$