矢量(向量)

本文详细介绍了向量的基本概念,包括定义、表示方法、夹角表示,以及向量的模、加法、减法、点乘、叉乘、极角等运算。此外,还探讨了向量的缩放、平移、旋转、投影和对称等变换操作。通过这些内容,读者可以深入理解向量的性质和应用。
摘要由CSDN通过智能技术生成

1、矢量的定义

矢量是一种既有大小又有方向的量,又称为向量。在计算机中,矢量图可以无限放大永不变形 (反正我没看懂)。——百度百科

2、矢量的表示及其相关量的表示

(1)矢量的表示

矢量可以表示为一个小写字母 a a a上面一个箭头 a ⃗ \vec{a} a (ps:正确的箭头应该是 ⇀ \rightharpoonup 这样的,而不是 → \rightarrow 的,但 L A T E X L_{A}T^{E}X LATEX上打不出来)或者一个粗体 A
n n n维空间内,矢量通常被表示为一个 n n n元组 ( a 1 , a 2 , ⋯ ⋯   , a n ) (a_{1},a_{2},\cdots \cdots,a_{n}) (a1,a2,,an)

(2)矢量夹角的表示

两个矢量 a ⃗ , b ⃗ \vec{a},\vec{b} a ,b 的夹角表示为 ⟨ a ⃗ , b ⃗ ⟩ \langle\vec{a},\vec{b}\rangle a ,b

3、矢量的运算

(1)矢量的模

即矢量的长度,记为 ∣ a ⃗ ∣ |\vec{a}| a

(2)矢量的加法

满足三角形法则,如图

(3)矢量的减法

满足平行四边形法则,如图
在这里插入图片描述

(4)矢量的点乘

两个矢量的点乘是标量, ( a 1 , a 2 , ⋯ ⋯   , a n ) ⋅ ( b 1 , b 2 , ⋯ ⋯   , b n ) = d e f ∑ i = 1 n a i b i , a ⃗ ⋅ b ⃗ = ∣ a ⃗ ∣ ∣ b ⃗ ∣ c o s ( ⟨ a ⃗ , b ⃗ ⟩ ) (a_{1},a_{2},\cdots\cdots,a_{n})\cdot(b_{1},b_{2},\cdots\cdots,b_{n})\overset{\underset{def}{}}{=}\sum \limits_{i=1}^{n}a_{i}b_{i},\vec{a}\cdot\vec{b}=|\vec{a}||\vec{b}|cos(\langle\vec{a},\vec{b}\rangle) (a1,a2,,an)(b1,b2,,bn)=defi

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值