TA学习之路——1.2向量

数学基础——向量 详解

1. 什么是向量

在数学中，向量（也称为欧几里得向量、几何向量、矢量），指具有大小（magnitude）和方向的量。

2. 向量的表示方式

·代数表示
大小或小写字母+箭头：
$$\overrightarrow{A}或\overrightarrow{b}\overrightarrow{AB}或\overrightarrow{ab}$$
·几何表示
1.二维

2.三维

坐标表示
1.二维
分别取与x轴、y轴方向相同的两个单位向量i，j作为一组基底。有且只有一对实数（x,y），使得a=xi+yj，因此把实数对(x,y)叫做向量a的坐标，记作a=(x,y)。
$$\overrightarrow{A}=(a_x,a_y),\overrightarrow{B}=(b_x,b_y)$$
2.三维
分别取与x轴、y轴，z轴方向相同的3个单位向量i，j，k作为一组基底。有且只有一组实数(x,y,z)，使得a=ix+jy+kz，因此把实数对(x,y,z)叫做向量a的坐标，记作a=(x,y,z)。
$$\overrightarrow{A}=(a_x,a_y,a_z),\overrightarrow{B}=(b_x,b_y,b_z)$$

矩阵表示
1.二维
$$\overrightarrow{A}=\left[\begin{array}{c}{a}_x\\ a_y\end{array}\right]\overrightarrow{B}=\left[\begin{array}{c}{b}_x\\ b_y\end{array}\right]$$
2.三维
$$\overrightarrow{A}=\left[\begin{array}{c}{a}_x\\ a_y\\ a_z\end{array}\right]\overrightarrow{B}=\left[\begin{array}{c}{b}_x\\ b_y\\ b_z\end{array}\right]$$

3. 向量的基本定义

·向量是有大小和方向的有向线段
·向量没有位置，只有大小和方向
·向量的箭头是向量的结束，向量的开始
·向量描述的位移能被认为是与轴平行的位移序列

代码实现：
二维

public struct M_Vector2
{
    public float x;
    public float y;
    public M_Vector2(float x,float y)
    {
        this.x = x;
        this.y = y;
    }
}

三维

public struct M_Vector3
{
    public float x;
    public float y;
    public float z;
    public M_Vector3(float x,float y,float z)
    {
        this.x = x;
        this.y = y;
        this.z = z;
    }
}

4. 向量的运算

$$设\overrightarrow{a}=(a_x,a_y),\overrightarrow{b}=(b_x,b_y)$$
4.1加法
$$\begin{gathered} 向量的加法满足平行四边形法则和三角形法则， \\ \overrightarrow{OA}+\overrightarrow{OB}=\overrightarrow{OC} \\ a=\left[\begin{array}{c}{a}_x\\ a_y\end{array}\right],b=\left[\begin{array}{c}{b}_x\\ b_y\end{array}\right] \\ a+b=\left[\begin{array}{c}{a}_x+b_x\\ a_y+b_y\end{array}\right]=\left[\begin{array}{c}{a}_x+b_x\\ a_y+b_y\end{array}\right]\left[\begin{array}{c}1\\ 1\end{array}\right] \\ a+0=0+a \\ 交换律：a+b=b+a \\ 结合律：（a+b）+c=a+(b+c) \end{gathered}$$
代码实现：
二维

    /// 两个向量相加
    public static M_Vector2 operator+(M_Vector2 m_Vector2_A,M_Vector2 m_Vector2_B)
    {
        return new M_Vector2(m_Vector2_A.x + m_Vector2_B.x, m_Vector2_A.y + m_Vector2_B.y);
    }

三维

//加法
    public static M_Vector3 operator +(M_Vector3 v3_A,M_Vector3 v3_B)
    {
        return new M_Vector3(v3_A.x + v3_B.x, v3_A.y + v3_B.y, v3_A.z + v3_B.z);
    }

4.2 减法
如果a、b是互为相反的向量，那么a=-b，b=-a，a+b=0.
0的反向量为0。
$$\begin{gathered} \overrightarrow{OA}-\overrightarrow{OB}=\overrightarrow{BA} \\ a=(a_x,a_y)，b=(b_x,b_y)， \\ a-b=(a_x-b_x,a_y-b_y). \end{gathered}$$

加减变换律：a+(-b)=a-b
代码实现：
二维

    /// 两个向量相减
    public static M_Vector2 operator -(M_Vector2 m_Vector2_A, M_Vector2 m_Vector2_B)
    {
        return new M_Vector2(m_Vector2_A.x - m_Vector2_B.x, m_Vector2_A.y - m_Vector2_B.y);
    }

三维

    //减法
    public static M_Vector3 operator -(M_Vector3 v3_A, M_Vector3 v3_B)
    {
        return new M_Vector3(v3_A.x - v3_B.x, v3_A.y - v3_B.y, v3_A.z - v3_B.z);
    }

4.3 数乘
实数λ和向量a的叉乘乘积是一个向量，记作λa，且|λa|=|λ|*|a|。

当λ>0时，λa的方向与a的方向相同；
当λ<0时，λa的方向与a的方向相反；
当λ=0时，λa=0，方向任意。
当a=0时，对于任意实数λ，都有λa=0。

注： 按定义知，如果λa=0，那么λ=0或a=0。
实数λ叫做向量a的系数，乘数向量λa的几何意义就是将表示向量a的有向线段伸长或压缩。

当 |λ| >1时，表示向量a的有向线段在原方向（λ>0）或反方向（λ<0）上伸长为原来的|λ|倍。
当|λ|<1时，表示向量a的有向线段在原方向（λ>0）或反方向（λ<0）上缩短为原来的 |λ|倍。

实数p和向量a的点乘乘积是一个数。

数与向量的乘法满足下面的运算律
结合律：(λa)·b=λ(a·b)=(a·λb)。
向量对于数的分配律（第一分配律）：(λ+μ)a=λa+μa.
数对于向量的分配律（第二分配律）：λ(a+b)=λa+λb.

数乘向量的消去律：
① 如果实数λ≠0且λa=λb，那么a=b。
② 如果a≠0且λa=μa，那么λ=μ。

注： 向量的加减乘（向量没有除法）运算满足实数加减乘运算法则。

代码实现：
二维

    /// 数乘
    public static M_Vector2 operator *(M_Vector2 m_Vector2,float k)
    {
        return new M_Vector2(m_Vector2.x * k, m_Vector2.y * k);
    }

三维

    //数乘
    public static M_Vector3 operator *(M_Vector3 v3, float lambda)
    {
        return new M_Vector3(v3.x * lambda, v3.y * lambda, v3.z * lambda);
    }

4.4 数量积
4.4.1 定义：
两个向量的数量积（内积、点积）是一个标量（没有方向），记作a·b。

已知两个非零向量a,b，作OA=a,OB=b，则∠AOB称作向量a和向量b的夹角，记作θ并规定0≤θ≤π。

若a、b不共线，则 ；若a、b共线，则 。
向量的数量积的坐标表示：a·b=x·x’+y·y’。

4.4.2 几何意义
1.可以用来计算两个向量的夹角
由点乘公式可得
$$cos\theta =\frac{a\cdot b}{|a||b|}$$

    public static float Angle(M_Vector2 from,M_Vector2 to)
    {
        float denominator = from.Magnitude * to.Magnitude;
        float dot = Dot(from, to) / denominator;
        //Cos弧度值的范围为-1到1
        if(dot < -1)
        {
            dot = -1;
        }
        else if(dot > 1)
        {
            dot = 1;
        }
        return (float)Math.Acos(dot) * 180 / Mathf.PI;
    }

2.x向量在x向量方向上的投影
例如a向量在b向量方向上的投影S为:
$$S=\frac{a\cdot b}{|b|}$$

    //A向量在B向量方向上的投影
    public static float ProjectMagnitude(M_Vector2 m_Vector2_A, M_Vector2 m_Vector2_B)
    {
        return Dot(m_Vector2_A,m_Vector2_B) * m_Vector2_B.Magnitude;
    }

补充：x向量在x向量方向上的投影向量
例如a向量在b向量方向上的投影P为:
$$P=\frac{b}{|b|}\cdot |a|\cdot cos\theta$$

    //A向量在B向量方向上的投影向量
    public static M_Vector2 Project(M_Vector2 m_Vector2_A, M_Vector2 m_Vector2_B)
    {
        return m_Vector2_B.normalized * m_Vector2_A.Magnitude * (float)Math.Cos(Angle(m_Vector2_A, m_Vector2_B) * 2 * Mathf.PI / 360);
    }

4.4.2 向量的数量积的运算律
交换律：a·b=b·a
结合律：(λa)·b=λ(a·b)
分配律：(a+b)·c=a·c+b·c

4.4.3 向量的数量积的性质
a·a=|a|的平方。
a⊥b〈=〉a·b=0。
|a·b|≤|a|·|b|。（该公式证明如下：|a·b|=|a|·|b|·|cosα| 因为0≤|cosα|≤1，所以|a·b|≤|a|·|b|）

4.4.4向量的数量积与实数运算的主要不同点
1．向量的数量积不满足结合律，即：(a·b)·c≠a·(b·c)；例如：(a·b)²≠a²·b²。
2．向量的数量积不满足消去律，即：由a·b=a·c(a≠0)，推不出b=c。
3．|a·b|与|a|·|b|不等价
4．由 |a|=|b| ，不能推出a=b，也不能推出a=-b，但反过来则成立。
4.4.5 编程计算
1.二维
$$\begin{gathered} a=(a_x,a_y),b=(b_x,b_y) \\ a\cdot b=\left[\begin{array}{cc}{a}_x& a_y\end{array}\right]\left[\begin{array}{c}{b}_x\\ b_y\end{array}\right]=a_x\ast b_x+a_y\ast b_y=|a|\cdot |b|\cdot cos\theta \end{gathered}$$
代码实现：

    public static float Dot(M_Vector2 m_Vector2_A, M_Vector2 m_Vector2_B)
    {
        return m_Vector2_A.x * m_Vector2_B.x + m_Vector2_A.y * m_Vector2_B.y;
    }

2.三维
$$\begin{gathered} a=(a_x,a_y,a_z),b=(b_x,b_y,b_z) \\ a\cdot b=\left[\begin{array}{ccc}{a}_x& a_y& a_z\end{array}\right]\left[\begin{array}{c}{b}_x\\ b_y\\ b_z\end{array}\right]=a_x{b}_x+a_y{b}_y+a_z{b}_z=|a|\cdot |b|cos\theta \end{gathered}$$
代码实现：

    //点积
    public static float Dot(M_Vector3 v3_A,M_Vector3 v3_B)
    {
        return v3_A.x * v3_B.x + v3_A.y + v3_B.y + v3_A.z + v3_B.z;
    }

4.5 向量积
4.5.1 定义：
两个向量a和b的向量积（外积、叉积）是一个向量，记作a×b（这里“×”并不是乘号，只是一种表示方法，与“·”不同）。
若a、b不共线，则a×b的模是：∣a×b∣=|a|·|b|·sin〈a，b〉；a×b的方向是：垂直于a和b，且a、b和a×b按这个次序构成右手系。
若a、b垂直，则∣a×b∣=|a|*|b|（此处与数量积不同，请注意），若a×b=0，则a、b平行。
向量积即两个不共线非零向量所在平面的一组法向量。

运算法则：
设i,j,k分别为沿x,y,z轴的单位向量
$$A=(a_x,a_y,a_z)，B=(b_x,b_y,b_z），$$
则有
$$\begin{gathered} A=a_{x}i+a_{y}j+a_{z}k, \\ B=b_{x}i+b_{y}j+b_{z}k. \end{gathered}$$
运用三阶行列式
1.二维
$$a\times b=\left|\begin{array}{ccc}i& j& k\\ a_x& a_y& 0\\ b_x& b_y& 0\end{array}\right|=(a_x{b}_y-b_x{a}_y)k$$

则有
$$|a\times b|=|a_x\ast b_y-b_x\ast a_y|=|a|\cdot |b|\cdot sin\theta$$

由上可见，叉乘在x,y平面上计算后的结果方向是在z轴上，在二维中的实际意义不大，大多引擎中也没有给出相关实现的代码。

2.三维
$$\begin{gathered} 则A\times B=\left|\begin{array}{ccc}i& j& k\\ a_x& a_y& a_z\\ b_x& b_y& b_z\end{array}\right| \\ =(a_y{b}_z-a_z{b}_y)i-(a_x{b}_z-a_z{b}_x)j+(a_x{a}_y-a_y{b}_x)k \\ =(a_y{b}_z-a_z{b}_y)i+(a_z{b}_x-a_x{b}_z)j+(a_x{a}_y-a_y{b}_x)k \end{gathered}$$

此时i,j,k轴对应的向量为
$$(a_y{b}_z-a_z{b}_y，a_z{b}_x-a_x{b}_z，a_x{a}_y-a_y{b}_x)$$

所以有
$$|A\times B|=\sqrt{(a_y{b}_z-a_z{b}_y{)}^2+(a_z{b}_x-a_x{b}_z{)}^2+(a_x{a}_y-a_y{b}_x{)}^2}=|A|\cdot |B|sin\theta$$
代码实现：

    //叉积
    public static M_Vector3 Cross(M_Vector3 V3_A,M_Vector3 V3_B)
    {
        return new M_Vector3(
            V3_A.y * V3_B.z - V3_A.z * V3_B.y,
            V3_A.z * V3_B.x - V3_A.x * V3_B.z,
            V3_A.x * V3_B.y - V3_A.y * V3_B.x);
    }

验证

        M_Vector3 v1 = new M_Vector3(1, Mathf.Sqrt(3), 3);
        M_Vector3 v2 = new M_Vector3(Mathf.Sqrt(3), 1, 5);
        float angle = M_Vector3.Angle(v1, v2);
        Debug.Log(angle);
        M_Vector3 normalVec = M_Vector3.Cross(v1, v2);
        Debug.Log("左边:" + (normalVec.Magnitude));
        Debug.Log("右边:" + (v1.Magnitude * v2.Magnitude * Mathf.Sin(angle * 2 * Mathf.PI / 360)));

叉乘的意义:
方向为两向量的组成平面的法向量方向，大小为两向量组成的平行四边形的面积

向量的向量积性质：
$$\begin{gathered} |a\times b|是以a和b为边的平行四边形面积。 \\ a\times a=0。 \\ a//b(平行)⟺a\times b=0 \end{gathered}$$
向量的向量积运算律:
$$\begin{gathered} a\times b=-b\times a \\ (\lambda a)\times b=\lambda (a\times b)=a\times (\lambda b) \\ a\times (b+c)=a\times b+a\times c. \\ (a+b)\times c=a\times c+b\times c. \end{gathered}$$
上两个分配律分别称为左分配律和右分配律。在演算中应注意不能交换“×”号两侧向量的次序。
注： 向量没有除法，“向量AB/向量CD”是没有意义的。

4.6 三向量混合积
定义：
给定空间三向量a、b、c，向量a、b的向量积a×b，再和向量c作数量积(a×b)·c，所得的数叫做三向量a、b、c的混合积，记作(a,b,c)或(abc)，即(abc)=(a,b,c)=(a×b)·c

混合积具有下列性质：
1．三个不共面向量a、b、c的混合积的绝对值等于以a、b、c为棱的平行六面体的体积V，并且当a、b、c构成右手系时混合积是正数；当a、b、c构成左手系时，混合积是负数，即(abc)=εV（当a、b、c构成右手系时ε=1；当a、b、c构成左手系时ε=-1）
2．上性质的推论：三向量a、b、c共面的充要条件是(abc)=0
3．(abc)=(bca)=(cab)=-(bac)=-(cba)=-(acb)

4.7 双重向量积
定义：
给定空间的三个向量a,b,c,如果先做其中两个向量a,b的向量积a×b，再做所得向量与第三向量的向量积，那么最后的结果仍然是一个向量，叫做所给三向量的双重向量积，记做：(a×b)×c。

性质：
(a×b)×c=(a·c)·b-(b·c)·a
a×(b×c)=-(b×c)×a=(a·c)·b-(a·b)·c

关系式
给定空间内四个向量a、b、c、d，则这四个向量之间满足如下关系：
$$(a\times b)\cdot (c\times d)=(a\cdot c)(b\cdot d)-(a\cdot d)(b\cdot c)$$

5. 向量的相关定义

5.1 有向线段
若规定线段AB的端点 A为起点，B为终点，则线段就具有了从起点 A到终点 B的方向和长度。具有方向和长度的线段叫做有向线段。

    //有向线段从B指向A
    public static M_Vector2 DirectedLineSegment(M_Vector2 m_Vector2_A,M_Vector2 m_Vector2_B)
    {
        return m_Vector2_B - m_Vector2_A;
    }

5.2 向量的模
向量的大小，也就是向量的长度。
$$l=\frac{a}{|a|}=\frac{a}{\sqrt{a^{T}a}}$$

	//模长
    public float Magnitude
    {
        get
        {
            return (float)Math.Sqrt(x * x + y * y);
        }

    }

5.3 单位向量
长度为一个单位（即模为1）的向量，叫做单位向量。

    //单位向量
    public static M_Vector2 One
    {
        get
        {
            return new M_Vector2(1, 1);
        }
    }

归一化的向量，也可看做单位向量

/归一化
    public M_Vector2 normalized
    {
        get
        {
            return Normalize(this);
        }
    }

    public static M_Vector2 Normalize(M_Vector2 m_Vector2)
    {
        return m_Vector2 / m_Vector2.Magnitude;
    }

    public M_Vector2 Normalize()
    {
        return Normalize(this);
    }

5.4 负向量(相反向量)
如果向量AB与向量CD的模相等且方向相反，那么我们把向量AB叫做向量CD的负向量，也称为相反向量。

    //负向量
    public static M_Vector2 operator -(M_Vector2 m_Vector2)
    {
        return new M_Vector2(-m_Vector2.x,-m_Vector2.y);
    }
    public static M_Vector2 NegativeVector(M_Vector2 m_Vector2)
    {
        return -m_Vector2;
    }

5.5 零向量
长度为0的向量叫做零向量，记作0。零向量的始点和终点重合，所以零向量没有确定的方向，或说零向量的方向是任意的。

    //零向量
    public static M_Vector2 Zero
    {
        get
        {
            return new M_Vector2(0, 0);
        }
    }

5.6 相等向量
长度相等且方向相同的向量叫做相等向量．向量a与b相等，记作a=b。
规定：所有的零向量都相等

//判断两个向量是否相等
	public static bool operator == (M_Vector2 m_Vector2_A,M_Vector2 m_Vector2_B)
    {
        if (m_Vector2_A.x == m_Vector2_B.x && m_Vector2_A.y == m_Vector2_B.y)
        {
            return true;
        }
        else
        {
            return false;
        }
    }
	//判断两个向量是否不相等
	public static bool operator !=(M_Vector2 m_Vector2_A, M_Vector2 m_Vector2_B)
    {
        if(m_Vector2_A == m_Vector2_B)
        {
            return false;
        }
        else
        {
            return true;
        }
    }

5.7 自由向量
始点不固定的向量，它可以任意的平行移动，而且移动后的向量仍然代表原来的向量。
在自由向量的意义下，相等的向量都看作是同一个向量。

M_Vector2 a1 = new M_Vector2(1, 2);
M_Vector2 a2 = new M_Vector2(1, 2);
M_Vector2 a3 = new M_Vector2(3, 2);

5.8 滑动向量
沿着直线作用的向量称为滑动向量。

    /// <summary>
    /// 滑动向量
    /// </summary>
    /// <param name="m_Vector2">方向</param>
    /// <param name="distance">滑动距离</param>
    /// <returns></returns>
    public static M_Vector2 SlipVector(M_Vector2 m_Vector2,float distance)
    {
        return m_Vector2 * distance;
    }

5.8 固定向量
作用于一点的向量称为固定向量（亦称胶着向量）。
代码参考 有向线段。

5.9 位置向量
对于坐标平面内的任意一点P，我们把向量OP叫做点P的位置向量，记作：向量P。
代码参考 有向线段。

5.10 平行向量（共线向量）
方向相同或相反的非零向量叫做平行（或共线）向量．向量a、b平行（共线），记作a//b。
零向量长度为零，是起点与终点重合的向量，其方向不确定。
规定：零向量与任一向量平行。平行于同一直线的一组向量是共线向量。
若a=(x,y)，b=(m,n)，则a//b→a×b=xn-ym=0

    //判断两个向量是否公线
    public static bool  IsParallelVector(M_Vector2 m_Vector2_A,M_Vector2 m_Vector2_B)
    {
        if(m_Vector2_A.x * m_Vector2_B.y - m_Vector2_A.y * m_Vector2_B.x == 0)
        {
            return true;
        }
        else
        {
            return false;
        }
    }

5.11 方向向量
直线l上的向量a以及与向量a共线的向量叫做直线l上的方向向量。
代码参考 共线向量。

5.12 共面向量(3维空间)
平行于同一平面的三个（或多于三个）向量叫做共面向量。
空间中的向量有且只有以下两种位置关系：
⑴共面；
⑵不共面。
注意：只有三个或三个以上向量才谈共面不共面。

5.13 法向量(3维空间)
直线l⊥α，取直线l的方向向量a，则向量a叫做平面α的法向量。
参考向量的向量积运算

6. 向量定理

6.1 共线定理
$$\begin{gathered} 若b\ne 0，则a//b的充要条件是存在唯一实数\lambda ，使 \\ \overrightarrow{a}=\lambda \overrightarrow{b}。 \\ 若设a=(a_x,a_y)，b=(b_x,b_y)，则有 \\ {a}_x{b}_y=b_x{a}_y， \\ 与平行概念相同。\overrightarrow{0}平行于任何向量。 \end{gathered}$$

6.2 垂直定理
$$a\perp b的充要条件是a\cdot b=0，即(a_x{b}_x+a_y{b}_y)=0。$$

6.3 分解定理
平面向量分解定理:
$$\begin{gathered} 如果\overrightarrow{e_1}、\overrightarrow{e_2}是同一平面内的两个不平行向量， \\ 那么对于这一平面内的任一向量，有且只有一对实数{\lambda }_1,{\lambda }_2， \\ 使\overrightarrow{a}={\lambda }_1\overrightarrow{e_1}+{\lambda }_2\overrightarrow{e_2}， \\ 我们把不平行向量、叫做这一平面内所有向量的基底。 \end{gathered}$$

6.4 定比分点公式
$$\begin{gathered} P=\left[\begin{array}{c}x\\ y\end{array}\right]P_1=\left[\begin{array}{c}{x}_1\\ y_1\end{array}\right]P_2=\left[\begin{array}{c}{x}_2\\ y_2\end{array}\right] \\ (P-P_1)=\lambda (P_2-P) \\ P=\frac{1}{1+\lambda }(P_1+\lambda P_2)=\frac{1}{1+\lambda }\left[\begin{array}{c}{x}_x+\lambda x_2\\ y_1+\lambda y_2\end{array}\right] \\ 其中\lambda \in R^{\ast },\lambda 为点P有向线段\overrightarrow{P_1{P}_2}所成比。 \end{gathered}$$

6.5 三点共线定理
$$已知O是AB所在直线外一点，若\overrightarrow{OC}=\lambda \overrightarrow{OA}+\mu \overrightarrow{OB},且\lambda +\mu =1，则A、B、C三点共线。$$

6.6 重心判断式
$$在△ABC中,若\overrightarrow{GA}+\overrightarrow{GB}+\overrightarrow{GC}=\overrightarrow{0},则G为△ABC的重心$$

6.7 垂心判断式
$$在△ABC中，若\overrightarrow{HA}\cdot \overrightarrow{HB}=\overrightarrow{HB}\cdot \overrightarrow{HC}=\overrightarrow{HC}\cdot \overrightarrow{HA}，则H为△ABC的垂心。$$

6.8 内心判断式
$$在△ABC中，若a\overrightarrow{IA}+b\overrightarrow{IB}+c\overrightarrow{IC}=\overrightarrow{0},且PI=\frac{a\overrightarrow{PA}+b\overrightarrow{PB}+c\overrightarrow{PC}}{a+b+c}，则H为△ABC的内心。$$

6.9 外心判断式
$$\begin{gathered} 在△ABC中,若|\overrightarrow{OA}|=|\overrightarrow{OB}|=|\overrightarrow{OC}|,则O为△ABC的外心。 \\ 此时O满足(\overrightarrow{OA}+\overrightarrow{OB})\cdot \overrightarrow{AB}=(\overrightarrow{OB}+\overrightarrow{OC})\cdot \overrightarrow{BC}=(\overrightarrow{OC}+\overrightarrow{OA})\cdot \overrightarrow{CA}=\overrightarrow{0}。 \end{gathered}$$
6.9 向量中线公式
$$若P为线段AB的中点，O为平面内一点，则\overrightarrow{OP}=\frac{1}{2}(\overrightarrow{OA}+\overrightarrow{OB})。$$