本文参考:https://www.cnblogs.com/gxcdream/p/7597865.html

  • 一、向量的内积

  • 1.1向量内积的定义

向量内积(点乘/点积/数量积):两个向量对应元素相乘之后求和:

a=[a_{1},a_{2},...a_{n}]

b=[b_{1},b_{2},...b_{n}]

 a\cdot b=a_{1}\cdot b_{1}+a_{2}\cdot b_{2}+...+a_{n}\cdot b_{n}

注意:点乘的结果是一个标量,而不是向量。

  • 1.2向量内积的性质

  1. (λa + μb)·c = λa·c + μb·c,对任意实数λ, μ成立(线性)
  2. cos∠(a,b) =a·b/(|a||b|)
  3. |a·b| ≤ |a||b|,等号只在a与b共线时成立
  • 1.3向量内积的几何意义

  1. 表征或计算两个向量之间的夹角
  2. b向量在a向量方向上的投影

公式a\cdot b=\left | a \right |\left | b \right |cos\theta推导过程如下,首先看一下向量组成:

根据余弦定理有:

c^{2}=a^{2}+b^{2}-2\left | a \right |\left | b \right |cos\theta

将c=a-b带入上式中得出:

(a-b)(a-b)=a^{2}+b^{2}-2a\cdot b=a^{2}+b^{2}-2\left | a \right |\left | b \right |cos\theta

因此可以得出:

a\cdot b=\left | a \right |\left | b \right |cos\theta

则:

\theta =arccos(\frac{a\cdot b}{\left | a \right |\left | b \right |})

进而可以判断两个向量的位置关系:

           a∙b>0:方向相同,夹角在0°到90°之间 
           a∙b=0: 正交,相互垂直 
           a∙b<0:方向相反,夹角在90°到180°之间

  • 二、向量的外积

  • 2.1向量外积的定义

向量外积(叉乘/叉积/向量积):向量a与b的外积是一个向量,其方向正交于a与b,并且(a,b,a×b)构成右手系。其长度等于|a×b| = |a||b|sin∠(a,b),为a、b构成的四边形的面积。

a和b的外积公式为:                                             

a=(x_{1},y_{1},z_{1})

b=(x_{2},y_{2},z_{2})

   a\times b=\begin{vmatrix} i & j & k\\ x_{1}& y_{1} & z_{1}\\ x_{2}& y_{2} & z_{2} \end{vmatrix}=(y_{1}z_{2}-y_{2}z_{1})i-(x_{1}z_{2}-x_{2} z_{1})j+(x_{1}y_{2}-x_{2} y_{1})k

还可写成:

a\times b=\begin{bmatrix} i & j& k\\ a_{1}& a_{2}& a_{3} \\ b_{1}& b_{2} & b_{3} \end{bmatrix}=\begin{bmatrix} a_{2} b_{3}-a_{3} b_{2}\\ a_{3} b_{1}-a_{1} b_{3}\\ a_{1} b_{2}-a_{2} b_{1} \end{bmatrix}=\begin{bmatrix} 0 & -a_{3}&a_{2} \\ a_{3}& 0& -a_{1}\\ -a_{2}& a_{1}& 0 \end{bmatrix}b=a^{\wedge }b

其中a^{\wedge }是反实对称矩阵,a、b的外积写成了矩阵与向量的乘法,即线性运算。

  • 2.2向量外积的性质

  1. a × b = -b × a. (反称性)
  2. (λa + μb) × c = λ(a ×c) + μ(b ×c). (线性)

Logo

旨在为数千万中国开发者提供一个无缝且高效的云端环境,以支持学习、使用和贡献开源项目。

更多推荐