一种既有大小,又有方向的量;大小体现在模长,方向体现在指向。 没有绝对的起始位置,所以也具有平移不变性的性质。 一个如图所示的向量
A
B
→
\overrightarrow{A B}
AB, 可由如下公式表示:
A
B
→
=
B
−
A
\overrightarrow{A B}=B-A
AB=B−A
向量运算
向量单位化
向量
A
B
→
\overrightarrow{A B}
AB 的模长记为:
∣
∣
A
B
→
∣
∣
||\overrightarrow{A B}||
∣∣AB∣∣ , 对于三维空间的向量
A
B
→
=
(
x
,
y
,
z
)
\overrightarrow{A B} = (x,y,z)
AB=(x,y,z) 来说,模长为
x
2
+
y
2
+
z
2
2
\sqrt[2]{x^{2}+y^{2}+z^{2}}
2x2+y2+z2 。 一个模长为1的向量为单位向量,计算一个单位向量可以通过
A
B
^
=
A
B
→
/
∥
A
B
→
∥
\hat{AB}=\overrightarrow{A B} /\|\overrightarrow{A B}\|
AB^=AB/∥AB∥来计算。
向量加法的两种表示形式
几何上:表示为平行四边形或者三角形法则相加
代数上:表示为数值位(坐标轴位)上的相加
向量乘法
假设已知向量
a
⃗
\vec{a}
a 和
b
⃗
\vec{b}
b为三维空间上的向量。
点乘 点乘结果是一个数 ①代数形式: 向量点乘表示为其各个分量上的乘积和
a
⃗
⋅
b
⃗
=
∑
i
=
1
3
a
i
b
i
=
a
1
b
1
+
a
2
b
2
+
a
3
b
3
\vec{a} \cdot \vec{b}=\sum_{i=1}^{3} a_{i} b_{i}=a_{1} b_{1}+a_{2} b_{2}+a_{3} b_{3}
a⋅b=i=1∑3aibi=a1b1+a2b2+a3b3 ②几何形式:
a
⃗
⋅
b
⃗
=
∥
a
⃗
∥
∥
b
⃗
∥
cos
θ
\vec{a} \cdot \vec{b}=\|\vec{a}\|\|\vec{b}\| \cos \theta
a⋅b=∥a∥∥b∥cosθ 同时也可以变换公式得到两个向量的夹角余弦值:
cos
θ
=
a
⃗
⋅
b
⃗
∥
a
⃗
∥
∥
b
⃗
∥
\cos \theta=\frac{\vec{a} \cdot \vec{b}}{\|\vec{a}\|\|\vec{b}\|}
cosθ=∥a∥∥b∥a⋅b 即通过该余弦值计算两个向量的相似度。 ③意义: 第一点,找到两个向量的夹角(可以通过角度的大小决定两个向量的前后关系);
叉乘 叉乘结果是一个向量 ①代数形式:
a
⃗
×
b
⃗
=
(
y
a
z
b
−
y
b
z
a
z
a
x
b
−
x
a
z
b
x
a
y
b
−
y
a
x
b
)
\vec{a} \times \vec{b}=\left(\begin{array}{l} y_{a} z_{b}-y_{b} z_{a} \\ z_{a} x_{b}-x_{a} z_{b} \\ x_{a} y_{b}-y_{a} x_{b} \end{array}\right)
a×b=⎝⎛yazb−ybzazaxb−xazbxayb−yaxb⎠⎞ ②几何形式: 数值上以
a
⃗
\vec{a}
a ,
b
⃗
\vec{b}
b 夹角为θ组成的平行四边形的面积。 方向上垂直于
a
⃗
\vec{a}
a ,
b
⃗
\vec{b}
b 所决定的平面,其指向按右手定则从
a
⃗
\vec{a}
a 转向
b
⃗
\vec{b}
b 来确定。
(需要注意的一点)两个向量叉乘交换需要加负号,而点乘不需要。
a
⃗
×
b
⃗
=
−
b
⃗
×
a
⃗
\vec{a} \times \vec{b}=-\vec{b} \times \vec{a}
a×b=−b×a
a
⃗
⋅
b
⃗
=
b
⃗
⋅
a
⃗
\vec{a} \cdot \vec{b}=\vec{b} \cdot \vec{a}
a⋅b=b⋅a ③意义: 第一点,叉乘可以用来向量的左右关系。若向量
a
⃗
\vec{a}
a 在向量
b
⃗
\vec{b}
b 右边,通过右手法则,他们叉乘的结果应该朝上;而如果结果朝下,则向量
a
⃗
\vec{a}
a 在向量
b
⃗
\vec{b}
b 左边; 第二点,叉乘可以用来判断一个点是否在多边形内。如果一个点P在一个多边形内,那么从该多边形所有的点来说,每条边构成的向量与点p构成的向量叉乘结果都应该是一致的,反之,会出现某些叉乘结构不一致,即算出的向量方向相反。 下图中点A B C 构成的向量与点 P构成的向量的叉乘结果都是朝向屏幕外。
矩阵
矩阵定义
矩阵本质上是由m × n 个数排成的m行n列的数表。记作:
A
=
[
a
11
a
12
⋯
a
1
n
a
21
a
22
⋯
a
2
n
a
31
a
32
⋯
a
3
n
⋯
⋯
⋯
a
m
1
a
m
2
⋯
a
m
n
]
\mathbf{A}=\left[\begin{array}{llll} a_{11} & a_{12} & \cdots & a_{1 n} \\ a_{21} & a_{22} & \cdots & a_{2 n} \\ a_{31} & a_{32} & \cdots & a_{3 n} \\ \cdots & \cdots & & \cdots \\ a_{m 1} & a_{m 2} & \cdots & a_{m n} \end{array}\right]
A=⎣⎢⎢⎢⎢⎡a11a21a31⋯am1a12a22a32⋯am2⋯⋯⋯⋯a1na2na3n⋯amn⎦⎥⎥⎥⎥⎤
点乘的矩阵乘法表示
a
⃗
⋅
b
⃗
=
a
⃗
T
b
⃗
=
(
x
a
y
a
z
a
)
(
x
b
y
b
z
b
)
=
(
x
a
x
b
+
y
a
y
b
+
z
a
z
b
)
\begin{array}{cc} \vec{a} \cdot \vec{b}=\vec{a}^{T} \vec{b} =\left(\begin{array}{lll} x_{a} & y_{a} & z_{a} \end{array}\right)\left(\begin{array}{l} x_{b} \\ y_{b} \\ z_{b} \end{array}\right) \end{array}=\left(x_{a} x_{b}+y_{a} y_{b}+z_{a} z_{b}\right)
a⋅b=aTb=(xayaza)⎝⎛xbybzb⎠⎞=(xaxb+yayb+zazb)
叉乘的矩阵乘法表示
a
⃗
×
b
⃗
=
A
∗
b
=
(
0
−
z
a
y
a
z
a
0
−
x
a
−
y
a
x
a
0
)
(
x
b
y
b
z
b
)
\vec{a} \times \vec{b}=A^{*} b=\left(\begin{array}{ccc} 0 & -z_{a} & y_{a} \\ z_{a} & 0 & -x_{a} \\ -y_{a} & x_{a} & 0 \end{array}\right)\left(\begin{array}{l} x_{b} \\ y_{b} \\ z_{b} \end{array}\right)
a×b=A∗b=⎝⎛0za−ya−za0xaya−xa0⎠⎞⎝⎛xbybzb⎠⎞ 这里的叉乘也和后面计算轴角的一个分量对应上了。