当前位置: 首页 > news >正文

高等数学 8.1向量及其线性运算

8.1 向量及其线性运算

文章目录

  • 8.1 向量及其线性运算
    • 一、向量的概念
    • 向量的线性运算
      • 1.向量的加减法
      • 2.向量与数的乘法
    • 三、空间直角坐标系
    • 四、利用坐标作向量的线性运算
    • 五、向量的模、方向角、投影
      • 1.向量的模与两点间的距离公式
      • 2.方向角与方向余弦
      • 3.向量在轴上的投影

一、向量的概念

客观世界中,有这样一类量,它们既有大小,又有方向,这一类量叫做 向量(或 矢量)。

在数学上,常用一条有方向的线段,即有向线段来表示向量。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。以 A A A 为起点、 B B B 为终点的有向线段所表示的向量记作 A B → \overrightarrow{AB} AB 。有时也用一个黑体字母(书写时,在字母上面加箭头)来表示向量,例如 a , r , v , F \boldsymbol{a} ,\boldsymbol{r}, \boldsymbol{v}, \boldsymbol{F} a,r,v,F a ⃗ , r ⃗ , v ⃗ , F ⃗ \vec{a}, \vec{r}, \vec{v}, \vec{F} a ,r ,v ,F 等。

由于一切向量的共性是它们都有大小和方向,因此在数学上只研究与起点无关的向量,并称这种向量为 自由向量 (以后简称 向量),即只考虑大小和方向,而不论它的起点在什么地方。当遇到与起点有关的的向量时,可在一般原则下作特别处理。

由于是自由向量,如果两个向量 a \boldsymbol{a} a b \boldsymbol{b} b大小相等,且方向相同,就说向量 a \boldsymbol{a} a b \boldsymbol{b} b 是相等的,记作 a = b \boldsymbol{a} = \boldsymbol{b} a=b 。这就是说,经过平行移动后能完全重合的向量是相等的。

向量的大小叫做向量的模。向量 A B → , a \overrightarrow{AB}, \boldsymbol{a} AB ,a a ⃗ \vec{a} a 的模依次记作 ∣ A B → ∣ , ∣ a ∣ |\overrightarrow{AB}| ,|\boldsymbol{a}| AB ,a ∣ a ⃗ ∣ |\vec{a}| a 。模等于1的向量叫做单位向量。模等于0的向量叫做零向量,记作 0 \boldsymbol{0} 0 0 ⃗ \vec{0} 0 。零向量的起点和终点重合,它的方向可以看做是任意的

设有两个非零向量 a , b \boldsymbol{a}, \boldsymbol{b} a,b ,任取空间一点 O O O ,作 O A → = a , O B → = b \overrightarrow{OA} = \boldsymbol{a}, \overrightarrow{OB} = \boldsymbol{b} OA =a,OB =b ,规定不超过 π \pi π ∠ A O B ∠AOB AOB (设 φ = ∠ A O B , 0 ⩽ φ ⩽ π \varphi = ∠AOB, 0 \leqslant \varphi \leqslant \pi φ=AOB,0φπ)称为向量 a \boldsymbol{a} a b \boldsymbol{b} b 的夹角,记作 ( a , b ^ ) (\widehat{\boldsymbol{a}, \boldsymbol{b}}) (a,b ) ( b , a ^ ) (\widehat{\boldsymbol{b}, \boldsymbol{a}}) (b,a ),即 ( a , b ^ ) = φ (\widehat{\boldsymbol{a}, \boldsymbol{b}}) = \varphi (a,b )=φ 。如果向量 a \boldsymbol{a} a b \boldsymbol{b} b 中有一个是零向量,规定它们的夹角可以在 0 到 π \pi π 之间取任意值。

如果 ( a , b ^ ) = 0 或 π (\widehat{\boldsymbol{a}, \boldsymbol{b}}) = 0 或 \pi (a,b )=0π ,就称向量 a \boldsymbol{a} a b \boldsymbol{b} b 平行,记作 a ∥ b \boldsymbol{a} \parallel \boldsymbol{b} ab 。如果 ( a , b ^ ) = π 2 (\widehat{\boldsymbol{a}, \boldsymbol{b}}) = \cfrac{\pi}{2} (a,b )=2π ,就称向量 a \boldsymbol{a} a b \boldsymbol{b} b 垂直,记作 a ⊥ b \boldsymbol{a} \perp \boldsymbol{b} ab 。由于零向量与另一向量夹角可以在 0 到 π \pi π 之间取任意值,因此可以认为零向量与任何向量都平行,也可以认为零向量与任何向量都垂直。

当两个平行向量的起点放在同一点时,它们的终点和公共起点应在一条直线上。因此,两向量平行,又称两向量共线

设有 k ( k ⩾ 3 ) k (k \geqslant 3) k(k3) 个向量,当把它们的起点放在同一点时,如果 k k k 个终点和公共起点在一个平面上,就称这 k k k 个向量共面

向量的线性运算

1.向量的加减法

向量的加法运算规定如下:
设有两个向量 a \boldsymbol{a} a b \boldsymbol{b} b ,任取一点 A A A ,作 A B → = a \overrightarrow{AB} = \boldsymbol{a} AB =a ,再以 B B B 为起点,作 B C → = b \overrightarrow{BC} = \boldsymbol{b} BC =b ,连接 A C AC AC ,那么向量 A C → = c \overrightarrow{AC} = \boldsymbol{c} AC =c 称为向量 a \boldsymbol{a} a b \boldsymbol{b} b 的和,记作 a + b \boldsymbol{a} + \boldsymbol{b} a+b ,即

c = a + b \boldsymbol{c} = \boldsymbol{a} + \boldsymbol{b} c=a+b

上述作出两向量之和的方法叫做向量相加的三角形法则

三角形法则
力学上有求合力的平行四边形法则,仿此,我们也有向量的平行四边形法则。这就是:当向量 a \boldsymbol{a} a b \boldsymbol{b} b 不平行时,作 A B → = a , A D → = b \overrightarrow{AB} = \boldsymbol{a}, \overrightarrow{AD} = \boldsymbol{b} AB =a,AD =b,以 A B , A D AB, AD AB,AD 为边作一平行四边形 A B C D ABCD ABCD ,连接对角线 A C AC AC ,显然向量 A C → \overrightarrow{AC} AC 即等于向量 a \boldsymbol{a} a b \boldsymbol{b} b 的和 a + b \boldsymbol{a} + \boldsymbol{b} a+b
平行四边形法则
向量的加法符合下列运算规律:

交换律 a + b = b + a \boldsymbol{a} + \boldsymbol{b} = \boldsymbol{b} + \boldsymbol{a} a+b=b+a ;
结合律 ( a + b ) + c = a + ( b + c ) (\boldsymbol{a} + \boldsymbol{b}) + \boldsymbol{c} = \boldsymbol{a} + (\boldsymbol{b} + \boldsymbol{c}) (a+b)+c=a+(b+c) .

a \boldsymbol{a} a 为一向量,与 a \boldsymbol{a} a 的模相同而方向相反的向量叫做 a \boldsymbol{a} a负向量,记作 − a - \boldsymbol{a} a。由此,规定两个向量 a \boldsymbol{a} a b \boldsymbol{b} b 的差

b − a = b + ( − a ) \boldsymbol{b} - \boldsymbol{a} = \boldsymbol{b} + (- \boldsymbol{a}) ba=b+(a)

即把向量 − a - \boldsymbol{a} a 加到向量 b \boldsymbol{b} b 上,便得 b \boldsymbol{b} b a \boldsymbol{a} a 的差 b − a \boldsymbol{b} - \boldsymbol{a} ba

特别地,当 b = a \boldsymbol{b} = \boldsymbol{a} b=a 时,有

a − a = a + ( − a ) = 0 \boldsymbol{a} - \boldsymbol{a} = \boldsymbol{a} + (- \boldsymbol{a}) = \boldsymbol{0} aa=a+(a)=0

显然,任给向量 A B → \overrightarrow{AB} AB 及点 O O O ,有

A B → = A O → + O B → = O B → − O A → \overrightarrow{AB} = \overrightarrow{AO} + \overrightarrow{OB} = \overrightarrow{OB} - \overrightarrow{OA} AB =AO +OB =OB OA

因此,若把向量 a \boldsymbol{a} a b \boldsymbol{b} b 移到同一起点 O O O ,则从 a \boldsymbol{a} a 的终点 A A A b \boldsymbol{b} b 的终点 B B B 所引的向量 A B → \overrightarrow{AB} AB 便是向量 b \boldsymbol{b} b a \boldsymbol{a} a 的差 b − a \boldsymbol{b} - \boldsymbol{a} ba

由于三角形两边之和大于第三边,有

∣ a + b ∣ ⩽ ∣ a ∣ + ∣ a ∣ 及 ∣ a − b ∣ ⩽ ∣ a ∣ + ∣ b ∣ |\boldsymbol{a} + \boldsymbol{b}| \leqslant |\boldsymbol{a}| + |\boldsymbol{a}| \quad 及 \quad |\boldsymbol{a} - \boldsymbol{b}| \leqslant |\boldsymbol{a}| + |\boldsymbol{b}| a+ba+aaba+b

其中等号在 a \boldsymbol{a} a b \boldsymbol{b} b 同向或反向时成立。

2.向量与数的乘法

向量 a \boldsymbol{a} a 与实数 λ \lambda λ 的乘积记作 λ a \lambda \boldsymbol{a} λa ,规定 λ a \lambda \boldsymbol{a} λa 是一个向量,它的模

∣ λ a ∣ = ∣ λ ∣ ∣ a ∣ , |\lambda \boldsymbol{a}| = |\lambda| |\boldsymbol{a}|, λa=λ∣∣a

它的方向当 λ > 0 \lambda > 0 λ>0 时与 a \boldsymbol{a} a 相同,当 λ < 0 \lambda < 0 λ<0 时与 a \boldsymbol{a} a 相反。

λ = 0 \lambda = 0 λ=0 时, ∣ λ a ∣ = 0 |\lambda \boldsymbol{a}| = 0 λa=0 ,即 λ a \lambda \boldsymbol{a} λa 为零向量,这时它的方向可以是任意的。

特别地,当 λ = ± 1 \lambda = \pm 1 λ=±1 时,有

1 a = a , ( − 1 ) a = − a 1 \boldsymbol{a} = a, \quad (-1) \boldsymbol{a} = - \boldsymbol{a} 1a=a,(1)a=a

向量与数的乘积符合下列运算规律:

(1)结合律 λ ( μ a ) = μ ( λ a ) = ( λ μ ) a \lambda (\mu \boldsymbol{a}) = \mu (\lambda \boldsymbol{a}) = (\lambda \mu)\boldsymbol{a} λ(μa)=μ(λa)=(λμ)a
(2)分配律
( λ + μ ) a = λ a + μ a , λ ( a + b ) = λ a + λ b . (\lambda + \mu) \boldsymbol{a} = \lambda \boldsymbol{a} + \mu \boldsymbol{a}, \\ \lambda (\boldsymbol{a} + \boldsymbol{b}) = \lambda \boldsymbol{a} + \lambda \boldsymbol{b}. (λ+μ)a=λa+μa,λ(a+b)=λa+λb.

向量相加及数乘向量统称为向量的线性运算

e a \boldsymbol{e}_{\boldsymbol{a}} ea 表示与非零向量 a \boldsymbol{a} a 同方向的单位向量,那么按照向量与数的乘积的规定,由于 ∣ a ∣ > 0 |\boldsymbol{a}| > 0 a>0 ,所以 ∣ a ∣ e a |\boldsymbol{a}| \boldsymbol{e}_{\boldsymbol{a}} aea e a \boldsymbol{e}_{\boldsymbol{a}} ea 的方向相同,即 ∣ a ∣ e a |\boldsymbol{a}| \boldsymbol{e}_{\boldsymbol{a}} aea a \boldsymbol{a} a 的方向相同。又因 ∣ a ∣ e a |\boldsymbol{a}| \boldsymbol{e}_{\boldsymbol{a}} aea 的模是

∣ a ∣ ∣ e a ∣ = ∣ a ∣ ⋅ 1 = ∣ a ∣ , |\boldsymbol{a}| |\boldsymbol{e}_{\boldsymbol{a}}| = |\boldsymbol{a}| \cdot 1 = |\boldsymbol{a}| , a∣∣ea=a1=a,

∣ a ∣ e a |\boldsymbol{a}| \boldsymbol{e}_{\boldsymbol{a}} aea a \boldsymbol{a} a 的模也相同,因此

a = ∣ a ∣ e a . \boldsymbol{a} = |\boldsymbol{a}| \boldsymbol{e}_{\boldsymbol{a}} . a=aea.

我们规定,当 λ ≠ 0 \lambda \neq 0 λ=0 时, a λ = 1 λ a \cfrac{\boldsymbol{a}}{\lambda} = \cfrac{1}{\lambda} \boldsymbol{a} λa=λ1a ,上式又可写成

a ∣ a ∣ = e a . \cfrac{\boldsymbol{a}}{|\boldsymbol{a}|} = \boldsymbol{e}_{\boldsymbol{a}} . aa=ea.

这表示一个非零向量除以它的模的结果是一个与原向量同方向的单位向量。

定理1 设向量 a ≠ 0 \boldsymbol{a} \neq \boldsymbol{0} a=0 ,则向量 b \boldsymbol{b} b 平行于 a \boldsymbol{a} a充分必要条件是:存在唯一的实数 λ \lambda λ ,使 b = λ a \boldsymbol{b} = \lambda \boldsymbol{a} b=λa .

定理1是建立数轴的理论依据。我们知道,给定一个点、一个方向及单位长度,就确定了一条数轴。由于一个单位向量既确定了方向,又确定了单位长度,因此,给定一个点及一个单位向量就确定了一条数轴。设点 O O O 及单位向量 i \boldsymbol{i} i 确定了数轴 O x Ox Ox ,对于轴上任一点 P P P ,对应一个向量 O P → \overrightarrow{OP} OP ,由于 O P → ∥ i \overrightarrow{OP} \parallel \boldsymbol{i} OP i ,根据定理1,必有唯一实数 x x x ,使 O P → = x i \overrightarrow{OP} = x \boldsymbol{i} OP =xi (实数 x x x 叫做轴上有向线段 O P → \overrightarrow{OP} OP 的值),并知 O P → \overrightarrow{OP} OP 与实数 x x x 一一对应。于是

点 P ⟷ 向量 O P → = x i ⟷ 实数 x 点P \longleftrightarrow 向量 \overrightarrow{OP} = x \boldsymbol{i} \longleftrightarrow 实数 x P向量OP =xi实数x

从而轴上的点 P P P 与实数 x x x 有一一对应的关系。据此,定义实数 x x x 为轴上点 P P P 的坐标。
数轴的定义
由此可知,轴上点 P P P 的坐标为 x x x充分必要条件

O P → = x i . \overrightarrow{OP} = x \boldsymbol{i} . OP =xi.

三、空间直角坐标系

在空间取一定点 O O O 和三个两两垂直的单位向量 i , j , k \boldsymbol{i},\boldsymbol{j},\boldsymbol{k} i,j,k ,就确定了三条都以 O O O 为原点的两两垂直的数轴,依次记为 x x x 轴(横轴)、 y y y 轴(纵轴)、 z z z 轴(数轴),统称坐标轴。它们构成一个空间直角坐标系,称为 O x y z Oxyz Oxyz 坐标系或 [ O ; i , j , k ] [O;\boldsymbol{i},\boldsymbol{j},\boldsymbol{k}] [O;i,j,k] 。通常吧 x x x 轴和 y y y 轴配置在水平面上,而 z z z 轴则是铅垂线;它们的正向通常符合右手规则,即以右手握住 z z z 轴,当右手的四个手指从 x x x 轴正向以 π 2 \cfrac{\pi}{2} 2π 角度转向 y y y 轴正向时,大拇指的指向就是 z z z 轴的正向,如下图所示

右手定则三条坐标轴中的任意两条可以确定一个平面,这样定出的三个平面称为坐标面。 x x x 轴及 y y y 轴所确定的坐标面叫做 x O y xOy xOy 面,另两个由 y y y 轴及 z z z 轴和 z z z 轴及 x x x 轴所确定的坐标面,分别叫做 y O z yOz yOz 面及 z O x zOx zOx 面。三个坐标面把空间分为八个部分,每一部分叫做一个卦限。其中,在 x O y xOy xOy 面上方且 y O z yOz yOz 面前方、 z O x zOx zOx 面右方的那个卦限叫做第一卦限,其他第二、第三、第四卦限,在 x O y xOy xOy 面的上方,按逆时针方向确定。第五至第八卦限,在 x O y xOy xOy 面下方,由第一卦限之下的第五卦限,按逆时针方向确定,这八个卦线的分别用字母 Ⅰ , Ⅱ , Ⅲ , Ⅳ , Ⅴ , Ⅵ , Ⅶ , Ⅷ Ⅰ,Ⅱ,Ⅲ,Ⅳ,Ⅴ,Ⅵ,Ⅶ,Ⅷ ,,,,,,,表示。

八个卦限任给向量 r \boldsymbol{r} r ,有对应点 M M M ,使 O M → = r \overrightarrow{OM} = \boldsymbol{r} OM =r 。以 O M OM OM 为对角线、三条坐标轴为棱长作长方体 R H M K − O P N Q RHMK-OPNQ RHMKOPNQ ,有
r = O M → = O P → + P N → + N M → = O P → + O Q → + O R → , \boldsymbol{r} = \overrightarrow{OM} = \overrightarrow{OP} + \overrightarrow{PN} + \overrightarrow{NM} = \overrightarrow{OP} + \overrightarrow{OQ} + \overrightarrow{OR} , r=OM =OP +PN +NM =OP +OQ +OR ,

O P → = x i , O Q → = y j , O R → = z k \overrightarrow{OP} = x \boldsymbol{i}, \overrightarrow{OQ} = y \boldsymbol{j}, \overrightarrow{OR} = z \boldsymbol{k} OP =xi,OQ =yj,OR =zk ,则

r = O M → = x i + y j + z k . \boldsymbol{r} = \overrightarrow{OM} = x \boldsymbol{i} + y \boldsymbol{j} + z \boldsymbol{k} . r=OM =xi+yj+zk.

上式称为向量 r \boldsymbol{r} r 的坐标分解式, x i , y j 和 z k x \boldsymbol{i}, y \boldsymbol{j} 和 z \boldsymbol{k} xi,yjzk 称为向量 r \boldsymbol{r} r 沿三个坐标轴方向的分向量。
长方体
显然,给定向量 r \boldsymbol{r} r ,就确定了点 M M M ,及 O P → , O Q → , O R → \overrightarrow{OP}, \overrightarrow{OQ}, \overrightarrow{OR} OP ,OQ ,OR 三个分向量,进而确定了 x , y , z x, y, z x,y,z 三个有序数;反之,给定三个有序数 x , y , z x, y, z x,y,z ,也就确定了向量 r \boldsymbol{r} r 与点 M M M 。于是点 M M M 、向量 r \boldsymbol{r} r 与三个有序数 x , y , z x, y, z x,y,z 之间有一一对应的关系

M ⟷ r = O M → = x i + y j + z k ⟷ ( x , y , z ) M \longleftrightarrow \boldsymbol{r} = \overrightarrow{OM} = x \boldsymbol{i} + y \boldsymbol{j} + z \boldsymbol{k} \longleftrightarrow(x, y, z) Mr=OM =xi+yj+zk(x,y,z)

据此,定义:有序数 x , y , z x, y, z x,y,z 称为向量 r \boldsymbol{r} r (在坐标系 O x y z Oxyz Oxyz 中)的坐标,记作 r = ( x , y , z ) \boldsymbol{r} = (x, y, z) r=(x,y,z) ;有序数 x , y , z x, y, z x,y,z 也称为点 M M M (在坐标系 O x y z Oxyz Oxyz 中)的坐标,记作 M ( x , y , z ) M(x, y, z) M(x,y,z)

向量 r = O M → \boldsymbol{r} = \overrightarrow{OM} r=OM 称为点 M M M 关于原点 O O O向径。。上述定义表明,一个点与该点的向径有相同的坐标。记号 ( x , y , z ) (x, y, z) (x,y,z) 既表示点 M M M 也表示向量 O M → \overrightarrow{OM} OM

坐标面和坐标轴上的点,其坐标各有一定的特征。例如:如果点 M M M y O z yOz yOz 面上,那么 x = 0 x= 0 x=0 ;同样,在 z O x zOx zOx 面上的点,有 y = 0 y = 0 y=0 ;在 x O y xOy xOy 面上的点,有 z = 0 z = 0 z=0 。如果点 M M M x x x 轴上,那么 y = z = 0 y = z = 0 y=z=0 ;同样,在 y y y 轴上的点,有 z = x = 0 z = x = 0 z=x=0 ;在 z z z 轴上的点,有 x = y = 0 x = y = 0 x=y=0 。若点 M M M 为原点,则 x = y = z = 0 x = y = z = 0 x=y=z=0

四、利用坐标作向量的线性运算

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) ,有

a + b = ( a + x + b x , a y + b y , a z + b z ) , a − b = ( a + x − b x , a y − b y , a z − b z ) , λ a = ( λ a x , λ a y , λ a z ) . \boldsymbol{a} + \boldsymbol{b} = (a+x + b_x, a_y + b_y, a_z + b_z), \\ \boldsymbol{a} - \boldsymbol{b} = (a+x - b_x, a_y - b_y, a_z - b_z), \\ \lambda \boldsymbol{a} = (\lambda a_x, \lambda a_y, \lambda a_z) . a+b=(a+x+bx,ay+by,az+bz),ab=(a+xbx,ayby,azbz),λa=(λax,λay,λaz).

当向量 a ≠ 0 \boldsymbol{a} \neq \boldsymbol{0} a=0 时,向量 b ∥ a \boldsymbol{b} \parallel \boldsymbol{a} ba 相当于 b = λ a \boldsymbol{b} = \lambda \boldsymbol{a} b=λa ,坐标表示为

( b x , b y , b z ) = λ ( a x , a y , a z ) (b_x, b_y, b_z) = \lambda (a_x, a_y, a_z) (bx,by,bz)=λ(ax,ay,az)

也就相当于向量 a \boldsymbol{a} a b \boldsymbol{b} b 对应的坐标成比例

b x a x = b y a y = b z a z \cfrac{b_x}{a_x} = \cfrac{b_y}{a_y} = \cfrac{b_z}{a_z} axbx=ayby=azbz

五、向量的模、方向角、投影

1.向量的模与两点间的距离公式

设向量 r = ( x , y , z ) \boldsymbol{r} = (x, y, z) r=(x,y,z) ,则向量模的坐标表示式为

∣ r ∣ = x 2 + y 2 + z 2 |\boldsymbol{r}| = \sqrt{x^2 + y^2 + z^2} r=x2+y2+z2

设有点 A ( x 1 , y 1 , z 1 ) A(x_1, y_1, z_1) A(x1,y1,z1) 和点 B ( x 2 , y 2 , z 2 ) B(x_2, y_2, z_2) B(x2,y2,z2) ,则 A , B A, B A,B 两点间的距离为

∣ A B ∣ = ∣ A B → ∣ = ( x 2 − x 1 ) 2 + ( y 2 − y 1 ) 2 + ( z 2 − z 1 ) 2 |AB| = |\overrightarrow{AB}| = \sqrt{(x_2 - x_1)^2 + (y_2 - y_1)^2 + (z_2 - z_1)^2} AB=AB =(x2x1)2+(y2y1)2+(z2z1)2

2.方向角与方向余弦

非零向量 r \boldsymbol{r} r 与三条坐标轴的夹角 α , β , γ \alpha, \beta, \gamma α,β,γ 称为向量 r \boldsymbol{r} r 的方向角。由下图可知,设 O M → = r = ( x , y , z ) \overrightarrow{OM} = \boldsymbol{r} = (x, y, z) OM =r=(x,y,z) ,由于 x x x 是有向线段 O P → \overrightarrow{OP} OP 的值, M P MP MP O P OP OP 垂直,故

cos ⁡ α = x ∣ O M ∣ = x ∣ r ∣ , \cos \alpha = \cfrac{x}{|OM|} = \cfrac{x}{|\boldsymbol{r}|} , cosα=OMx=rx,

类似可知

cos ⁡ β = y ∣ r ∣ , cos ⁡ γ = z ∣ r ∣ \cos \beta = \cfrac{y}{|\boldsymbol{r}|}, \quad \cos \gamma = \cfrac{z}{|\boldsymbol{r}|} cosβ=ry,cosγ=rz

从而

( cos ⁡ α , cos ⁡ β , cos ⁡ γ ) = ( x ∣ r ∣ , y ∣ r ∣ , z ∣ r ∣ ) = 1 r ( x , y , z ) = r ∣ r ∣ = e r . (\cos \alpha, \cos \beta, \cos \gamma) = (\cfrac{x}{|\boldsymbol{r}|}, \cfrac{y}{|\boldsymbol{r}|},\cfrac{z}{|\boldsymbol{r}|}) = \cfrac{1}{\boldsymbol{r}}(x, y, z) = \cfrac{\boldsymbol{r}}{|\boldsymbol{r}|} = \boldsymbol{e}_{\boldsymbol{r}} . (cosα,cosβ,cosγ)=(rx,ry,rz)=r1(x,y,z)=rr=er.

cos ⁡ α , cos ⁡ β , cos ⁡ γ \cos \alpha, \cos \beta, \cos \gamma cosα,cosβ,cosγ 称为向量 r \boldsymbol{r} r 的方向余弦。上式表明,以向量 r \boldsymbol{r} r 的方向余弦为坐标的向量就是与 r \boldsymbol{r} r 同方向的单位向量 e r \boldsymbol{e}_{\boldsymbol{r}} er,由此可得

cos ⁡ 2 α + cos ⁡ 2 β + cos ⁡ 2 γ = 1 \cos^2 \alpha + \cos^2 \beta + \cos^2 \gamma = 1 cos2α+cos2β+cos2γ=1

向量的方向角

3.向量在轴上的投影

一般地,设点 O O O 及单位向量 e \boldsymbol{e} e 确定 u u u 轴。任给向量 r \boldsymbol{r} r ,作 O M → = r \overrightarrow{OM} = \boldsymbol{r} OM =r ,再过点 M M M 作与 u u u 轴垂直的平面交 u u u 轴于点 M ′ M' M (点 M ′ M' M 叫做点 M M M u u u 轴上的投影),则向量 O M ′ → \overrightarrow{OM'} OM 称为向量 r \boldsymbol{r} r u u u 轴上的分向量。设 O M ′ → = λ e \overrightarrow{OM'} = \lambda \boldsymbol{e} OM =λe ,则数 λ \lambda λ 称为向量 r \boldsymbol{r} r u u u 轴上的投影,记作 P r j u r \mathrm{Prj}_u \boldsymbol{r} Prjur 或者 ( r ) u (\boldsymbol{r})_u (r)u

投影

按此定义,向量 a \boldsymbol{a} a 在直角坐标系 O x y z Oxyz Oxyz 中的坐标 a x , a y , a z a_x, a_y, a_z ax,ay,az 就是 a \boldsymbol{a} a 在三条坐标轴上的投影,即

a x = P r j x a , a y = P r j y a , a z = P r j z a a_x = \mathrm{Prj}_x \boldsymbol{a}, \quad a_y = \mathrm{Prj}_y \boldsymbol{a}, \quad a_z = \mathrm{Prj}_z \boldsymbol{a} ax=Prjxa,ay=Prjya,az=Prjza

或记作

a x = ( a ) x , a y = ( a ) y , a z = ( a ) z . a_x = (\boldsymbol{a})_x, \quad a_y = (\boldsymbol{a})_y, \quad a_z = (\boldsymbol{a})_z . ax=(a)x,ay=(a)y,az=(a)z.

向量的投影具有与坐标相同的性质:

性质1 P r j u a = ∣ a ∣ cos ⁡ φ ( 即 ( a ) u = ∣ a ∣ cos ⁡ φ ) \mathrm{Prj}_u \boldsymbol{a} = |\boldsymbol{a}| \cos \varphi (即 (\boldsymbol{a})_u = |\boldsymbol{a}| \cos \varphi) Prjua=acosφ((a)u=acosφ),其中 φ \varphi φ 为向量 a \boldsymbol{a} a u u u 轴的夹角;
性质2 P r j u ( a + b ) = P r j u a + P r j u b \mathrm{Prj}_u (\boldsymbol{a} + \boldsymbol{b}) = \mathrm{Prj}_u \boldsymbol{a} + \mathrm{Prj}_u \boldsymbol{b} Prju(a+b)=Prjua+Prjub (即 ( a + b ) u = ( a ) u + ( b ) u (\boldsymbol{a} + \boldsymbol{b})_u = (\boldsymbol{a})_u + (\boldsymbol{b})_u (a+b)u=(a)u+(b)u
性质3 P r j ( λ a ) = λ P r j u a \mathrm{Prj}(\lambda \boldsymbol{a}) = \lambda \mathrm{Prj}_u \boldsymbol{a} Prj(λa)=λPrjua(即 ( λ a ) u = λ ( a ) u (\lambda \boldsymbol{a})_u = \lambda (\boldsymbol{a})_u (λa)u=λ(a)u

原文链接:高等数学 8.1向量及其线性运算

相关文章:

高等数学 8.1向量及其线性运算

8.1 向量及其线性运算 文章目录 8.1 向量及其线性运算一、向量的概念向量的线性运算1.向量的加减法2.向量与数的乘法 三、空间直角坐标系四、利用坐标作向量的线性运算五、向量的模、方向角、投影1.向量的模与两点间的距离公式2.方向角与方向余弦3.向量在轴上的投影 一、向量的…...

向bash shell脚本传参

例子&#xff1a; ~ script % touch parameter.sh ~ script % chmod 755 parameter.sh ~ % vim parameter.shparameter.sh: #!/usr/bin/env bashecho the name of current script is $0echo the first parameter is $1echo the second parameter is $2echo all parameters: $…...

高精度算法:加减乘除 (学习笔记)

加法&#xff1a; 现有vector<int>a,b;并且已经输入了内容且倒置 vector<int> plus(vector<int>a,vector<int> b){ int as a.size(); int bs b.size(); vector<int>total; int carry 0; int ar 0, br 0; //读取位数 while (ar < as &am…...

JVM 主要组成部分与内存区域

一、JVM 主要组成部分&#xff1a; JVM的主要包含两个组件和两个子系统&#xff0c;分别为&#xff1a; &#xff08;1&#xff09;本地库接口(Native Interface)&#xff1a;与native lib(本地方法库)交互&#xff0c;融合其他编程语言为Java所用&#xff0c;是与其它编程语言…...

10分钟掌握项目管理核心工具:WBS、甘特图、关键路径法全解析

一、引言 在项目管理的广阔天地里&#xff0c;犹如一场精心编排的交响乐演奏&#xff0c;每个乐器、每个音符都需精准配合才能奏响美妙乐章。而 WBS&#xff08;工作分解结构&#xff09;、甘特图、关键路径法无疑是这场交响乐中的关键乐章&#xff0c;它们从不同维度为项目管…...

python语音机器人(青云客免费api)

强调&#xff1a;不用登录注册&#xff0c;直接使用就好 青云客智能聊天机器人API python代码&#xff0c;直接可以运行&#xff1a; 1、安装库&#xff1a; pip install requests pyttsx3 SpeechRecognition sounddevice numpy scipy2、完整代码&#xff1a; import request…...

策略模式以及优化

使用场景 在一个条件语句中又包含了多个条件语句 具体策略类会过多 把抽象策略和具体策略放在一个枚举类里。 方法 exe() 相当于抽象策略&#xff0c;而A和B就相当于实现了抽象策略的具体策略 这样就只需要一个枚举类就可以解决具体策略类过多的问题 public enum Strategy {A{O…...

解决tomcat双击startup.bat乱码的几种方法

新环境&#xff0c;win10&#xff0c;今天下载了tomcat9.0.98&#xff0c;是压缩绿色版的&#xff0c;解压缩安装到了&#xff1a; D:\java\apache-tomcat-9.0.98 可以通过‪D:\java\apache-tomcat-9.0.98\bin\startup.bat双击来启动tomcat。 但是日志显示乱码。 后来找到了几种…...

计算机网络 (12)物理层下面的传输媒体

前言 计算机网络物理层下面的传输媒体是计算机网络设备之间的物理通路&#xff0c;也称为传输介质或传输媒介&#xff0c;并不包含在计算机网络体系结构中&#xff0c;而是处于物理层之下。 一、传输媒体的分类 导向型媒体&#xff1a;电磁波被导引沿着固体媒体传播。常见的导向…...

Spark生态圈

Spark 主要用于替代Hadoop中的 MapReduce 计算模型。存储依然可以使用 HDFS&#xff0c;但是中间结果可以存放在内存中&#xff1b;调度可以使用 Spark 内置的&#xff0c;也可以使用更成熟的调度系统 YARN 等。 Spark有完善的生态圈&#xff1a; Spark Core&#xff1a;实现了…...

如何计算相位差

如何计算相位差 假设我们有两个同频率的正弦信号&#xff1a; 这里两个信号的角频率w2πf是相同的&#xff0c;根据同频正弦信号相位差的计算方法&#xff0c;直接用两个信号的相位相减。 再来看利用波形图计算相位差的例子&#xff1a; 另一种计算方式&#xff1a;...

Bash Shell知识合集

1. chmod命令 创建一个bash shell脚本 hello.sh ~script $ touch hello.sh脚本创建完成后并不能直接执行&#xff0c;我们要用chmod命令授予它可执行的权限&#xff1a; ~script $ chmod 755 hello.sh授权后的脚本可以直接执行&#xff1a; ~script $ ./hello.sh2.指定运行…...

《信管通低代码信息管理系统开发平台》Windows环境安装说明

1 简介 《信管通低代码信息管理系统应用平台》提供多环境软件产品开发服务&#xff0c;包括单机、局域网和互联网。我们专注于适用国产硬件和操作系统应用软件开发应用。为事业单位和企业提供行业软件定制开发&#xff0c;满足其独特需求。无论是简单的应用还是复杂的系统&…...

如何查看服务器内存占用情况?

如何查看服务器的内存占用情况&#xff1f;你知道内存使用情况对服务器性能的重要性吗&#xff1f;内存是服务器运行的核心资源之一&#xff0c;了解内存的占用情况可以帮助你优化系统性能。 要查看服务器的内存占用情况&#xff0c;首先需要确定你使用的是哪种操作系统。不同…...

【源码】Sharding-JDBC源码分析之SQL中影子库ShadowSQLRouter路由的原理

Sharding-JDBC系列 1、Sharding-JDBC分库分表的基本使用 2、Sharding-JDBC分库分表之SpringBoot分片策略 3、Sharding-JDBC分库分表之SpringBoot主从配置 4、SpringBoot集成Sharding-JDBC-5.3.0分库分表 5、SpringBoot集成Sharding-JDBC-5.3.0实现按月动态建表分表 6、【…...

OCR实践-Table-Transformer

前言 书接上文 OCR实践—PaddleOCR Table-Transformer 与 PubTables-1M table-transformer&#xff0c;来自微软&#xff0c;基于Detr&#xff0c;在PubTables1M 数据集上进行训练&#xff0c;模型是在提出数据集同时的工作&#xff0c; paper PubTables-1M: Towards comp…...

代码随想录五刷day6

提示&#xff1a;文章写完后&#xff0c;目录可以自动生成&#xff0c;如何生成可参考右边的帮助文档 文章目录 前言一、力扣144. 二叉树的前序遍历(递归)二、力扣144. 二叉树的前序遍历(迭代)三、力扣145. 二叉树的后序遍历(递归)四、力扣145. 二叉树的后序遍历(迭代)五、力扣…...

【自信息、信息熵、联合熵、条件熵、互信息】

文章目录 一、自信息 I(X)二、信息熵&#xff1a;衡量系统的混乱程度信息熵 H(X)联合熵 H(X,Y) 三、条件熵H(Y|X) 联合熵H(X,Y) - 信息熵H(X)四、互信息 I(X,Y)五、总结References 一、自信息 I(X) 自信息(Self-information) 是由香农提出的&#xff0c;用来衡量单一事件发生…...

我的秋招总结

我的秋招总结 个人背景 双非本&#xff0c;985硕&#xff0c;科班 准备情况 以求职为目的学习Java的时间大概一年。 八股&#xff0c;一开始主要是看B站黑马的八股文课程&#xff0c;背JavaGuide和小林coding还有面试鸭。 算法&#xff0c;250&#xff0c;刷了3遍左右 项目&…...

page_ref_freeze浅析

最近在研究struct page的引用计数refcount&#xff0c;看到有个page_ref_freeze()特性很有意思。用这篇博客记录一下。 本文分析基于linux4.19.195 static inline int page_ref_freeze(struct page *page, int count) {int ret likely(atomic_cmpxchg(&page->_refcoun…...

Python毕业设计选题:基于python的酒店推荐系统_django+hadoop

开发语言&#xff1a;Python框架&#xff1a;djangoPython版本&#xff1a;python3.7.7数据库&#xff1a;mysql 5.7数据库工具&#xff1a;Navicat11开发软件&#xff1a;PyCharm 系统展示 管理员登录 管理员功能界面 用户管理 酒店客房管理 客房类型管理 客房预定管理 用户…...

选择 SquashFS 作为启动分区的文件系统格式:详细教程

SquashFS 是一种高压缩率的只读文件系统,广泛用于嵌入式系统、Linux 发行版以及其他需要节省存储空间的场景。它特别适合用于启动分区、只读根文件系统(rootfs)等应用,因为它通过压缩技术极大地节省了存储空间。在本博客中,我们将详细介绍如何在 RK3568 等嵌入式设备上使用…...

Unity 读Excel,读取xlsx文件解决方案

Unity读取表格数据 效果&#xff1a; 思路&#xff1a; Unity可以解析Json&#xff0c;但是读取Excel需要插件的帮助&#xff0c;那就把这个功能分离开&#xff0c;读表插件就只管读表转Json&#xff0c;Unity就只管Json解析&#xff0c;中间需要一个存储空间&#xff0c;使用…...

【C语言】指针数组、数组指针、函数指针、指针函数、函数指针数组、回调函数

【C语言】函数指针与指针函数 文章目录 [TOC](文章目录) 前言一、指针数组二、数组指针三、函数指针四、指针函数五、函数指针数组六、回调函数七、参考资料总结 前言 使用工具&#xff1a; 1.DEVC 提示&#xff1a;以下是本篇文章正文内容&#xff0c;下面案例可供参考 一、…...

EasyExcel 模板+公式填充

使用 CellWriteHandler 的实现类来实现公式写入 Data NoArgsConstructor public class CustomCellWriteHandler implements CellWriteHandler {private int maxRowNum 2000;// 动态传入列表数量public CustomCellWriteHandler(int maxRowNum) {this.maxRowNum maxRowNum;}Ov…...

vue最新源码探索分析

我在github上fork了最新版本vue3.5版本的源码并做了大幅删除&#xff0c;保留最核心的代码&#xff0c;有兴趣的可以看看&#xff0c;欢迎大家提出PR 仓库地址 https://github.com/greatanimalion/core 本项目vue版本3.5.13 为了方便查看与分析&#xff0c;减少心智负担 已…...

产品初探Devops!以及AI如何赋能Devops?

DevOps源自Development&#xff08;开发&#xff09;和Operations&#xff08;运维&#xff09;的组合&#xff0c;是一种新的软件工程理念&#xff0c;旨在打破传统软件工程方法中“开发->测试->运维”的割裂模式&#xff0c;强调端到端高效一致的交付流程&#xff0c;实…...

深入解析MVCC中Undo Log版本底层存储读取逻辑

一、引言 多版本并发控制&#xff08;MVCC&#xff0c;Multi-Version Concurrency Control&#xff09;是一种广泛应用于关系数据库管理系统中的并发控制技术。它通过保存数据的历史版本&#xff0c;使得在事务并发执行时&#xff0c;每个事务都能看到数据的一致性视图。在MVC…...

【生产问题记录-Mysql分区】

描述 月报是根据日报的数据统计出来的&#xff0c;但是今天早上发现月报没有数据&#xff0c;日报是有数据的&#xff0c;那么为什么会导致这个结果呢&#xff1f; 问题解决 设计 因为日报table_day每天的数据量都在60w&#xff0c;所以我们采用了分区的形式&#xff0c;进…...

大型语言模型(LLMs)演化树 Large Language Models

大型语言模型&#xff08;LLMs&#xff09;演化树 Large Language Models flyfish 下面的图来自论文地址 Transformer 模型&#xff08;如 BERT 和 GPT-3&#xff09;已经给自然语言处理&#xff08;NLP&#xff09;领域带来了革命性的变化。这得益于它们具备并行化能力&…...

【LeetCode: 3159. 查询数组中元素的出现位置 + 统计下标】

&#x1f680; 算法题 &#x1f680; &#x1f332; 算法刷题专栏 | 面试必备算法 | 面试高频算法 &#x1f340; &#x1f332; 越难的东西,越要努力坚持&#xff0c;因为它具有很高的价值&#xff0c;算法就是这样✨ &#x1f332; 作者简介&#xff1a;硕风和炜&#xff0c;…...

git自动压缩提交的脚本

可以将当前未提交的代码自动执行 git addgit commitgit squash Git 命令安装指南 1. 创建脚本目录 如果目录不存在&#xff0c;创建它&#xff1a; mkdir -p ~/.local/bin2. 创建脚本文件 vim ~/.local/bin/git-squash将完整的脚本代码复制到此文件中。 3. 设置脚本权限…...

uniapp中Nvue白屏问题 ReferenceError: require is not defined

uniapp控制台输出如下 exception function:createInstanceContext, exception:white screen cause create instanceContext failed,check js stack ->Uncaught ReferenceError: require is not defined 或者 exception function:createInstanceContext, exception:white s…...

Centos8安装图形化界面

由于Centos8已经停止维护&#xff0c;所以在使用的时候会遇到yum元数据找不到的情况 1、更新yum数据源 进入目录&#xff1a; cd /etc/yum.repos.d/ 修改文件&#xff1a; sed -i s/mirrorlist/#mirrorlist/g /etc/yum.repos.d/CentOS-* sed -i s|#baseurlhttp://mirror.cent…...

2023年厦门市第30届小学生C++信息学竞赛复赛上机操作题(三、2023C. 太空旅行(travel))

#include <bits/stdc.h>using namespace std;struct Ship {int u; // 从地球到火星的时间int v; // 从火星到天王星的时间 };// 自定义比较函数 bool cmp(const Ship &a, const Ship &b) {return a.u max(a.v, b.u) b.v < b.u max(b.v, a.u) a.v; }int ma…...

Doris的SQL原理解析

今天来介绍下Doris的SQL原理解析&#xff0c;主要从语法、解析、分析、执行等几个方面来介绍&#xff0c;可以帮助大家对Doris底层有个清晰的理解~ 一、Doris简介 Apache Doris是一个基于MPP架构的高性能、实时的分析型数据库&#xff0c;能够较好的满足报表分析、即席查询、…...

【RAG实战】语言模型基础

语言模型赋予了计算机理解和生成人类语言的能力。它结合了统计学原理和深度神经网络技术&#xff0c;通过对大量的样本数据进行复杂的概率分布分析来学习语言结构的内在模式和相关性。具体地&#xff0c;语言模型可根据上下文中已出现的词序列&#xff0c;使用概率推断来预测接…...

探索 .idea 文件夹:Java Maven 工程的隐形守护者

一、.idea文件夹深度解析&#xff1a;IntelliJ IDEA项目配置的核心 在Java Maven工程的开发环境中&#xff0c;.idea文件夹扮演着举足轻重的角色。这是IntelliJ IDEA项目特有的一个配置文件夹&#xff0c;它包含了项目所需的各种配置信息&#xff0c;以确保项目能够在不同的开…...

JAVA代理模式和适配器模式

文章目录 Java 代理模式和适配器模式代理模式&#xff08;Proxy Pattern&#xff09;适配器模式&#xff08;Adapter Pattern&#xff09;代理模式和适配器模式的区别 代理模式的使用举例静态代理实现:用代理模式记录方法调用日志动态代理实现:使用 Java 动态代理记录方法调用日…...

Python大数据可视化:基于python大数据的电脑硬件推荐系统_flask+Hadoop+spider

开发语言&#xff1a;Python框架&#xff1a;flaskPython版本&#xff1a;python3.7.7数据库&#xff1a;mysql 5.7数据库工具&#xff1a;Navicat11开发软件&#xff1a;PyCharm 系统展示 管理员登录 管理员功能界面 价格区间界面 用户信息界面 品牌管理 笔记本管理 电脑主机…...

【YOLOv3】源码(train.py)

概述 主要模块分析 参数解析与初始化 功能&#xff1a;解析命令行参数&#xff0c;设置训练配置项目经理制定详细的施工计划和资源分配日志记录与监控 功能&#xff1a;初始化日志记录器&#xff0c;配置监控系统项目经理使用监控和记录工具&#xff0c;实时跟踪施工进度和质量…...

一维、线性卡尔曼滤波的例程(MATLAB)

这段 MATLAB 代码实现了一维线性卡尔曼滤波器的基本功能&#xff0c;用于估计在存在噪声的情况下目标状态的真实值 文章目录 一维线性卡尔曼滤波代码运行代码介绍1. **初始化部分**2. **数据生成**3. **卡尔曼滤波器实现**4. **结果可视化**5. **统计输出** 源代码 总结 一维线…...

【Rust自学】6.2. Option枚举

喜欢的话别忘了点赞、收藏加关注哦&#xff0c;对接下来的教程有兴趣的可以关注专栏。谢谢喵&#xff01;(&#xff65;ω&#xff65;) 6.2.1. 什么是Option枚举 它定义于标准库中&#xff0c;在Prelude&#xff08;预导入模块&#xff09;中&#xff0c;负责描述这样的场景…...

unity学习1:第1个template的项目platformer 学习

目录 0 教训&#xff0c;不要学生思路&#xff1a;路径依赖 1 从unity的编辑器里直接下载一个template 2 第一个下马威&#xff1a;下载到本地的这个模板项目第一次运行就报错, 其次关了重进就好了 2.1 报错 2.2 解决 2.3 解决 3 第2个拦路虎&#xff1a; 项目的声音大小…...

初识 Conda:一站式包管理和环境管理工具

文章目录 1. 什么是 Conda&#xff1f;2. 为什么选择 Conda&#xff1f;3. Conda 的安装3.1 安装步骤&#xff08;以 Miniconda 为例&#xff09; 4. Conda 的核心功能4.1 包管理4.2 环境管理4.3 Conda Forge4.4 设置国内镜像 5. 常见使用场景5.1 数据科学项目5.2 离线安装5.3 …...

vue.js 组件化开发 根组件

Vue.js是一个用于构建用户界面的渐进式JavaScript框架。组件化开发是Vue.js的核心理念之一&#xff0c;它允许开发者将部分代码封装为可重用的组件&#xff0c;从而提高代码的复用性和可维护性。而根组件是Vue.js应用的最顶层组件&#xff0c;它包含了其他所有的组件。 下面详…...

ASP.NET WebForms:实现全局异常捕获与处理的最佳实践

在ASP.NET WebForms中&#xff0c;你可以通过以下方法来统一捕获后台异常&#xff1a; 1. 在Global.asax中使用Application_Error Global.asax文件允许你处理应用程序级别的异常。你可以在Application_Error事件中捕获所有未处理的异常&#xff0c;并根据需要记录或处理它们。…...

vue3配置测试环境、开发环境、生产环境

第一步&#xff1a;在src同级新建 .env.production 、.env.test 、.env.development文件 第二步&#xff1a;在文件中配置开发环境、生产环境、测试环境 // 开发环境 .env.developmentNODE_ENV developmentVUE_APP_MODE development outputDir dist_dev // 打出包的名称VUE_…...

农历节日倒计时:基于Python的公历与农历日期转换及节日查询小程序(升级版)

农历节日倒计时&#xff1a;基于Python的公历与农历日期转换及节日查询小程序升级版 调整的功能 上一个小程序只是能计算当年的农历节日的间隔时间&#xff0c;那么这次修改一下&#xff0c;任意年份的农历节日都可以&#xff0c;并且能输出农历节日对应的阳历日期&#xff0…...

linux Python环境部署

登录Python官网去下载对应的版本&#xff1a;Python下载地址 在data目录下创建python文件夹 mkdir python上传下载的安装包 Python-3.8.18.tgz解压 tar -xf Python-3.8.18.tgz进入解压后的目录 cd Python-3.8.18/编译安装 ./configure --prefix/data/python38 make &&…...