向量的内积外积与其几何意义
一、点乘(内积)
有向量 a⃗=(x1,y1),b⃗=(x2,y2)\vec a=(x_1,y_1),\vec b=(x_2,y_2)a=(x1,y1),b=(x2,y2),夹角为 θ\thetaθ,内积为:
a⃗⋅b⃗=∣a⃗∣∣b⃗∣cosθ=x1x2+y1y2\vec a \cdot \vec b=|\vec a||\vec b|\cos\theta=x_1x_2 + y_1y_2 a⋅b=∣a∣∣b∣cosθ=x1x2+y1y2
几何意义:
- 夹角,由 a⃗⋅b⃗=∣a⃗∣∣b⃗∣cosθ\vec a \cdot \vec b=|\vec a||\vec b|\cos\thetaa⋅b=∣a∣∣b∣cosθ 知,当内积 >0>0>0,θ<90∘\theta<90^\circθ<90∘,内积 <0<0<0,θ>90∘\theta>90^\circθ>90∘,内积 =0=0=0,θ=90∘\theta=90^\circθ=90∘。同时也可以计算 θ\thetaθ 的值:θ=arccosa⃗⋅b⃗∣a⃗∣∣b⃗∣\theta=arccos\frac {\vec a \cdot \vec b}{|\vec a||\vec b|}θ=arccos∣a∣∣b∣a⋅b
- 投影,∣a⃗∣cosθ=a⃗⋅b⃗∣b⃗∣|\vec a|\cos\theta=\frac {\vec a \cdot \vec b}{|\vec b|}∣a∣cosθ=∣b∣a⋅b 表示 a⃗\vec aa 在 b⃗\vec bb 上的投影。
对偶性:a⃗⋅b⃗=∣a⃗∣(∣b⃗∣cosθ)=∣b⃗∣(∣a⃗∣cosθ)\vec a \cdot \vec b=|\vec a|(|\vec b|\cos\theta)=|\vec b|(|\vec a|\cos\theta)a⋅b=∣a∣(∣b∣cosθ)=∣b∣(∣a∣cosθ)
∣a⃗∣(∣b⃗∣cosθ)|\vec a|(|\vec b|\cos\theta)∣a∣(∣b∣cosθ) 的理解是 a⃗\vec aa 的长度与 b⃗\vec bb 在 a⃗\vec aa 上的投影的乘积;
∣b⃗∣(∣a⃗∣cosθ)|\vec b|(|\vec a|\cos\theta)∣b∣(∣a∣cosθ) 的理解是 b⃗\vec bb 的长度与 a⃗\vec aa 在 b⃗\vec bb 上的投影的乘积;
而这两个是相等的。
二、叉乘(外积)
上面的公式,就是求三阶行列式。
几何意义:
- 上面如果不把 i⃗,j⃗,k⃗\vec i,\vec j,\vec ki,j,k 的具体指带入公式,而是写成 a⃗×b⃗=mi⃗+nj⃗+lk⃗\vec a \times \vec b=m\vec i+n\vec j+l\vec ka×b=mi+nj+lk 的形式,向量 (m,n,l)(m,n,l)(m,n,l) 就是一个同时垂直 a⃗\vec aa 和 b⃗\vec bb 的向量,如下图:
- 对于二维向量,a⃗=(x1,y1),b⃗=(x2,y2)\vec a=(x_1,y_1),\vec b=(x_2,y_2)a=(x1,y1),b=(x2,y2),按照上面的公式得:
a⃗×b⃗=∣x1y1x2y2∣=x1y2−x2y1\vec a \times \vec b=\begin{vmatrix} x_1 & y_1 \\ x_2 & y_2 \\ \end{vmatrix}=x_1y_2-x_2y_1a×b=∣∣∣∣x1x2y1y2∣∣∣∣=x1y2−x2y1,设这个数值为 mmm。
则,∣m∣=∣a×b∣=∣a∣∣b∣sinθ|m|=|a×b|=|a| |b|\sin\theta∣m∣=∣a×b∣=∣a∣∣b∣sinθ (θ\thetaθ为 a⃗\vec aa 和 b⃗\vec bb 的夹角)
且,|m| = a⃗\vec aa 和 b⃗\vec bb构成的平行四边形的面积 ,如下图:
- 判断向量的相对位置(顺逆时针)
a⃗\vec aa 和 b⃗\vec bb 如图所示:
如果让 a⃗\vec aa 以最小角度转到 b⃗\vec bb 的方向,是顺时针还是逆时针呢,从图中很容易看出,但怎么用数字判断呢?
仍然是 m=a⃗×b⃗=x1y2−x2y1m=\vec a \times \vec b=x_1y_2-x_2y_1m=a×b=x1y2−x2y1,
当 m>0m>0m>0,a⃗\vec aa 逆时针转到 b⃗\vec bb 的角度 <180∘<180^\circ<180∘,
当 m<0m<0m<0,a⃗\vec aa 逆时针转到 b⃗\vec bb 的角度 >180∘>180^\circ>180∘,
当 m=0m=0m=0,a⃗\vec aa 和 b⃗\vec bb 共线。
直观记忆如下图:
m>0m>0m>0,b⃗\vec bb 在蓝色部分;
m<0m<0m<0,b⃗\vec bb 在红色部分;
m=0m=0m=0,b⃗\vec bb 在分界线上(与 a⃗\vec aa 共线 )。
三、扩展(坐标系引发的顺逆指针分不清事件)
我们平时默认的坐标系是这样的:
但有时候的坐标系是这样的(比如数字图像中):
可以发现,同样的 a⃗=(2,1)\vec a=(2,1)a=(2,1) 转到 b⃗=(1,2)\vec b=(1,2)b=(1,2) ,在上面的坐标系中就是逆时针,而在下面的坐标系中就是顺时针,所以为了统一说明,定义了 “正旋转” :从 xxx 轴旋转到 yyy 轴的方向。
所以,上面利用向量叉乘判断向量相对位置的性质描述应该为:
当 m>0m>0m>0,a⃗\vec aa 正旋转到 b⃗\vec bb 的角度 <180∘<180^\circ<180∘,
当 m<0m<0m<0,a⃗\vec aa 正旋转到 b⃗\vec bb 的角度 >180∘>180^\circ>180∘,
当 m=0m=0m=0,a⃗\vec aa 和 b⃗\vec bb 共线。
而那张直观记忆图只在我们平时默认的坐标系中才成立。
向量的内积外积与其几何意义相关推荐
- 向量的内积外积哈达玛积
1.向量的内积 1.1 定义 从代数角度看,先对两个数字序列中的每组对应元素求积,再对所有积求和,结果即为点积.从几何角度看,点积则是两个向量的长度与它们夹角余弦的积. 表示形式: A T B A^T ...
- 向量的内积(点乘)与外积(叉乘)
向量的内积(点乘)与外积(叉乘) 向量的内积=点乘 向量的外积=叉乘 向量的内积(点乘) 内积的几何意义: 用来表征或计算两个向量之间的夹角 在b向量在a向量方向上的投影. 向量的外积(叉乘) 两个向 ...
- 向量的内积(点乘)与 向量的外积(叉乘)
向量的内积(点乘) 定义 概括地说,向量的内积(点乘/数量积).对两个向量执行点乘运算,就是对这两个向量对应位一一相乘之后求和的操作,如下所示,对于向量a和向量b: a和b的点积公式为: 这里要求一维 ...
- 线性代数之 向量的内积,外积,长度,正交与正交矩阵
线性代数之 向量的内积,外积,长度,正交和正交矩阵 向量的内积 向量的外积 向量的长度 向量正交 正交矩阵 正交矩阵的扩展 向量的内积 对于列向量a,b∈Rna,b\in R^na,b∈Rn,其内积( ...
- Python/Numpy之点积叉积内积外积张量积
Python/Numpy之点积叉积内积外积张量积 内积(内积.标量积.数量积.点积.点乘)a与b的内积为 a·b = |a||b|cos∠(a, b),结果为标量(一个数) 外积(叉乘):向量a与b的 ...
- 线性代数:第五章 相似矩阵及二次型(1)向量的内积 方阵的特征值与特征向量 相似矩阵
第一节 向量的内积 一.数学概念 1. 内积:设有n维向量 令 , 则称[x,y]为向量x与y的内积. 2. 范数:称 为向量x的范数(或长度). 3. 单位向量:称 时的向量x ...
- 两个向量之间的夹角公式_向量的内积
向量的内积也叫向量的数量积.点积.我们定义两个向量的内积是一个数: 其中 是这两个向量的夹角. 对于向量的内积,最重要的一个结论是: 定理1:两向量垂直的充分必要条件是它们的内积为 0,即 这个定理我 ...
- 向量的内积,与角的关系,向量与它本身点积_4
目录 什么是点积? 点积运算 向量与角的联系 向量和它本身 什么是点积? 两个向量相乘,我们应该会想到如下场景: 但这个在现实生活中,用处不大. 但是其他乘法形式很有用. 最重要的是一种向量运算方式是 ...
- python向量点乘_Python线性代数学习笔记——向量的点乘与几何意义,实现向量的点乘操作...
好久没有写文章了,抱歉了,以后每天都会更新一篇的.... 向量的点乘,也就是两个向量相乘: 我们是不这么定义的,不是两个向量对应的坐标元素相乘: 两个向量"相乘",结果是⼀个数!, ...
最新文章
- 厉害了,网易伏羲三篇论文上榜 AI 顶会 ACL
- R语言使用ggplot2包的快速可视化函数qplot绘制密度图(主题、轴标签设置)实战
- PowerShell导出共存环境下的Exchange数据库列表
- 【HDU6701】Make Rounddog Happy【权值线段树+双向单调队列】
- 开关磁阻电机调速控制的仿真研究
- [reference]-ARM core timeline
- Python 学习笔记 (8)—— sys模块
- whois老域名挖掘技术
- linux下安装win xp 进pe出错,PE安装原版XP系统(含高版本PE安装选项灰色处理办法)...
- 选择合适的方法调试程序
- .NET Core中延迟单例另一种写法【.NET Core和.NET Framework的beforefieldinit差异】
- 如何在工作中快速成长?阿里资深架构师给工程师的10个简单技巧
- 理解常量指针与指针常量?
- Oozie 集成 Ssh
- Android打造自定义通用popWindow
- Word删除表格后的空白页
- Android开发中导入字体库
- 计算机管理里面删打印机就卡住了,windows系统无法删除打印机任务(重启打印机无效)的解决方法...
- 小冰岛——小户赛茶的特点
- 【AXI】解读AXI协议中的burst突发传输机制
热门文章
- Win10系统电脑前置面板插上耳机没声音怎么办?解决方法
- RuntimeError: populate() isn‘t reentrant
- 怎么在图片上添加文字?这几种添加文字方法非常简单
- python+nodejs+php+springboot+vue英雄联盟的游戏代练系统
- 品牌京东联盟,轻享品质生活,母亲节送礼清单看过来!
- 4.1 字符串及其表示
- 5分绩点转4分_央视5台直播女乒世界杯,4分之1决赛对阵表,孙颖莎的硬仗来了...
- C++性能优化(七)——内存池技术
- 制造业转型的主要因素
- mysql中的参照完整性