0802数量积向量积混合积-向量代数与空间解析几何

文章目录

    • 1 两向量的数量积
      • 1.1 引例
      • 1.2 定义
      • 1.3 推论
      • 1.4 运算规律
      • 1.4 数量积的坐标表示
    • 2 两向量的向量积
      • 2.1 定义
      • 2.2 重要结论
      • 2.3 几何意义(向量积模)
      • 2.4 向量积的运算规律
      • 2.5 向量积的坐标表示
    • 3 向量的混合积
      • 3.1 混合积的定义
      • 3.2 混合积的坐标表示
      • 3.3 混合积的几何意义
      • 3.4 运算规则
      • 3.5 三向量共面
    • 结语

1 两向量的数量积

1.1 引例

0802数量积向量积混合积-向量代数与空间解析几何_第1张图片

  • 引例如上图所示恒力F沿直线做功
    W = ∣ F ⃗ ∣ ∣ v e c s ∣ cos ⁡ θ W = |\vec F||vec s|\cos \theta W=F ∣∣vecscosθ

1.2 定义

设有两个向量 a ⃗ , b ⃗ , 两向量夹角为 θ \vec a,\vec b,两向量夹角为\theta a ,b ,两向量夹角为θ,称数

∣ a ⃗ ∣ ∣ b ⃗ ∣ cos ⁡ θ |\vec a||\vec b|\cos \theta a ∣∣b cosθ

叫做向量 a ⃗ , b ⃗ \vec a,\vec b a ,b 的数量积,记作 a ⃗ ⋅ b ⃗ \vec a\cdot\vec b a b ,即

a ⃗ ⋅ b ⃗ = ∣ a ⃗ ∣ ∣ b ⃗ ∣ cos ⁡ θ \vec a\cdot\vec b=|\vec a||\vec b|\cos\theta a b =a ∣∣b cosθ

说明:

  • F ⃗ 沿直线位移 s ⃗ \vec F沿直线位移\vec s F 沿直线位移s 所做的功为: W = F ⃗ ⋅ s ⃗ W = \vec F\cdot\vec s W=F s

  • a ⃗ ⋅ 0 ⃗ = 0 \vec a \cdot \vec0=0 a 0 =0

  • 投影的数量积表示
    a ⃗ ⋅ b ⃗ = ∣ a ⃗ ∣ ⋅ ∣ b ⃗ ∣ ⋅ cos ⁡ θ = ∣ a ⃗ ∣ ⋅ P i j a ⃗ b ⃗ ∴ P i j a ⃗ b ⃗ = a ⃗ ⋅ b ⃗ ∣ a ⃗ ∣ = e ⃗ a ⃗ ⋅ ⃗ b \vec a \cdot\vec b=|\vec a|\cdot|\vec b|\cdot\cos\theta\\ =|\vec a|\cdot Pij_{\vec a}\vec b \\ \therefore Pij_{\vec a}\vec b = \frac{\vec a\cdot\vec b}{|\vec a|}=\vec e_{\vec a}\vec\cdot b a b =a b cosθ=a Pija b Pija b =a a b =e a b

1.3 推论

两个重要的推论:

  1. a ⃗ ⋅ a ⃗ = ∣ a ⃗ ∣ 2 \vec a\cdot\vec a =|\vec a|^2 a a =a 2
  2. 两个非零向量$\vec a,\vec b| $,则 a ⃗ ⊥ b ⃗ ⇔ a ⃗ ⋅ b ⃗ = 0 \vec a\perp\vec b\Leftrightarrow \vec a\cdot\vec b=0 a b a b =0

1.4 运算规律

  • 交换律: a ⃗ ⋅ b ⃗ = b ⃗ ⋅ a ⃗ \vec a\cdot\vec b=\vec b\cdot \vec a a b =b a
  • 分配律: ( a ⃗ + b ⃗ ) ⋅ c ⃗ = a ⃗ ⋅ c ⃗ + b ⃗ ⋅ c ⃗ (\vec a + \vec b)\cdot\vec c=\vec a\cdot\vec c+\vec b\cdot\vec c (a +b )c =a c +b c
  • 结合律: ( λ a ⃗ ) ⋅ b ⃗ = λ ( a ⃗ ⋅ b ⃗ ) (\lambda\vec a)\cdot\vec b=\lambda(\vec a\cdot\vec b) (λa )b =λ(a b )

注:

  1. ( a ⃗ + b ⃗ ) 2 = a ⃗ 2 + 2 a ⃗ ⋅ b ⃗ + b ⃗ 2 (\vec a+\vec b)^2=\vec a^2+2\vec a\cdot\vec b+ \vec b^2 (a +b )2=a 2+2a b +b 2,即 ∣ a ⃗ + b ⃗ ∣ 2 = ∣ a ⃗ ∣ 2 + 2 ∣ a ⃗ ∣ ∣ b ⃗ ∣ cos ⁡ θ + ∣ b ⃗ ∣ 2 |\vec a+\vec b|^2=|\vec a|^2+2|\vec a||\vec b|\cos\theta+|\vec b|^2 a +b 2=a 2+2∣a ∣∣b cosθ+b 2为余弦定理。

1.4 数量积的坐标表示

a ⃗ = ( x 1 , y 1 , z 1 ) , b ⃗ = ( x 2 , y 2 , z 2 ) \vec a=(x_1,y_1,z_1),\vec b=(x_2,y_2,z_2) a =(x1,y1,z1),b =(x2,y2,z2),则

  • a ⃗ ⋅ b ⃗ = ( x 1 x 2 , y 1 y 2 , z 1 z 2 ) \vec a\cdot\vec b=(x_1x_2,y_1y_2,z_1z_2) a b =(x1x2,y1y2,z1z2)
  • cos ⁡ θ = a ⃗ ⋅ b ⃗ ∣ a ⃗ ∣ ∣ b ⃗ ∣ = x 1 x 2 + y 1 y 2 + z 1 z 2 x 1 2 + y 1 2 + z 1 I 2 x 2 2 + y 2 2 + z 2 I 2 \cos\theta = \frac{\vec a\cdot\vec b}{|\vec a||\vec b|}=\frac{x_1x_2+y_1y_2+z_1z_2}{\sqrt{x1^2+y_1^2+z_1I^2}\sqrt{x_2^2+y_2^2+z_2^I2}} cosθ=a ∣∣b a b =x12+y12+z1I2 x22+y22+z2I2 x1x2+y1y2+z1z2

例1 已知三点 M ( 1 , 1 , 1 ) , A ( 2 , 2 , 1 ) , B ( 2 , 1 , 2 ) ,求 ∠ A M B M(1,1,1),A(2,2,1),B(2,1,2),求\angle{AMB} M(1,1,1),A(2,2,1),B(2,1,2),求AMB
解: M A ⃗ = ( 1 , 1 , 0 ) , M B ⃗ = ( 1 , 0 , 1 ) ∠ A M B = M A ⃗ ⋅ M B ⃗ ∣ M A ⃗ ∣ ∣ M B ⃗ ∣ = 1 2 ⋅ 2 = 1 2 ∴ ∠ A M B = π 3 解:\vec{MA}=(1,1,0),\vec{MB}=(1,0,1)\\ \angle{AMB}=\frac{\vec{MA}\cdot\vec{MB}}{|\vec{MA}||\vec{MB}|}\\ =\frac{1}{\sqrt2\cdot\sqrt2}=\frac{1}{2}\\ \therefore \angle{AMB}=\frac{\pi}{3} 解:MA =(1,1,0),MB =(1,0,1)AMB=MA ∣∣MB MA MB =2 2 1=21AMB=3π

例2 已知 a ⃗ = ( 2 , 2 , 1 ) , b ⃗ = ( 3 , 4 , − 2 ) ,求 P i j a ⃗ b ⃗ \vec a=(2,2,1),\vec b=(3,4,-2),求Pij_{\vec a}\vec b a =(2,2,1),b =(3,4,2),求Pija b
解: ∣ a ⃗ ∣ = 3 , e ⃗ a ⃗ = ( 2 3 , 2 3 , 1 3 ) ∴ P i j a ⃗ b ⃗ = e ⃗ a ⃗ ⋅ b ⃗ = 2 + 8 3 − 2 3 = 4 解:|\vec a|=3,\vec e_{\vec a}=(\frac{2}{3},\frac{2}{3},\frac{1}{3})\\ \therefore Pij_{\vec a}\vec b=\vec e_{\vec a}\cdot \vec b=2+\frac{8}{3}-\frac{2}{3}=4 解:a =3,e a =(32,32,31)Pija b =e a b =2+3832=4

2 两向量的向量积

2.1 定义

设向量 c ⃗ \vec c c 有两个向量 a ⃗ , b ⃗ ,夹角为 θ \vec a,\vec b,夹角为\theta a ,b ,夹角为θ按下列方式定出:

∣ c ⃗ ∣ = ∣ a ⃗ ∣ ∣ b ⃗ ∣ sin ⁡ θ |\vec c| = |\vec a||\vec b|\sin\theta c =a ∣∣b sinθ c ⃗ \vec c c 的方向垂直于 a ⃗ 于 b ⃗ \vec a于\vec b a b 所决定的平面,方向按右手规则从 a ⃗ \vec a a 转向 b ⃗ \vec b b 确定。向量 c ⃗ \vec c c 叫做向量 a ⃗ 与 b ⃗ \vec a与\vec b a b 的向量积,记作 a ⃗ × b ⃗ \vec a\times \vec b a ×b .

注:右手规则,如下图2.1-1所示:

0802数量积向量积混合积-向量代数与空间解析几何_第2张图片

四指握的方向为 a ⃗ 到 b ⃗ \vec a到\vec b a b 的转向,大拇指指的方向即为向量积的方向。

注:

  1. c ⃗ ⊥ a ⃗ , c ⃗ ⊥ b ⃗ \vec c \perp \vec a,\vec c\perp \vec b c a ,c b

2.2 重要结论

  1. a ⃗ × a ⃗ = 0 ⃗ \vec a\times \vec a=\vec0 a ×a =0

  2. 两非零向量 a ⃗ , b ⃗ \vec a,\vec b a ,b ,则 a ⃗ ∥ b ⃗ ⇔ a ⃗ × b ⃗ = 0 ⃗ \vec a\parallel \vec b\Leftrightarrow \vec a\times\vec b=\vec0 a b a ×b =0

2.3 几何意义(向量积模)

如下图2.3-1所示:

0802数量积向量积混合积-向量代数与空间解析几何_第3张图片

a ⃗ , b ⃗ \vec a,\vec b a ,b 为邻边做平行四边形,则 ∣ a ⃗ × b ⃗ ∣ = ∣ a ⃗ ∣ ⋅ ∣ b ⃗ ∣ sin ⁡ θ = S 平行四边形 |\vec a\times\vec b|=|\vec a|\cdot|\vec b|\sin\theta=S_{平行四边形} a ×b =a b sinθ=S平行四边形,即 ∣ a ⃗ × b ⃗ ∣ |\vec a\times\vec b| a ×b 表示以 a ⃗ , b ⃗ \vec a,\vec b a ,b 为邻边的平行四边形的面积。

2.4 向量积的运算规律

  1. a ⃗ × b ⃗ = − b ⃗ × a ⃗ \vec a\times\vec b=-\vec b\times\vec a a ×b =b ×a
  2. 分配律: ( a ⃗ + b ⃗ ) × c ⃗ = a ⃗ × c ⃗ + b ⃗ × c ⃗ (\vec a+\vec b)\times\vec c=\vec a\times \vec c+\vec b\times\vec c (a +b )×c =a ×c +b ×c
  3. 结合律: ( λ a ⃗ ) × b ⃗ = λ ( a ⃗ × b ⃗ ) (\lambda\vec a)\times\vec b=\lambda(\vec a\times\vec b) (λa )×b =λ(a ×b )

2.5 向量积的坐标表示

a ⃗ = ( x 1 , y 1 , z 1 ) , b ⃗ = ( x 2 , y 2 , z 2 ) \vec a=(x_1,y_1,z_1),\vec b=(x_2,y_2,z_2) a =(x1,y1,z1),b =(x2,y2,z2),则
a ⃗ × b ⃗ = ( x 1 i ⃗ + y 1 j ⃗ + z 1 k ⃗ ) × ( x 2 i ⃗ + y 2 j ⃗ + z 2 k ⃗ ) = ( y 1 z 2 − z 1 y 2 ) i ⃗ + ( x 1 z 2 − z 1 x 2 ) j ⃗ + ( x 1 y 2 − y 1 x 2 ) k ⃗ \vec a\times\vec b=(x_1\vec i+y_1\vec j+z_1\vec k)\times(x_2\vec i+y_2\vec j+z_2\vec k)\\ =(y_1z_2-z_1y_2)\vec i+(x_1z_2-z_1x_2)\vec j+(x_1y_2-y_1x_2)\vec k a ×b =(x1i +y1j +z1k )×(x2i +y2j +z2k )=(y1z2z1y2)i +(x1z2z1x2)j +(x1y2y1x2)k
用三阶行列式表示为:

a ⃗ × b ⃗ = ∣ i ⃗ j ⃗ k ⃗ x 1 y 1 z 1 x 2 y 2 z 2 ∣ = i ⃗ ⋅ ∣ y 1 z 1 y 2 z 2 ∣ − j ⃗ ∣ x 1 z 1 x 2 z 2 ∣ + k ⃗ ⋅ ∣ x 1 y 1 x 2 y 2 ∣ = ( y 1 z 2 − z 1 y 2 ) ⋅ i ⃗ − ( x 1 z 2 − z 1 x 2 ) ⋅ j ⃗ + ( x 1 y 2 − y 1 x 2 ) ⋅ k \vec a\times\vec b= \begin{vmatrix} \vec i&\vec j&\vec k\\ x_1&y_1&z_1\\ x_2&y_2&z_2 \end{vmatrix}\\ =\vec i\cdot \begin{vmatrix} y_1&z_1\\ y_2&z_2\\ \end{vmatrix} - \vec j \begin{vmatrix} x_1&z_1\\ x_2&z_2 \end{vmatrix}+\vec k\cdot \begin{vmatrix} x_1&y_1\\ x_2&y_2 \end{vmatrix}\\ =(y_1z_2-z_1y_2)\cdot\vec i-(x_1z_2-z_1x_2)\cdot\vec j+(x_1y_2-y_1x_2)\cdot k a ×b = i x1x2j y1y2k z1z2 =i y1y2z1z2 j x1x2z1z2 +k x1x2y1y2 =(y1z2z1y2)i (x1z2z1x2)j +(x1y2y1x2)k

例4 已知 c ⃗ ⊥ a ⃗ , 且 c ⃗ ⊥ b ⃗ . ∣ c ⃗ ∣ = 3 ,求 c ⃗ \vec c \perp \vec a,且\vec c \perp \vec b. |\vec c|=3,求\vec c c a ,c b .∣c =3,求c .其中, a ⃗ = ( 2 , 1 , − 1 ) , b ⃗ = ( 1 , − 1 , 2 ) \vec a=(2,1,-1),\vec b=(1,-1,2) a =(2,1,1),b =(1,1,2)
解: a ⃗ × b ⃗ = ∣ i ⃗ j ⃗ k ⃗ 2 1 − 1 1 − 1 2 ∣ = i ⃗ − 5 j ⃗ + ( − 3 ) k ⃗ e a ⃗ × b ⃗ = ( 1 35 , − 5 35 , − 3 35 ) ∴ c ⃗ = ± 3 e a ⃗ × b ⃗ = ( ± 3 35 , ± 15 35 , ± 9 35 ) 解:\vec a\times\vec b= \begin{vmatrix} \vec i&\vec j&\vec k\\ 2&1&-1\\ 1&-1&2\\ \end{vmatrix}\\ =\vec i-5\vec j+(-3)\vec k\\ e_{\vec a\times\vec b}=(\frac{1}{\sqrt{35}},\frac{-5}{\sqrt{35}},\frac{-3}{\sqrt{35}})\\ \therefore \vec c=\pm3e_{\vec a\times \vec b}=(\pm\frac{3}{\sqrt{35}},\pm\frac{15}{\sqrt{35}},\pm\frac{9}{\sqrt{35}}) 解:a ×b = i 21j 11k 12 =i 5j +(3)k ea ×b =(35 1,35 5,35 3)c =±3ea ×b =(±35 3,±35 15,±35 9)
例5 已知 A ( 1 , 2 , 3 ) , B ( 3 , 4 , 5 ) , C ( 2 , 4 , 7 ) , 求 S △ A B C A(1,2,3),B(3,4,5),C(2,4,7),求S_{\triangle{ABC}} A(1,2,3),B(3,4,5),C(2,4,7),SABC
S △ A B C = 1 2 ∣ A B ⃗ × A C ⃗ ∣ = 1 2 ∥ i ⃗ j ⃗ k ⃗ 2 2 2 1 2 4 ∥ = 1 2 4 2 + ( − 6 ) 2 + 2 2 = 14 S_{\triangle{ABC}}=\frac{1}{2}|\vec{AB}\times\vec{AC}|\\ =\frac{1}{2} \begin{Vmatrix} \vec i&\vec j&\vec k\\ 2&2&2\\ 1&2&4\\ \end{Vmatrix}\\ =\frac{1}{2}\sqrt{4^2+(-6)^2+2^2}=\sqrt{14} SABC=21AB ×AC =21 i 21j 22k 24 =2142+(6)2+22 =14

3 向量的混合积

3.1 混合积的定义

设已知三个向量 a ⃗ , b ⃗ , c ⃗ \vec a,\vec b,\vec c a ,b ,c ,先做向量 a ⃗ 和 b ⃗ 的向量积 a ⃗ × b ⃗ \vec a和\vec b的向量积\vec a\times\vec b a b 的向量积a ×b ,把得到的向量与 c ⃗ 做数量积 ( a ⃗ × b ⃗ ) ⋅ c ⃗ \vec c做数量积(\vec a\times\vec b)\cdot\vec c c 做数量积(a ×b )c ,这样得到的数量叫做三向量的混合积,记作 [ a ⃗ b ⃗ c ⃗ ] [\vec a\vec b\vec c] [a b c ]

3.2 混合积的坐标表示

a ⃗ = ( x 1 , y 1 , z 1 ) , b ⃗ = ( x 2 , y 2 , z 2 ) , c ⃗ = ( x 3 , y 3 , z 3 ) \vec a=(x_1,y_1,z_1),\vec b=(x_2,y_2,z_2),\vec c=(x_3,y_3,z_3) a =(x1,y1,z1),b =(x2,y2,z2),c =(x3,y3,z3),则


[ a ⃗ b ⃗ c ⃗ ] = ( a ⃗ × b ⃗ ) ⋅ c ⃗ = ∣ x 1 y 1 z 1 x 2 y 2 z 2 x 3 y 3 z 3 ∣ [\vec a\vec b\vec c]=(\vec a\times\vec b)\cdot\vec c=\\ \begin{vmatrix} x_1&y_1&z_1\\ x_2&y_2&z_2\\ x_3&y_3&z_3\\ \end{vmatrix} [a b c ]=(a ×b )c = x1x2x3y1y2y3z1z2z3

3.3 混合积的几何意义

0802数量积向量积混合积-向量代数与空间解析几何_第4张图片

如上图所示向量积的混合积绝对值表示以 a ⃗ , b ⃗ , c ⃗ \vec a,\vec b,\vec c a ,b ,c 为棱的平行六面体的体积。

3.4 运算规则

  • [ a ⃗ b ⃗ c ⃗ ] = [ b ⃗ c ⃗ a ⃗ ] = [ c ⃗ a ⃗ b ⃗ ] = − [ a ⃗ c ⃗ b ⃗ ] = − [ c ⃗ b ⃗ a ⃗ ] = − [ b ⃗ a ⃗ c ⃗ ] [\vec a\vec b\vec c]=[\vec b\vec c\vec a]=[\vec c\vec a\vec b]=-[\vec a\vec c\vec b]=-[\vec c\vec b\vec a]=-[\vec b\vec a\vec c] [a b c ]=[b c a ]=[c a b ]=[a c b ]=[c b a ]=[b a c ]

3.5 三向量共面

a ⃗ , b ⃗ , c ⃗ 共面 ⇔ [ a ⃗ b ⃗ c ⃗ ] = 0 \vec a,\vec b,\vec c共面\Leftrightarrow [\vec a\vec b\vec c]=0 a ,b c 共面[a b c ]=0

例i6 已知 ( a ⃗ × b ⃗ ) ⋅ c ⃗ = 2 , 则 [ ( a ⃗ + b ⃗ ) × ( b ⃗ + c ⃗ ) ] ⋅ ( c ⃗ + a ⃗ ) = ? (\vec a\times\vec b)\cdot\vec c=2,则[(\vec a+\vec b)\times(\vec b+\vec c)]\cdot(\vec c+\vec a)=? (a ×b )c =2,[(a +b )×(b +c )](c +a )=?
解: [ ( a ⃗ + b ⃗ ) × ( b ⃗ + c ⃗ ) ] ⋅ ( c ⃗ + a ⃗ ) = ( a ⃗ × b ⃗ + a ⃗ × c ⃗ + b ⃗ × b ⃗ + b ⃗ × c ⃗ ) ⋅ ( c ⃗ + a ⃗ ) = [ a ⃗ b ⃗ c ⃗ ] + [ a ⃗ b ⃗ a ⃗ ] + [ a ⃗ c ⃗ c ⃗ ] + [ a ⃗ c ⃗ a ⃗ ] + [ b ⃗ c ⃗ c ⃗ ] + [ b ⃗ c ⃗ a ⃗ ] = 2 [ a ⃗ b ⃗ c ⃗ ] = 4 解:\\ [(\vec a+\vec b)\times(\vec b+\vec c)]\cdot(\vec c+\vec a)=\\ (\vec a\times\vec b+\vec a\times\vec c+\vec b\times\vec b+\vec b\times\vec c)\cdot(\vec c+\vec a)\\ =[\vec a\vec b\vec c]+[\vec a\vec b\vec a]+[\vec a\vec c\vec c]+[\vec a\vec c\vec a]+[\vec b\vec c\vec c]+[\vec b\vec c\vec a]=2[\vec a\vec b\vec c]=4 解:[(a +b )×(b +c )](c +a )=(a ×b +a ×c +b ×b +b ×c )(c +a )=[a b c ]+[a b a ]+[a c c ]+[a c a ]+[b c c ]+[b c a ]=2[a b c ]=4

结语

❓QQ:806797785

⭐️文档笔记地址:https://gitee.com/gaogzhen/math

参考:

[1]同济大学数学系.高等数学 第七版 下册[M].北京:高等教育出版社,2014.7.p14-22.

[2]同济七版《高等数学》全程教学视频[CP/OL].2020-04-16.p52.

你可能感兴趣的:(数量积向量积混合积,高等数学)