几何向量的加法与数乘

                     

贡献者: addis

预备知识 几何向量

   把所有几何向量收集到一起,构成一个集合,本身没什么可以研究的。在集合中我们说过,没有任何附加结构的集合中,元素叫什么都不重要,只有元素数量重要。

   幸运的是,向量集合有讨论的意义,因为我们可以引入了向量的运算,这样,向量集合就有了可以研究的运算结构。

1. 向量的加法

   两个向量相加,结果是另一个向量,具体定义如下:

图
图 1:向量的加法。左:平行四边形法则;中:三角形法则;右:多个向量相加

   如图 1 ,两个向量相加,既可以使用平行四边形法则,也可以用三角形法则。平行四边形法则是指先将两个向量移动到共同的起点,然后以它们为边做一个平行四边形,再由对角线得到相加后的向量。三角形法则是指将第二个向量的起点移动到第一个向量的终点,然后作出从第一个向量起点指向第二个向量终点的向量。容易证明,二者的结果是一样的。

   特殊地,如果 $ \boldsymbol{\mathbf{A}} $ 和 $ \boldsymbol{\mathbf{B}} $ 方向相同或相反(即共线),那么我们姑且把挤成一条线的平行四边形(三角形)仍然叫做平行四边形(三角形),同样可以定义加法。我们可以写出向量加法的三角不等式

\begin{equation} \big| \left\lvert \boldsymbol{\mathbf{A}} \right\rvert - \left\lvert \boldsymbol{\mathbf{B}} \right\rvert \big| \leqslant \left\lvert \boldsymbol{\mathbf{A}} + \boldsymbol{\mathbf{B}} \right\rvert \leqslant \left\lvert \boldsymbol{\mathbf{A}} \right\rvert + \left\lvert \boldsymbol{\mathbf{B}} \right\rvert ~. \end{equation}
即两边之和大于第三边,两边之差小于第三边。显然,当且仅当方向相同时 $ \boldsymbol{\mathbf{C}} $ 的模长等于 $ \boldsymbol{\mathbf{A}} $ 和 $ \boldsymbol{\mathbf{C}} $ 的模长之和;当且仅当方向相反时,$ \boldsymbol{\mathbf{C}} $ 的模长等于 $ \boldsymbol{\mathbf{A}} $ 和 $ \boldsymbol{\mathbf{C}} $ 的模长之差。

   若有多个向量连续相加,我们既可以依次使用平行四边形法则,也可以分别把它们依次首尾相接,结果就是由起点指向终点的向量。二者结果也是一样的,证明留作习题。

   根据平行四边形的性质容易证明向量的加法满足交换律(commutative property)

\begin{equation} \boldsymbol{\mathbf{A}} + \boldsymbol{\mathbf{B}} = \boldsymbol{\mathbf{B}} + \boldsymbol{\mathbf{A}} ~ \end{equation}
以及结合律(associative property)
\begin{equation} ( \boldsymbol{\mathbf{A}} + \boldsymbol{\mathbf{B}} ) + \boldsymbol{\mathbf{C}} = \boldsymbol{\mathbf{A}} + ( \boldsymbol{\mathbf{B}} + \boldsymbol{\mathbf{C}} )~. \end{equation}

2. 向量的数乘、共线、逆向量、归一化

   第二个向量运算,是一个向量和一个数字的乘积,得到一个向量,称为数乘,我们用例子定义如下。

图
图 2:向量的数乘

   如图 2 ,一个向量与一个正实数相乘,则方向不变,把长度乘以这个实数。若这个数是负数,则把向量取反方向再把长度乘以这个实数数的绝对值即可。若 $\lambda, \mu$ 表示实数,容易证明分配律和结合律

\begin{equation} \lambda( \boldsymbol{\mathbf{A}} + \boldsymbol{\mathbf{B}} ) = \lambda \boldsymbol{\mathbf{A}} + \lambda \boldsymbol{\mathbf{B}} ~, \end{equation}
\begin{equation} (\lambda+\mu) \boldsymbol{\mathbf{A}} = \lambda \boldsymbol{\mathbf{A}} + \mu \boldsymbol{\mathbf{A}} ~, \end{equation}
\begin{equation} \lambda(\mu \boldsymbol{\mathbf{A}} ) = (\lambda\mu) \boldsymbol{\mathbf{A}} ~. \end{equation}

   如果两个向量的关系可以用 $ \boldsymbol{\mathbf{A}} = \lambda \boldsymbol{\mathbf{B}} $ 表示,那么它们就是共线的。共线的充分必要条件是,两向量方向相同或相反。

   向量除以标量的定义为乘以标量的倒数,即

\begin{equation} \frac{ \boldsymbol{\mathbf{A}} }{\lambda} = \frac{1}{\lambda} \boldsymbol{\mathbf{A}} \qquad (\lambda \ne 0)~. \end{equation}
几何意义上,就是保持向量方向不变,把模长除以标量。

   特殊地,如果把一个向量乘以 $-1$,那么它的长度不变,而方向相反。我们把这个新向量叫做原向量的逆向量(inverse vector)。向量 $ \boldsymbol{\mathbf{A}} $ 的逆记为 $- \boldsymbol{\mathbf{A}} $。

   把一个非零向量归一化(normalize)是指,把该向量除以自己的模长(即乘以模长的倒数)得到一个模长等于 1 的,同方向的单位向量。

3. 向量的减法

图
图 3:向量减法

   由了加法和数乘,我们并不需要另外定义所谓的向量减法,只需要把 $ \boldsymbol{\mathbf{A}} - \boldsymbol{\mathbf{B}} $ 看成 $ \boldsymbol{\mathbf{A}} $ 加上 $ \boldsymbol{\mathbf{B}} $ 的逆即可,即

\begin{equation} \boldsymbol{\mathbf{A}} - \boldsymbol{\mathbf{B}} \equiv \boldsymbol{\mathbf{A}} + (- \boldsymbol{\mathbf{B}} )~. \end{equation}
几何上来说,容易证明(留做习题)要计算 $ \boldsymbol{\mathbf{A}} - \boldsymbol{\mathbf{B}} $,就先把它们的起点移动到一起,然后画出从 $ \boldsymbol{\mathbf{B}} $ 的终点指向 $ \boldsymbol{\mathbf{A}} $ 的终点的向量即可。

4. 向量等式中的移项

   向量的加减法和我们熟知的标量加减法有许多相似之处,我们可以像标量等式中的移项一样对几何向量等式进行移项。例如我们有表达式

\begin{equation} \boldsymbol{\mathbf{A}} + \boldsymbol{\mathbf{B}} = \boldsymbol{\mathbf{C}} + \boldsymbol{\mathbf{D}} ~. \end{equation}
显然在等式两边同时加上或减去相同的向量仍然可以使等式成立,于是两边同时减 $ \boldsymbol{\mathbf{C}} $ 再同时减 $ \boldsymbol{\mathbf{D}} $ 得
\begin{equation} \boldsymbol{\mathbf{A}} + \boldsymbol{\mathbf{B}} - \boldsymbol{\mathbf{C}} - \boldsymbol{\mathbf{D}} = \boldsymbol{\mathbf{0}} ~. \end{equation}
这看起来就像我们把等号右边得项移动到了等号左边,并添加了负号。

   一个小技巧是,在画向量减法 $ \boldsymbol{\mathbf{A}} - \boldsymbol{\mathbf{B}} = \boldsymbol{\mathbf{C}} $ 时,如果你忘记了 $ \boldsymbol{\mathbf{C}} $ 是从 $ \boldsymbol{\mathbf{A}} $ 指向 $ \boldsymbol{\mathbf{B}} $ 还是 $ \boldsymbol{\mathbf{B}} $ 指向 $ \boldsymbol{\mathbf{A}} $,那么可以检查一下画出来的三个向量是否满足 $ \boldsymbol{\mathbf{A}} = \boldsymbol{\mathbf{B}} + \boldsymbol{\mathbf{C}} $。

5. 向量的线性组合

   把有限个向量 $ \boldsymbol{\mathbf{v}} _i$ 分别与若干实数 $c_i$ 相乘再相加就得到了这些向量的一个线性组合

\begin{equation} \sum_i^N c_i \boldsymbol{\mathbf{v}} _i = c_1 \boldsymbol{\mathbf{v}} _1 + c_2 \boldsymbol{\mathbf{v}} _2 +\dots +c_N \boldsymbol{\mathbf{v}} _N~. \end{equation}
注意若无特别说明,线性组合仅指有限个向量的数乘和加法。

   根据向量加法和数乘的定义,容易得知任何有限个向量的任何线性组合仍然是一个向量。

习题 1 

   试说明任意给定两个不共线的向量的所有线性组合都会落在同一个平面上。

6. 向量的点乘和叉乘

   详见 “几何向量的内积” 和 “向量叉乘”。


致读者: 小时百科一直以来坚持所有内容免费,这导致我们处于严重的亏损状态。 长此以往很可能会最终导致我们不得不选择大量广告以及内容付费等。 因此,我们请求广大读者热心打赏 ,使网站得以健康发展。 如果看到这条信息的每位读者能慷慨打赏 10 元,我们一个星期内就能脱离亏损, 并保证在接下来的一整年里向所有读者继续免费提供优质内容。 但遗憾的是只有不到 1% 的读者愿意捐款, 他们的付出帮助了 99% 的读者免费获取知识, 我们在此表示感谢。

                     

友情链接: 超理论坛 | ©小时科技 保留一切权利