<基础数学> 平面向量基本定理

平面向量基本定理

  1. 向量平行
    a ⃗ / / b ⃗ ( b ⃗ ≠ 0 ⃗ )的充要条件是 \vec{a} // \vec{b}( \vec{b}\neq \vec{0})的充要条件是 a //b (b =0 )的充要条件是 x 1 y 2 − y 1 x 2 = 0 x_1y_2-y_1x_2=0 x1y2−y1x2=0
  2. 向量垂直
    a ⃗ ⊥ b ⃗ ⇔ a ⃗ ⋅ b ⃗ = 0 , \vec{a} \bot \vec{b} \Leftrightarrow \vec{a} \cdot \vec{b}=0, a ⊥b ⇔a ⋅b =0, 即 x 1 x 2 + y 1 y 2 = 0 即x_1x_2+y_1y_2=0 即x1x2+y1y2=0
  3. 向量角度
    c o s θ = a ⃗ ⋅ b ⃗ ∣ a ⃗ ∣ ∣ b ⃗ ∣ = x 1 x 2 + y 1 y 2 ( x 1 ) 2 + ( y 1 ) 2 + ( x 2 ) 2 + ( y 2 ) 2 cos \theta=\frac{\vec{a} \cdot \vec{b}}{|\vec{a}||\vec{b}|}=\frac{x_1x_2+y_1y_2}{\sqrt{(x_1)^2+(y_1)^2}+\sqrt{(x_2)^2+(y_2)^2}} cosθ=∣a ∣∣b ∣a ⋅b =(x1)2+(y1)2 +(x2)2+(y2)2 x1x2+y1y2
  4. 向量同向和反向
    当 a ⃗ 与 b ⃗ 同向时, a ⃗ ⋅ b ⃗ = ∣ a ⃗ ∣ ∣ b ⃗ ∣ ; 当\vec{a}与\vec{b}同向时,\vec{a} \cdot \vec{b}=|\vec{a}||\vec{b}|; 当a 与b 同向时,a ⋅b =∣a ∣∣b ∣;
    当 a ⃗ 与 b ⃗ 反向时, a ⃗ ⋅ b ⃗ = − ∣ a ⃗ ∣ ∣ b ⃗ ∣ ; 当\vec{a}与\vec{b}反向时,\vec{a} \cdot \vec{b}=-|\vec{a}||\vec{b}|; 当a 与b 反向时,a ⋅b =−∣a ∣∣b ∣;
相关推荐
18538162800航8 小时前
短视频矩阵系统搭建指南:源码部署与全流程解析
线性代数·矩阵·音视频
无风听海1 天前
神经网络之奇异值分解
神经网络·线性代数·机器学习
西西弗Sisyphus1 天前
线性代数 - 奇异值分解(SVD Singular Value Decomposition)- 奇异值在哪里
线性代数·矩阵·奇异值分解·线程方程组
小蜜蜂爱编程1 天前
行列式的展开
线性代数
郝学胜-神的一滴1 天前
计算机图形中的法线矩阵:深入理解与应用
开发语言·程序人生·线性代数·算法·机器学习·矩阵·个人开发
西西弗Sisyphus1 天前
线性代数 - 奇异值分解(SVD Singular Value Decomposition)- 计算顺序 旋转→拉伸→旋转
线性代数·矩阵·奇异值分解·矩阵求逆
唯道行1 天前
计算机图形学·9 几何学
人工智能·线性代数·计算机视觉·矩阵·几何学·计算机图形学
粉色挖掘机2 天前
矩阵在密码学的应用——希尔密码详解
线性代数·算法·机器学习·密码学
西西弗Sisyphus2 天前
线性代数 - 正交矩阵
线性代数·矩阵·线性方程组·正交矩阵·lu分解
qiao若huan喜2 天前
7、webgl 基本概念 + 前置数学知识点(向量 + 矩阵)
线性代数·矩阵·webgl