向量
根据数学定义,数轴上的所有点都是与实数R一一对应的。数轴可以看作是一维空间,实数R可以看作是一维向量。平面上的点就必需由二维向量来表示了,到了二维向量就有了平行,垂直等概念。理解了二维向量的基础上,就容易类推三维甚至更多维向量空间了。
本文尝试通过一张图来更直观的解释二维向量点积结果的几何含义
二维向量
数学中关于二维向量a的表示
![](http://latex.codecogs.com/png.latex?a=(x_{a},y_{a}),x_a,y_a \in R)
向量点积的数学定义
向量a,b点积的数学定义:(其中θ为a,b之间的夹角)
![](http://latex.codecogs.com/png.latex?a \cdot b=|a||b|\cos \theta)
图说点积
假设
推导
![](http://latex.codecogs.com/png.latex?a \cdot b=|a| \cdot (|b|\cos \theta))
![](http://latex.codecogs.com/png.latex?a \cdot b=|a| \cdot (x_b \cos \alpha+y_b \sin \alpha))
![](http://latex.codecogs.com/png.latex?a \cdot b=|a| \cos \alpha x_b+|a| \sin \alpha y_b)
![](http://latex.codecogs.com/png.latex?a \cdot b=x_{a}x_{b}+y_{a}y_{b})
公式推导的第二步可以由下图所示得到
公式推导点积
同样可通过公式推导点积的结果
![](http://latex.codecogs.com/png.latex?a \cdot b=(x_a \cdot i + y_a \cdot j)(x_b \cdot i + y_b \cdot j))
![](http://latex.codecogs.com/png.latex?a \cdot b=x_a x_b \cdot (i \cdot i) + x_a y_b \cdot (i \cdot j)+y_a x_b \cdot (j \cdot i) +y_a y_b \cdot (j \cdot j))
![](http://latex.codecogs.com/png.latex?a \cdot b=x_a x_b \cdot1+ x_a y_b \cdot 0+y_a x_b \cdot 0 +y_a y_b \cdot1)
![](http://latex.codecogs.com/png.latex?a \cdot b=x_{a}x_{b}+y_{a}y_{b})