向量的運算

2021-07-14 14:59:13 字數 2306 閱讀 9287

因為必修4沒有學好導致計算幾何掛掉了,所以來補一補tat

1.(自由)向量的定義:

起始點任意,方向和長度固定的有向線段。

2.向量的代數表示:

向量a記作a⃗ 

3.向量的幾何表示:

可以用乙個有向線段來表示向量。

我們現在先要證明平面向量基本定理

定理內容:

對於平面向量a⃗ 

=mi⃗ 

+nj⃗ 

,其中i⃗ 

,j⃗  為任意兩個不共線的向量。

這個是個公理啊tat

4.向量的座標表示:

在二維向量中,分別取與x軸y軸平行的兩個單位(長度)向量i⃗ 

,j⃗  。

則由平面向量基本定理可以知道,任意向量都能被i⃗ 

,j⃗  表示出來。 設a

⃗ =mi

⃗ +nj

⃗ 

那麼我們就可以把向量a寫成座標形式:a⃗ 

(m,n

) 很好,我們已經有了向量的座標表示了。

向量的運算:

數乘:a⃗ =

(m,n

),ka

⃗ =(k

m,kn

);加法:a⃗ 

=(m,

n),b

⃗ =(p

,q)c

⃗ =a⃗ 

+b⃗ =

(m+p

,n+q

) 減法同理。

數量積(點積)的代數定義:a⃗ 

=(m,

n),b

⃗ =(p

,q),

a⃗ ⋅b

⃗ =mp

+nq;

數量積(點積)的幾何定義:a⃗ 

⋅b⃗ =

|a||

b|co

sθ其中|a

|,|b

| 為a⃗ 

,b⃗ 

向量(叉)積的代數定義:a×

b=(x

a∗yb

−ya∗

xb)

可以寫成行列式形式: |x

1y1|

|x2y2|

這樣就好記多了。

實際上,n維方陣的行列式的值代表的是n個向量組成的圖形的n維積。

向量(叉)積的幾何定義:好像沒有幾何定義tat

向量積的(大小)計算式:a⃗ 

×b⃗ =

|a||

b|si

nθ即a和b的平行四邊形的面積。

我好像忘記我為什麼要寫向量的運算了tat

直線求交點:

定比分點公式:

在直線ab上,對於任意一點p(x,y),有: λ=

ap→/

pb→

x=xa

+λxb

1+λ,

y=ya

+λyb

1+λ

證明可以直接向量證明。

求直線ab和cd的交點o,我們可以求oc : od,然後根據定比分點來計算o的座標。

現在問題在於怎麼計算比值。 oc

:od=

sδoa

b:sδ

oac

根據叉積求面積即可。

#include 

#include

#include

#include

#define rep(i,n) for(int i = 1;i <= n;i ++)

using

namespace

std;

const

int n = 100005;

struct point

}p[n];

point operator+(const point &x,const point &y);}

point operator-(const point &x,const point &y);}

double

operator/(const point &x,const point &y)

double dot(const point &x,const point &y)

double crs(const point &x,const point &y)

point get(const point &x,const point &y,const point &p,const point &q) //計算xy與pq的交點

;}

向量的運算到此就截止了,如果有其他時間我應該會補上三角函式的公式。

向量的運算

description 編寫類vector,用於表示乙個向量。顯然 1.它有三個資料成員,假定均為int型別的量,表示3個方向上的分量。2.定義其無參建構函式,初始化三個分量為0。3.定義帶參建構函式,用於初始化向量。4.過載 和 運算子。其中 和 不改變運算元的值,只是返回運算結果 實現兩種乘法,...

向量運算簡介

向量運算簡介 作 者 老赫 如果不好好學,那麼下回我介紹乙個3d engine的時候你就麻煩大了。質量保證 只討論可以任意平移自由向量 以下原理適於你個人開發的3d系統,d3d系統,opengl系統 一.兩點距離 2d系統 point1 x1,y1 point2 x2,y2 距離d sqr x1 x...

向量運算及習題

向量定義 既有大小又有方向的量叫做向量。在空間中,向量用一段有方向的線段來表示。應用十分廣泛,可用於描述具有大小和方向兩個屬性的物理量,例如物體運動的速度 加速度 攝像機觀察方向 剛體受到的力等都是向量。因此向量是物理 動畫 三維圖形的基礎。模 向量的長度標準化 normalizing 保持方向不變...