【向量公式全部总结】在数学和物理中，向量是一个重要的概念，广泛应用于几何、力学、工程等领域。为了便于学习和查阅，本文对向量的基本公式进行系统性总结，涵盖向量的定义、运算、性质以及应用中的常见公式，并通过表格形式进行清晰展示。
一、向量基本概念
| 概念 | 定义 | ||||||
| 向量 | 既有大小又有方向的量，通常用箭头表示，如 $\vec{a}$ | ||||||
| 标量 | 只有大小，没有方向的量，如 $a$ | ||||||
| 向量模 | 向量的长度，记作 $ | \vec{a} | $ 或 $ | \vec{a} | $ | ||
| 单位向量 | 模为1的向量，记作 $\hat{a}$，满足 $ | \hat{a} | = 1$ |
二、向量的加减法
| 公式 | 说明 |
| $\vec{a} + \vec{b}$ | 向量加法，遵循平行四边形法则或三角形法则 |
| $\vec{a} - \vec{b}$ | 向量减法，即 $\vec{a} + (-\vec{b})$ |
| $\vec{a} + \vec{0} = \vec{a}$ | 零向量不改变原向量 |
| $\vec{a} + (-\vec{a}) = \vec{0}$ | 向量与其相反向量相加为零向量 |
三、向量的数乘
| 公式 | 说明 |
| $k\vec{a}$ | 数乘向量，$k$ 为实数 |
| $k(\vec{a} + \vec{b}) = k\vec{a} + k\vec{b}$ | 数乘分配律 |
| $(k + m)\vec{a} = k\vec{a} + m\vec{a}$ | 数乘分配律（标量） |
| $k(m\vec{a}) = (km)\vec{a}$ | 数乘结合律 |
四、向量的点积（数量积）
| 公式 | 说明 | ||||
| $\vec{a} \cdot \vec{b} = | \vec{a} | \vec{b} | \cos\theta$ | 点积公式，$\theta$ 为两向量夹角 | |
| $\vec{a} \cdot \vec{b} = a_1b_1 + a_2b_2 + a_3b_3$ | 坐标形式的点积 | ||||
| $\vec{a} \cdot \vec{a} = | \vec{a} | ^2$ | 向量与自身的点积为其模的平方 | ||
| $\vec{a} \cdot \vec{b} = 0$ 当且仅当 $\vec{a} \perp \vec{b}$ | 两向量垂直时点积为0 |
五、向量的叉积（向量积）
| 公式 | 说明 | ||||
| $\vec{a} \times \vec{b} = | \vec{a} | \vec{b} | \sin\theta \cdot \hat{n}$ | 叉积公式，$\theta$ 为两向量夹角，$\hat{n}$ 为垂直于两向量的单位向量 |
\hat{i} & \hat{j} & \hat{k} \\
a_1 & a_2 & a_3 \\
b_1 & b_2 & b_3
\end{vmatrix}$
| $\vec{a} \times \vec{a} = \vec{0}$ | 同一向量的叉积为零向量 |
| $\vec{a} \times \vec{b} = -(\vec{b} \times \vec{a})$ | 叉积反交换律 |
六、向量的投影
| 公式 | 说明 | ||
| $\text{proj}_{\vec{b}} \vec{a} = \frac{\vec{a} \cdot \vec{b}}{ | \vec{b} | ^2} \vec{b}$ | 向量 $\vec{a}$ 在 $\vec{b}$ 方向上的投影 |
| $\text{comp}_{\vec{b}} \vec{a} = \frac{\vec{a} \cdot \vec{b}}{ | \vec{b} | }$ | 向量 $\vec{a}$ 在 $\vec{b}$ 方向上的投影长度 |
七、向量的模与单位向量
| 公式 | 说明 | ||
| $ | \vec{a} | = \sqrt{a_1^2 + a_2^2 + a_3^2}$ | 向量模的计算公式 |
| $\hat{a} = \frac{\vec{a}}{ | \vec{a} | }$ | 单位向量的求法（当 $\vec{a} \neq \vec{0}$ 时） |
八、向量的线性组合与线性相关
| 概念 | 定义 |
| 线性组合 | 若存在标量 $k_1, k_2, ..., k_n$ 使得 $\vec{v} = k_1\vec{v}_1 + k_2\vec{v}_2 + ... + k_n\vec{v}_n$，则称 $\vec{v}$ 是这些向量的线性组合 |
| 线性相关 | 若存在非全零的标量 $k_1, ..., k_n$ 使得 $k_1\vec{v}_1 + ... + k_n\vec{v}_n = \vec{0}$，则称这些向量线性相关 |
| 线性无关 | 若只有当所有 $k_i = 0$ 时才满足上式，则称为线性无关 |
九、向量在三维空间中的坐标表示
| 公式 | 说明 |
| $\vec{a} = a_1\hat{i} + a_2\hat{j} + a_3\hat{k}$ | 向量的坐标表示 |
| $\vec{a} + \vec{b} = (a_1 + b_1)\hat{i} + (a_2 + b_2)\hat{j} + (a_3 + b_3)\hat{k}$ | 向量加法的坐标形式 |
| $k\vec{a} = (ka_1)\hat{i} + (ka_2)\hat{j} + (ka_3)\hat{k}$ | 数乘的坐标形式 |
十、向量的应用举例
| 应用场景 | 公式示例 |
| 功的计算 | $W = \vec{F} \cdot \vec{d}$（力与位移的点积） |
| 旋转运动 | 利用叉积计算角动量 $\vec{L} = \vec{r} \times \vec{p}$ |
| 空间几何 | 利用点积判断两向量是否垂直，利用叉积求面积或法向量 |
总结
向量是数学和物理中非常基础且强大的工具，掌握其基本公式和运算规则对于理解复杂问题至关重要。本文从向量的基本概念出发，系统总结了向量的加减、数乘、点积、叉积、投影、模与单位向量等核心内容，并以表格形式进行了清晰展示，便于记忆与查阅。希望本总结能帮助你更好地理解和运用向量知识。