🎯 学习目标
1. 在二维和三维坐标系中表示向量
2. 计算向量的模长并求单位向量
3. 从代数和几何角度计算两个向量的点积
4. 利用点积求向量间的夹角并判断垂直关系
5. 应用点积解决标量投影相关问题
1. 二维和三维向量基础 ★★☆☆☆ ⏱ 4 min 位置向量 v ⃗ = ( v x v y v z ) = v x i ^ + v y j ^ + v z k ^ \vec{v} = \begin{pmatrix} v_x \\ v_y \\ v_z \end{pmatrix} = v_x \hat{i} + v_y \hat{j} + v_z \hat{k} v = v x v y v z = v x i ^ + v y j ^ + v z k ^
位置向量连接原点和三维空间中的点( v x , v y , v z )
例:
点( 2 , − 3 , 1 ) 2 i ^ − 3 j ^ + k ^
向量的模长（长度）使用勾股定理的三维推广公式计算：
∣ v ⃗ ∣ = v x 2 + v y 2 + v z 2 |\vec{v}| = \sqrt{v_x^2 + v_y^2 + v_z^2} ∣ v ∣ = v x 2 + v y 2 + v z 2
沿v v
1 2 ∣ v ⃗ ∣ = 2 2 + ( − 1 ) 2 + 4 2 = 4 + 1 + 16 = 21 |\vec{v}| = \sqrt{2^2 + (-1)^2 + 4^2} = \sqrt{4 + 1 + 16} = \sqrt{21} ∣ v ∣ = 2 2 + ( − 1 ) 2 + 4 2 = 4 + 1 + 16 = 21 3 4 v ^ = 1 21 ( 2 i ^ − j ^ + 4 k ^ ) = 2 21 i ^ − 1 21 j ^ + 4 21 k ^ \hat{v} = \frac{1}{\sqrt{21}} (2\hat{i} - \hat{j} + 4\hat{k}) = \frac{2}{\sqrt{21}}\hat{i} - \frac{1}{\sqrt{21}}\hat{j} + \frac{4}{\sqrt{21}}\hat{k} v ^ = 21 1 ( 2 i ^ − j ^ + 4 k ^ ) = 21 2 i ^ − 21 1 j ^ + 21 4 k ^ 2. 点积的代数定义 ★★☆☆☆ ⏱ 5 min 点积（标量积） v ⃗ ⋅ w ⃗ \vec{v} \cdot \vec{w} v ⋅ w
对于两个向量v = ( v x , v y , v z ) w = ( w x , w y , w z )
例:
若v = ( 1 , 2 ) w = ( 3 , 4 ) v ⋅ w = ( 1 ) ( 3 ) + ( 2 ) ( 4 ) = 11
v ⃗ ⋅ w ⃗ = v x w x + v y w y + v z w z \vec{v} \cdot \vec{w} = v_x w_x + v_y w_y + v_z w_z v ⋅ w = v x w x + v y w y + v z w z
点积遵循标准代数性质：它满足交换律（v ⋅ w = w ⋅ v v ⋅ ( w + u ) = v ⋅ w + v ⋅ u
计算a = 3 i ^ − 2 k ^ b = − i ^ + 4 j ^ + k ^ a ⋅ b
1 写出所有分量，包括a a = ( 3 , 0 , − 2 ) b = ( − 1 , 4 , 1 )
2 3 a ⃗ ⋅ b ⃗ = ( 3 ) ( − 1 ) + ( 0 ) ( 4 ) + ( − 2 ) ( 1 ) = − 3 + 0 − 2 = − 5 \vec{a} \cdot \vec{b} = (3)(-1) + (0)(4) + (-2)(1) = -3 + 0 - 2 = -5 a ⋅ b = ( 3 ) ( − 1 ) + ( 0 ) ( 4 ) + ( − 2 ) ( 1 ) = − 3 + 0 − 2 = − 5 3. 几何意义：向量间的夹角 ★★★☆☆ ⏱ 6 min
点积的几何定义将其与两个首端重合放置的向量的夹角θ 0 ≤ θ ≤ 18 0 ∘
v ⃗ ⋅ w ⃗ = ∣ v ⃗ ∣ ∣ w ⃗ ∣ cos θ \vec{v} \cdot \vec{w} = |\vec{v}||\vec{w}|\cos\theta v ⋅ w = ∣ v ∣∣ w ∣ cos θ
整理该公式后，我们就可以计算任意两个非零向量的夹角：
cos θ = v ⃗ ⋅ w ⃗ ∣ v ⃗ ∣ ∣ w ⃗ ∣ \cos\theta = \frac{\vec{v} \cdot \vec{w}}{|\vec{v}||\vec{w}|} cos θ = ∣ v ∣∣ w ∣ v ⋅ w 两个非零向量垂直当且仅当它们的点积等于零 。这是因为cos 9 0 ∘ = 0
求p = ( 2 , 1 , − 1 ) q = ( 1 , − 1 , 1 )
1 2 p ⃗ ⋅ q ⃗ = ( 2 ) ( 1 ) + ( 1 ) ( − 1 ) + ( − 1 ) ( 1 ) = 2 − 1 − 1 = 0 \vec{p} \cdot \vec{q} = (2)(1) + (1)(-1) + (-1)(1) = 2 - 1 - 1 = 0 p ⋅ q = ( 2 ) ( 1 ) + ( 1 ) ( − 1 ) + ( − 1 ) ( 1 ) = 2 − 1 − 1 = 0 3 4 θ = 90 ∘ \theta = 90^\circ θ = 9 0 ∘
测试你的理解：
对于两个非零向量，若v ⋅ w = − ∣ v ∣∣ w ∣
显示答案 180° — 正确！整理公式得cos θ = − 1 θ = 18 0 ∘
4. 向量的标量投影 ★★★☆☆ ⏱ 5 min 标量投影
v w v w
proj w ⃗ v ⃗ = v ⃗ ⋅ w ⃗ ∣ w ⃗ ∣ \text{proj}_{\vec{w}} \vec{v} = \frac{\vec{v} \cdot \vec{w}}{|\vec{w}|} proj w v = ∣ w ∣ v ⋅ w
投影为正说明分量方向与w
计算v = ( 3 , 4 , 0 ) w = ( 1 , 1 , 0 )
1 2 v ⃗ ⋅ w ⃗ = ( 3 ) ( 1 ) + ( 4 ) ( 1 ) + 0 = 7 , ∣ w ⃗ ∣ = 1 2 + 1 2 = 2 \vec{v} \cdot \vec{w} = (3)(1) + (4)(1) + 0 = 7, \quad |\vec{w}| = \sqrt{1^2 + 1^2} = \sqrt{2} v ⋅ w = ( 3 ) ( 1 ) + ( 4 ) ( 1 ) + 0 = 7 , ∣ w ∣ = 1 2 + 1 2 = 2 3 4 proj w ⃗ v ⃗ = 7 2 = 7 2 2 \text{proj}_{\vec{w}} \vec{v} = \frac{7}{\sqrt{2}} = \frac{7\sqrt{2}}{2} proj w v = 2 7 = 2 7 2 5. 常见陷阱 错误做法:
计算点积时遗漏零分量
原因:
仅写出非零分量的向量仍然存在缺失坐标轴对应的零分量，这些零分量会参与计算
正确做法:
计算点积前始终写出所有分量（包括零分量）
错误做法:
将点积结果误认为向量而非标量
原因:
点积（标量积）的输出永远是单个数字，不是多分量向量
正确做法:
记住名称：标量积输出标量，叉积输出向量
错误做法:
求角度时计算器使用错误的角度单位模式
原因:
计算器在弧度和角度模式下输出结果不同，会导致最终答案错误
正确做法:
始终检查计算器的角度模式是否符合题目要求
错误做法:
认为点积为零就一定说明其中一个向量是零向量
原因:
点积为零最常见的情况是两个非零向量互相垂直
正确做法:
如果点积为零且两个向量均非零，则可得出它们互相垂直的结论
6. 速查表 概念
公式
向量模长
∣ v ∣ = v x 2 + v y 2 + v z 2
单位向量
v ^ = ∣ v ∣ v
点积（代数）
v ⋅ w = v x w x + v y w y + v z w z
点积（几何）
v ⋅ w = ∣ v ∣∣ w ∣ cos θ
向量夹角
cos θ = ∣ v ∣∣ w ∣ v ⋅ w
垂直条件
v ⋅ w = 0 ( v , w = 0 )
标量投影
proj w v = ∣ w ∣ v ⋅ w
7. 常见问题 两个向量的点积是向量还是标量？
点积（也称为标量积 ）的结果永远是标量，和得到向量结果的叉积不同。这是你考试必须记住的核心区别。
真题中的出现 AI 根据考纲规律估算的考点位置,请对照官方真题核实准确性。仅作复习重点参考。
2022 · 1 求两个三维向量的夹角
2023 · 2 证明两条直线垂直
2024 · 1 计算向量的标量投影
下一步 向量基础和点积是IB AA HL所有后续向量主题的基础。你在处理三维空间中的直线和平面问题时会反复用到点积，从求直线夹角到计算点到平面的距离都会用到。这些技能也是叉积计算的基础，叉积可用于求平行四边形面积和平面法向量。掌握这些核心概念会让更高级的向量几何问题更容易解决，因为几乎所有向量问题都依赖于正确计算点积并解读其结果。
