数学寒假直播3:向量3

出自《高一数学同步课 · 直播》

对应考点平面向量的数量积平面向量的实际背景及基本概念平面向量的线性运算投影向量练习此专题真题 →
Keyword数量积定义向量夹角标量结果余弦公式数量积应用向量垂直数量积为0充要条件模的平方运模必平方数量积转化向量模

向量数量积的定义与性质

概念精讲

向量的数量积(又称内积、点积)定义为:对于任意两个向量 $\vec{a}$ 与 $\vec{b}$,其数量积记作 $\vec{a} \cdot \vec{b}$,且满足

$$ \vec{a} \cdot \vec{b} = |\vec{a}| \, |\vec{b}| \cos\theta, $$

其中 $\theta$ 是两向量的夹角,取值范围为 $0^\circ \leq \theta \leq 180^\circ$。数量积的结果是一个实数(标量),而非向量。特别地,零向量与任意向量的数量积为实数 $0$,即 $\vec{0} \cdot \vec{a} = 0$。

向量夹角余弦公式

二级结论

对于两个非零向量 $\vec{a}$、$\vec{b}$,其夹角 $\theta$ 满足

$$ \cos\theta = \frac{\vec{a} \cdot \vec{b}}{|\vec{a}| \, |\vec{b}|}. $$
该公式由数量积定义直接变形得到,是求解向量夹角的唯一通用公式。

概念精讲

设向量 $\mathbf{a}$ 与 $\mathbf{b}$ 的夹角为 $\theta$,则
$$ \cos\theta = \frac{\mathbf{a} \cdot \mathbf{b}}{|\mathbf{a}|\,|\mathbf{b}|}. $$

垂直向量与数量积的充要条件

二级结论

对于两个非零向量 $\vec{a}$、$\vec{b}$,有

$$ \vec{a} \perp \vec{b} \iff \vec{a} \cdot \vec{b} = 0. $$
若允许零向量,则 $\vec{a} \cdot \vec{b} = 0$ 不能推出 $\vec{a} \perp \vec{b}$;反之,$\vec{a} \perp \vec{b}$ 必有 $\vec{a} \cdot \vec{b} = 0$。

运模必平方:含向量模的代数式处理通法

方法点拨

当题干给出形如 $|\vec{a} + \vec{b}|$、$|2\vec{a} - \vec{b}|$ 等含向量模的等式或不等式时,应立即使用恒等变形:

$$ |\vec{v}| = \sqrt{\vec{v} \cdot \vec{v}}, \quad \text{即} \quad |\vec{v}|^2 = \vec{v} \cdot \vec{v}. $$
特别地,对任意向量 $\vec{a}$,有 $\vec{a} \cdot \vec{a} = |\vec{a}|^2$,故可将模长问题转化为数量积运算。

向量模与数量积的基本关系

概念精讲

向量 $\vec{a}$ 的平方定义为 $\vec{a} \cdot \vec{a} = |\vec{a}|^2$;两个向量的数量积满足 $\vec{a} \cdot \vec{b} = |\vec{a}| |\vec{b}| \cos\theta$,其中 $\theta$ 为两向量夹角。

多项式向量数量积的化简策略

方法点拨

对含向量加减的多项式数量积(如 $(\vec{a} + m\vec{b}) \cdot (\vec{c} + n\vec{d})$),先按多项式乘法展开,再利用数量积交换律、分配律及 $\vec{v} \cdot \vec{v} = |\vec{v}|^2$ 化简;最后代入已知模长与数量积数值求解。

求向量夹角的核心公式

二级结论

设 $\theta$ 为向量 $\vec{a}$ 与 $\vec{b}$ 的夹角,则
$$ \cos\theta = \frac{\vec{a} \cdot \vec{b}}{|\vec{a}| |\vec{b}|} $$
该式是求夹角或其三角函数值的唯一基础公式。

遇模必平方:向量模条件转化大招

解题大招

当题干给出形如 $|\vec{a} + k\vec{b}| = c$ 的条件时,统一采用“遇模必平方”策略:
$$ |\vec{a} + k\vec{b}| = c \quad \Rightarrow \quad (\vec{a} + k\vec{b}) \cdot (\vec{a} + k\vec{b}) = c^2 $$
再用完全平方公式展开,转化为 $|\vec{a}|^2 + 2k(\vec{a} \cdot \vec{b}) + k^2|\vec{b}|^2 = c^2$,从而建立关于未知量的方程。

垂直即数量积为零:向量垂直判定大招

解题大招

若题干指出两向量垂直(如 $\vec{u} \perp \vec{v}$),则直接转化为数量积为零:
$$ \vec{u} \cdot \vec{v} = 0 $$
此为向量垂直问题的唯一入口,后续通过展开、化简、代入求解参数。

变式3-2:由垂直求参数k

典型例题

已知 $|\vec{a}| = 3$,$|\vec{b}| = 4$,$\vec{a}$ 与 $\vec{b}$ 不共线,求使 $\vec{a} + k\vec{b}$ 与 $\vec{a} - k\vec{b}$ 垂直的实数 $k$。

Answer key $\pm \frac{3}{4}$
Explanation

由垂直得:$(\vec{a} + k\vec{b}) \cdot (\vec{a} - k\vec{b}) = 0$。展开:$\vec{a} \cdot \vec{a} - k^2 \vec{b} \cdot \vec{b} = |\vec{a}|^2 - k^2|\vec{b}|^2 = 0$。代入:$3^2 - k^2 \times 4^2 = 0$,即 $9 - 16k^2 = 0$,解得 $k^2 = \frac{9}{16}$,故 $k = \pm \frac{3}{4}$。

特殊角余弦值:cos(2π/3) = -1/2

概念精讲

$\cos\left(\frac{2\pi}{3}\right) = \cos(120^\circ) = -\cos\left(\frac{\pi}{3}\right) = -\frac{1}{2}$。

变式3-3第一问:数量积直接计算

典型例题

已知 $|\vec{a}| = 3$,$|\vec{b}| = 2$,$\vec{a}$ 与 $\vec{b}$ 的夹角为 $\frac{2\pi}{3}$,求 $\vec{a} \cdot \vec{b}$。

Answer key -3
Explanation

$\vec{a} \cdot \vec{b} = |\vec{a}| |\vec{b}| \cos\theta = 3 \times 2 \times \cos\left(\frac{2\pi}{3}\right) = 6 \times \left(-\frac{1}{2}\right) = -3$。

向量模长计算通用方法

方法点拨

已知向量 $\vec{A}$、$\vec{B}$,求 $|\vec{A} + \vec{B}|$ 的一般步骤:

1. 利用定义:$|\vec{A} + \vec{B}| = \sqrt{(\vec{A} + \vec{B}) \cdot (\vec{A} + \vec{B})}$;
2. 展开数量积:$(\vec{A} + \vec{B}) \cdot (\vec{A} + \vec{B}) = \vec{A} \cdot \vec{A} + 2\vec{A} \cdot \vec{B} + \vec{B} \cdot \vec{B}$;
3. 化为模与夹角形式:$\vec{A} \cdot \vec{A} = |\vec{A}|^2$,$\vec{B} \cdot \vec{B} = |\vec{B}|^2$,$\vec{A} \cdot \vec{B} = |\vec{A}||\vec{B}|\cos\theta$;
4. 代入已知数值计算。

已知模与数量积求和向量模

典型例题

已知 $|\vec{A}| = 3$,$|\vec{B}| = 2$,且 $\vec{A} \cdot \vec{B} = -3$,求 $|\vec{A} + \vec{B}|$。

Answer key $\sqrt{7}$
Explanation

由定义:
$$ |\vec{A} + \vec{B}| = \sqrt{(\vec{A} + \vec{B}) \cdot (\vec{A} + \vec{B})} = \sqrt{\vec{A} \cdot \vec{A} + 2\vec{A} \cdot \vec{B} + \vec{B} \cdot \vec{B}}. $$
代入:$\vec{A} \cdot \vec{A} = |\vec{A}|^2 = 9$,$\vec{B} \cdot \vec{B} = |\vec{B}|^2 = 4$,$2\vec{A} \cdot \vec{B} = 2 \times (-3) = -6$,
得:
$$ |\vec{A} + \vec{B}| = \sqrt{9 - 6 + 4} = \sqrt{7}. $$

两向量夹角余弦值计算公式

方法点拨

设 $\vec{u}, \vec{v}$ 为非零向量,则其夹角 $\theta$ 的余弦值为:
$$ \cos\langle \vec{u}, \vec{v} \rangle = \frac{\vec{u} \cdot \vec{v}}{|\vec{u}| \, |\vec{v}|}. $$
特别地,当 $\vec{v} = \vec{A} + \vec{B}$ 时,需先计算 $\vec{u} \cdot \vec{v}$(利用分配律)及 $|\vec{v}|$(按模长公式)。

求向量与和向量夹角余弦值

典型例题

已知 $|\vec{A}| = 3$,$|\vec{B}| = 2$,$\vec{A} \cdot \vec{B} = -3$,求 $\cos\langle \vec{A}, \vec{A} + \vec{B} \rangle$。

Answer key $\frac{2\sqrt{7}}{7}$
Explanation

由夹角余弦公式:
$$ \cos\langle \vec{A}, \vec{A} + \vec{B} \rangle = \frac{\vec{A} \cdot (\vec{A} + \vec{B})}{|\vec{A}| \, |\vec{A} + \vec{B}|}. $$
分子:$\vec{A} \cdot (\vec{A} + \vec{B}) = \vec{A} \cdot \vec{A} + \vec{A} \cdot \vec{B} = |\vec{A}|^2 + \vec{A} \cdot \vec{B} = 9 + (-3) = 6$;
分母:$|\vec{A}| = 3$,$|\vec{A} + \vec{B}| = \sqrt{7}$(前例已得),
故:
$$ \cos\langle \vec{A}, \vec{A} + \vec{B} \rangle = \frac{6}{3 \cdot \sqrt{7}} = \frac{2}{\sqrt{7}} = \frac{2\sqrt{7}}{7}. $$

由向量差模反求数量积

方法点拨

已知 $|\vec{A} - k\vec{B}| = m$ 及 $|\vec{A}|, |\vec{B}|$,可列方程解 $\vec{A} \cdot \vec{B}$:
$$ |\vec{A} - k\vec{B}|^2 = (\vec{A} - k\vec{B}) \cdot (\vec{A} - k\vec{B}) = |\vec{A}|^2 - 2k(\vec{A} \cdot \vec{B}) + k^2|\vec{B}|^2 = m^2. $$
整理即得 $\vec{A} \cdot \vec{B}$ 的值。

由差向量模求数量积与夹角

典型例题

已知 $|\vec{A}| = |\vec{B}| = 1$,$|\vec{A} - 3\vec{B}| = \sqrt{13}$,求 $\vec{A} \cdot \vec{B}$ 及 $\langle \vec{A}, \vec{B} \rangle$。

Answer key $\vec{A} \cdot \vec{B} = -\frac{1}{2}$,$\langle \vec{A}, \vec{B} \rangle = \frac{2\pi}{3}$
Explanation

由 $|\vec{A} - 3\vec{B}|^2 = 13$,展开:
$$ (\vec{A} - 3\vec{B}) \cdot (\vec{A} - 3\vec{B}) = \vec{A} \cdot \vec{A} - 6\vec{A} \cdot \vec{B} + 9\vec{B} \cdot \vec{B} = |\vec{A}|^2 - 6\vec{A} \cdot \vec{B} + 9|\vec{B}|^2. $$
代入 $|\vec{A}| = |\vec{B}| = 1$,得:
$$ 1 - 6\vec{A} \cdot \vec{B} + 9 = 10 - 6\vec{A} \cdot \vec{B} = 13 \Rightarrow \vec{A} \cdot \vec{B} = -\frac{1}{2}. $$
又 $\vec{A} \cdot \vec{B} = |\vec{A}||\vec{B}|\cos\theta = \cos\theta$,故 $\cos\theta = -\frac{1}{2}$,
在 $[0, \pi]$ 内解得 $\theta = \frac{2\pi}{3}$。

单位向量的定义与构造

概念精讲

单位向量是模长为 1 的向量。对任意非零向量 $\vec{a}$,
$$ \frac{\vec{a}}{|\vec{a}|} $$
是与 $\vec{a}$ 同方向的单位向量;
$$ -\frac{\vec{a}}{|\vec{a}|} $$
是与 $\vec{a}$ 反方向的单位向量。

证明:
• 方向性:因 $|\vec{a}| > 0$,故 $\frac{1}{|\vec{a}|} > 0$,数乘不改变方向;
• 模长:$\left|\frac{\vec{a}}{|\vec{a}|}\right| = \frac{|\vec{a}|}{|\vec{a}|} = 1$。

向量在另一向量方向上的投影定义

概念精讲

设 $\vec{a}$ 和 $\vec{b}$ 是两个非零向量。过 $\vec{a}$ 的起点和终点分别作 $\vec{b}$ 所在直线的垂线,垂足分别为 $A_1$、$B_1$,则向量 $\overrightarrow{A_1B_1}$ 称为 $\vec{a}$ 在 $\vec{b}$ 方向上的投影向量。

向量在另一向量方向上的投影向量公式

概念精讲

$\vec{a}$ 在 $\vec{b}$ 方向上的投影向量为:

$$ \operatorname{proj}_{\vec{b}} \vec{a} = \left( \frac{\vec{a} \cdot \vec{b}}{|\vec{b}|} \right) \cdot \frac{\vec{b}}{|\vec{b}|} = \frac{\vec{a} \cdot \vec{b}}{|\vec{b}|^2} \, \vec{b} $$

求向量投影向量的两步法

方法点拨

求 $\vec{a}$ 在 $\vec{b}$ 上的投影向量,分两步:
1. 求投影数量:$\displaystyle \frac{\vec{a} \cdot \vec{b}}{|\vec{b}|}$;
2. 乘以 $\vec{b}$ 方向的单位向量:$\displaystyle \left( \frac{\vec{a} \cdot \vec{b}}{|\vec{b}|} \right) \cdot \frac{\vec{b}}{|\vec{b}|}$,即得投影向量。

已知单位向量夹角求投影向量

典型例题

已知 $\vec{e}_1$、$\vec{e}_2$ 均为单位向量,且 $\langle \vec{e}_1, \vec{e}_2 \rangle = \dfrac{\pi}{3}$;设 $\vec{a} = \vec{e}_1 + \vec{e}_2$,$\vec{b} = \vec{e}_2$,求 $\vec{a}$ 在 $\vec{b}$ 上的投影向量。

Answer key $\dfrac{3}{2}\vec{e}_2$
Explanation

第一步:求投影数量 $\dfrac{\vec{a} \cdot \vec{b}}{|\vec{b}|}$。
• $\vec{a} \cdot \vec{b} = (\vec{e}_1 + \vec{e}_2) \cdot \vec{e}_2 = \vec{e}_1 \cdot \vec{e}_2 + \vec{e}_2 \cdot \vec{e}_2$;
• $\vec{e}_1 \cdot \vec{e}_2 = |\vec{e}_1||\vec{e}_2|\cos\dfrac{\pi}{3} = 1 \cdot 1 \cdot \dfrac{1}{2} = \dfrac{1}{2}$;
• $\vec{e}_2 \cdot \vec{e}_2 = |\vec{e}_2|^2 = 1$;
• 故 $\vec{a} \cdot \vec{b} = \dfrac{1}{2} + 1 = \dfrac{3}{2}$;
• $|\vec{b}| = |\vec{e}_2| = 1$;
• 投影数量为 $\dfrac{3/2}{1} = \dfrac{3}{2}$。

第二步:求投影向量 $= \left(\dfrac{3}{2}\right) \cdot \dfrac{\vec{b}}{|\vec{b}|} = \dfrac{3}{2} \cdot \dfrac{\vec{e}_2}{1} = \dfrac{3}{2}\vec{e}_2$。

已知模与数量积求夹角

典型例题

已知 $|\mathbf{a}| = 2$,$|\mathbf{b}| = 2$,$\mathbf{a} \cdot \mathbf{b} = 2$,求 $\mathbf{a}$ 与 $\mathbf{b}$ 的夹角 $\theta$。

Answer key $\frac{\pi}{3}$
Explanation

由夹角余弦公式:
$$ \cos\theta = \frac{\mathbf{a} \cdot \mathbf{b}}{|\mathbf{a}|\,|\mathbf{b}|} = \frac{2}{2 \times 2} = \frac{1}{2}. $$
在 $[0, \pi]$ 内,满足 $\cos\theta = \frac{1}{2}$ 的角为 $\theta = \frac{\pi}{3}$。

遇模必平方

方法点拨

当向量表达式中出现模(如 $|\mathbf{u}|$)且需比较大小、解不等式或化简时,优先对模两边平方,利用恒等式
$$ |\mathbf{u}|^2 = \mathbf{u} \cdot \mathbf{u}. $$
该操作合法,因模恒为非负实数,故 $|\mathbf{u}| \leq |\mathbf{v}| \iff |\mathbf{u}|^2 \leq |\mathbf{v}|^2$。

计算向量差的模

典型例题

已知 $|\mathbf{a}| = 2$,$|\mathbf{b}| = 2$,$\mathbf{a} \cdot \mathbf{b} = 2$,求 $|\mathbf{a} - \mathbf{b}|$。

Answer key 2
Explanation

利用模平方公式:
$$ |\mathbf{a} - \mathbf{b}|^2 = (\mathbf{a} - \mathbf{b}) \cdot (\mathbf{a} - \mathbf{b}) = \mathbf{a} \cdot \mathbf{a} - 2\mathbf{a} \cdot \mathbf{b} + \mathbf{b} \cdot \mathbf{b} = |\mathbf{a}|^2 - 2(\mathbf{a} \cdot \mathbf{b}) + |\mathbf{b}|^2. $$
代入已知:$|\mathbf{a}|^2 = 4$,$|\mathbf{b}|^2 = 4$,$\mathbf{a} \cdot \mathbf{b} = 2$,得
$$ |\mathbf{a} - \mathbf{b}|^2 = 4 - 2 \times 2 + 4 = 4 \quad \Rightarrow \quad |\mathbf{a} - \mathbf{b}| = \sqrt{4} = 2. $$

投影数量与投影向量公式

概念精讲

向量 $\mathbf{u}$ 在向量 $\mathbf{v}$ 上的
• 投影数量(标量投影)为:
$$ \operatorname{comp}_{\mathbf{v}} \mathbf{u} = \frac{\mathbf{u} \cdot \mathbf{v}}{|\mathbf{v}|}; $$
• 投影向量(向量投影)为:
$$ \operatorname{proj}_{\mathbf{v}} \mathbf{u} = \left( \frac{\mathbf{u} \cdot \mathbf{v}}{|\mathbf{v}|} \right) \cdot \frac{\mathbf{v}}{|\mathbf{v}|} = \frac{\mathbf{u} \cdot \mathbf{v}}{|\mathbf{v}|^2} \, \mathbf{v}. $$

求向量在另一向量上的投影向量

典型例题

已知 $|\mathbf{a}| = 2$,$|\mathbf{b}| = 2$,$\mathbf{a} \cdot \mathbf{b} = 2$,求 $\mathbf{a} - \mathbf{b}$ 在 $\mathbf{b}$ 上的投影向量。

Answer key -$\frac{1}{2}\mathbf{b}$
Explanation

第一步:求投影数量
$$ \frac{(\mathbf{a} - \mathbf{b}) \cdot \mathbf{b}}{|\mathbf{b}|} = \frac{\mathbf{a} \cdot \mathbf{b} - \mathbf{b} \cdot \mathbf{b}}{|\mathbf{b}|} = \frac{2 - |\mathbf{b}|^2}{2} = \frac{2 - 4}{2} = -1. $$
第二步:乘以 $\mathbf{b}$ 方向的单位向量 $\dfrac{\mathbf{b}}{|\mathbf{b}|} = \dfrac{\mathbf{b}}{2}$,得投影向量:
$$ (-1) \cdot \frac{\mathbf{b}}{2} = -\frac{1}{2} \mathbf{b}. $$

已知模与夹角求数量积

典型例题

已知 $|\mathbf{a}| = 2$,$|\mathbf{b}| = 1$,$\mathbf{a}$ 与 $\mathbf{b}$ 的夹角为 $60^\circ$,求 $\mathbf{a} \cdot \mathbf{b}$。

Answer key 1
Explanation

由数量积定义:
$$ \mathbf{a} \cdot \mathbf{b} = |\mathbf{a}|\,|\mathbf{b}|\cos 60^\circ = 2 \times 1 \times \frac{1}{2} = 1. $$

求向量差的模(含已知夹角)

典型例题

已知 $|\mathbf{a}| = 2$,$|\mathbf{b}| = 1$,$\mathbf{a}$ 与 $\mathbf{b}$ 的夹角为 $60^\circ$,求 $|\mathbf{a} - \mathbf{b}|$。

Explanation

利用模平方公式:
$$ |\mathbf{a} - \mathbf{b}|^2 = |\mathbf{a}|^2 - 2\mathbf{a} \cdot \mathbf{b} + |\mathbf{b}|^2 = 2^2 - 2 \times 1 + 1^2 = 4 - 2 + 1 = 3, $$
故 $|\mathbf{a} - \mathbf{b}| = \sqrt{3}$。

求向量在另一向量上的投影向量(含已知夹角)

典型例题

已知 $|\mathbf{a}| = 2$,$|\mathbf{b}| = 1$,$\mathbf{a}$ 与 $\mathbf{b}$ 的夹角为 $60^\circ$,求 $\mathbf{b}$ 在 $\mathbf{a}$ 上的投影向量。

Answer key $\frac{1}{4}\mathbf{a}$
Explanation

先求投影数量:
$$ \frac{\mathbf{b} \cdot \mathbf{a}}{|\mathbf{a}|} = \frac{1}{2} = \frac{1}{2}. $$
再乘以 $\mathbf{a}$ 方向的单位向量 $\dfrac{\mathbf{a}}{|\mathbf{a}|} = \dfrac{\mathbf{a}}{2}$,得投影向量:
$$ \frac{1}{2} \cdot \frac{\mathbf{a}}{2} = \frac{1}{4} \mathbf{a}. $$

含参向量不等式恒成立的转化策略

方法点拨

若题干给出形如 $|\mathbf{u}(t)| \leq |\mathbf{v}(t)|$ 对任意实数 $t$ 恒成立,其中 $\mathbf{u}(t),\mathbf{v}(t)$ 是关于 $t$ 的线性向量组合,则:
1. 遇模必平方:转化为 $|\mathbf{u}(t)|^2 \leq |\mathbf{v}(t)|^2$;
2. 展开化简:利用 $|\mathbf{x}|^2 = \mathbf{x} \cdot \mathbf{x}$ 及数量积运算律,整理为关于 $t$ 的二次多项式不等式;
3. 恒成立条件:若二次项系数 $>0$,则恒成立 $\iff$ 判别式 $\Delta \leq 0$。

向量模的最值问题:预模平方法

方法点拨

遇到形如 $|\mathbf{a} - t\mathbf{b}|$ 的最值问题,应采用“预模平方”策略:先计算其平方 $|\mathbf{a} - t\mathbf{b}|^2 = (\mathbf{a} - t\mathbf{b}) \cdot (\mathbf{a} - t\mathbf{b})$,展开为 $|\mathbf{a}|^2 - 2t\,\mathbf{a}\cdot\mathbf{b} + t^2|\mathbf{b}|^2$,代入已知模长与夹角余弦(如 $\mathbf{a}\cdot\mathbf{b} = |\mathbf{a}||\mathbf{b}|\cos\theta$),化为关于 $t$ 的二次函数,再通过配方或顶点公式求最小值(注意开方后取非负根)。

求 $|\mathbf{n} - t\mathbf{m}|$ 的最小值

典型例题

已知向量 $\mathbf{m},\mathbf{n}$ 满足 $|\mathbf{m}| = |\mathbf{n}| = 1$,且夹角 $\theta$ 满足 $\cos\theta = \frac{1}{2}$,求 $|\mathbf{n} - t\mathbf{m}|$ 的最小值。

Answer key $\frac{\sqrt{3}}{2}$
Explanation

计算平方:

$$ |\mathbf{n} - t\mathbf{m}|^2 = \mathbf{n}\cdot\mathbf{n} - 2t\,\mathbf{n}\cdot\mathbf{m} + t^2\,\mathbf{m}\cdot\mathbf{m} = |\mathbf{n}|^2 - 2t(|\mathbf{n}||\mathbf{m}|\cos\theta) + t^2|\mathbf{m}|^2. $$

代入 $|\mathbf{m}| = |\mathbf{n}| = 1$,$\cos\theta = \frac{1}{2}$,得:

$$ |\mathbf{n} - t\mathbf{m}|^2 = 1 - 2t \cdot \frac{1}{2} + t^2 = t^2 - t + 1. $$

配方:

$$ t^2 - t + 1 = \left(t - \frac{1}{2}\right)^2 + \frac{3}{4} \geq \frac{3}{4}, $$

当 $t = \frac{1}{2}$ 时取等。故最小值为 $\sqrt{\frac{3}{4}} = \frac{\sqrt{3}}{2}$。

完全平方式小于等于0的充要条件

二级结论

对任意实数 $x$,有 $(x)^2 \geq 0$;因此 $(x)^2 \leq 0$ 当且仅当 $x = 0$。

判断含参表达式是否为定值

方法点拨

判断一个含参数(如 $t$)的代数式是否为定值,需将其化简为关于该参数的最简解析式;若结果中仍显含参数(如出现 $t$ 或 $t^2$ 项),则该式随参数变化而变化,不是定值;仅当化简后为不含参数的常数时,才为定值。

判断 $|\mathbf{m} + t\mathbf{n}|^2 + |\mathbf{m} - t\mathbf{n}|^2$ 是否为定值

典型例题

已知 $|\mathbf{m}| = |\mathbf{n}| = 1$,判断表达式 $|\mathbf{m} + t\mathbf{n}|^2 + |\mathbf{m} - t\mathbf{n}|^2$ 是否为定值。

Explanation

展开:

$$ |\mathbf{m} + t\mathbf{n}|^2 = |\mathbf{m}|^2 + 2t\,\mathbf{m}\cdot\mathbf{n} + t^2|\mathbf{n}|^2, $$

$$ |\mathbf{m} - t\mathbf{n}|^2 = |\mathbf{m}|^2 - 2t\,\mathbf{m}\cdot\mathbf{n} + t^2|\mathbf{n}|^2. $$

相加得:

$$ 2|\mathbf{m}|^2 + 2t^2|\mathbf{n}|^2 = 2 \cdot 1^2 + 2t^2 \cdot 1^2 = 2t^2 + 2. $$

因含 $t^2$ 项,随 $t$ 变化,故不是定值。

投影向量的求解步骤

方法点拨

求向量 $\mathbf{a}$ 在向量 $\mathbf{b}$ 方向上的投影向量,分两步:
1. 先求投影数量(标量投影):$\displaystyle \text{comp}_{\mathbf{b}}\mathbf{a} = \frac{\mathbf{a} \cdot \mathbf{b}}{|\mathbf{b}|}$;
2. 再乘以 $\mathbf{b}$ 方向的单位向量:$\displaystyle \text{proj}_{\mathbf{b}}\mathbf{a} = \left( \frac{\mathbf{a} \cdot \mathbf{b}}{|\mathbf{b}|} \right) \cdot \frac{\mathbf{b}}{|\mathbf{b}|} = \frac{\mathbf{a} \cdot \mathbf{b}}{|\mathbf{b}|^2} \, \mathbf{b}$。
若 $\mathbf{b}$ 为和向量(如 $\mathbf{m}+\mathbf{n}$),其模需通过“预模平方”计算:$|\mathbf{m}+\mathbf{n}| = \sqrt{|\mathbf{m}|^2 + 2\mathbf{m}\cdot\mathbf{n} + |\mathbf{n}|^2}$。

误用数量积定义求未知夹角的投影

易错点辨析

当求向量 $\mathbf{a}$ 在 $\mathbf{b} = \mathbf{m} + \mathbf{n}$ 上的投影时,不可直接使用数量积定义 $\mathbf{a} \cdot \mathbf{b} = |\mathbf{a}||\mathbf{b}|\cos\varphi$ 计算投影数量,因为 $\mathbf{a}$ 与 $\mathbf{b}$ 的夹角 $\varphi$ 未知;正确做法是将 $\mathbf{b}$ 展开,利用分配律计算 $\mathbf{a} \cdot \mathbf{b} = \mathbf{a} \cdot \mathbf{m} + \mathbf{a} \cdot \mathbf{n}$,再代入已知数量积。

平面向量基本定理的表述

概念精讲

如果 $\mathbf{e}_1$、$\mathbf{e}_2$ 是平面内两个不共线的向量,则对该平面内任意向量 $\mathbf{a}$,有且只有一对实数 $\lambda_1$、$\lambda_2$,使得

$$ \mathbf{a} = \lambda_1 \mathbf{e}_1 + \lambda_2 \mathbf{e}_2. $$

基底的充要条件

二级结论

平面内两个向量能构成一组基底,当且仅当它们不共线(即不平行,且均非零向量)。

判断新向量组能否作基底的方法

方法点拨

给定原基底 $\mathbf{e}_1$、$\mathbf{e}_2$,对由其线性组合构成的新向量组 $\mathbf{u}, \mathbf{v}$,判断其能否作基底,等价于判断 $\mathbf{u}$ 与 $\mathbf{v}$ 是否共线:

若存在实数 $k$,使得 $\mathbf{u} = k \mathbf{v}$,则共线,不能作基底;否则不共线,可作基底。

基底的充要条件:不共线

概念精讲

平面向量中,两个向量能构成一组基底的充要条件是它们不共线。若两个向量满足 $\vec{a} = k\vec{b}$($k \in \mathbb{R}$),则它们共线,不能作为基底。

向量分解系数的三步法

方法点拨

求某向量在给定基底下的线性表示(即分解系数)的通用步骤:
1. 选定基底:选取两个不共线的向量作为基底(题干指定或自主选取);
2. 封闭三角形定位:将待求向量置于一个封闭三角形中(如 $\triangle ABG$、$\triangle BGD$ 等);
3. 线性运算拆解:利用向量加法、减法、数乘(不包含数量积)将待求向量表示为基底的线性组合。

三角形中线向量公式

二级结论

在 $\triangle ABC$ 中,若 $D$ 是 $BC$ 的中点,则中线向量满足:
$$ \vec{AD} = \frac{1}{2}(\vec{AB} + \vec{AC}) $$

共线向量比例速判法

解题大招

若两共线向量 $\vec{u}, \vec{v}$ 同向且已知其所在线段被某点分成 $m:n$(从起点到终点),则该点分向量满足:
• 若点 $P$ 在 $AB$ 上且 $AP:PB = m:n$,则 $\vec{AP} = \frac{m}{m+n}\vec{AB}$;
• 特别地,若 $\vec{AG} = 2\vec{GD}$,则 $AG:GD = 2:1$,故 $AG:AD = 2:3$,即 $\vec{AG} = \frac{2}{3}\vec{AD}$。

向量BG用AB、AC线性表示

典型例题

在△ABC中,D为BC中点,G在AD上且满足$\overrightarrow{AG} = 2\overrightarrow{GD}$,求$\overrightarrow{BG}$用$\overrightarrow{AB}$、$\overrightarrow{AC}$表示的式子。

Answer key $-\frac{2}{3}\overrightarrow{AB} + \frac{1}{3}\overrightarrow{AC}$
Explanation

由$\overrightarrow{AG} = 2\overrightarrow{GD}$得$\overrightarrow{AG} = \frac{2}{3}\overrightarrow{AD}$;
又D为BC中点,故$\overrightarrow{AD} = \frac{1}{2}(\overrightarrow{AB} + \overrightarrow{AC})$;
因此$\overrightarrow{AG} = \frac{2}{3} \cdot \frac{1}{2}(\overrightarrow{AB} + \overrightarrow{AC}) = \frac{1}{3}\overrightarrow{AB} + \frac{1}{3}\overrightarrow{AC}$;
而$\overrightarrow{BG} = \overrightarrow{AG} - \overrightarrow{AB} = \left(\frac{1}{3}\overrightarrow{AB} + \frac{1}{3}\overrightarrow{AC}\right) - \overrightarrow{AB} = -\frac{2}{3}\overrightarrow{AB} + \frac{1}{3}\overrightarrow{AC}$。

向量分解三步法:选基底→构三角形→逐级转化

方法点拨

向量用指定基底(如$\overrightarrow{AB},\overrightarrow{AC}$)表示的通用解题流程:
1. 选基底:确认题目指定的两个不共线向量为基底;
2. 构三角形:将目标向量(如$\overrightarrow{BG}$)置于一个含基底边的三角形中(如△ABG),利用向量加减法拆解为基底相关向量(如$\overrightarrow{BG} = \overrightarrow{AG} - \overrightarrow{AB}$);
3. 逐级转化:对非基底向量(如$\overrightarrow{AG}$)继续按相同逻辑降维转化(如通过共线关系转为$\overrightarrow{AD}$,再通过中点条件转为$\overrightarrow{AB},\overrightarrow{AC}$组合),直至全部用基底表示。

中线向量公式:AD=½(AB+AC)

概念精讲

在△ABC中,若D为BC中点,则中线向量满足:
$$ \overrightarrow{AD} = \frac{1}{2}(\overrightarrow{AB} + \overrightarrow{AC}) $$
该式由向量加法平行四边形法则及中点定义直接推出:$\overrightarrow{AB} + \overrightarrow{AC} = 2\overrightarrow{AD}$。

定比分点向量公式:PD=λ/(λ+μ)PB+μ/(λ+μ)PA

解题大招

设线段AB上一点D满足$|AD|:|DB| = \lambda : \mu$(即D分AB的比为$\lambda:\mu$),P为平面内任意一点(不在AB上),则:
$$ \overrightarrow{PD} = \frac{\lambda}{\lambda + \mu}\, \overrightarrow{PB} + \frac{\mu}{\lambda + \mu}\, \overrightarrow{PA} $$
该公式可直接套用,避免重复推导。

线段定比分点向量公式

二级结论

设点 $D$ 在线段 $AB$ 上,且 $AD:DB = \lambda:\mu$(即 $\overrightarrow{AD} = \frac{\lambda}{\lambda+\mu}\overrightarrow{AB}$),则对任意一点 $P$,有:

$$ \overrightarrow{PD} = \frac{\mu}{\lambda + \mu}\, \overrightarrow{PA} + \frac{\lambda}{\lambda + \mu}\, \overrightarrow{PB} $$

定比分点公式记忆技巧

方法点拨

记 $\overrightarrow{PD} = k_1 \overrightarrow{PA} + k_2 \overrightarrow{PB}$,其中 $D$ 在 $AB$ 上,$AD:DB = \lambda:\mu$:
• $\overrightarrow{PA}$ 前的系数 $k_1$ 对应“远离 $A$ 的线段长度”(即 $DB = \mu$)除以全长 $AB = \lambda + \mu$,故 $k_1 = \dfrac{\mu}{\lambda + \mu}$;
• $\overrightarrow{PB}$ 前的系数 $k_2$ 对应“远离 $B$ 的线段长度”(即 $AD = \lambda$)除以全长 $AB = \lambda + \mu$,故 $k_2 = \dfrac{\lambda}{\lambda + \mu}$。

真题练一练

学完这一讲,用同考点的高考真题检验一下。

2025 Beijing Question 10 Single choice Differentiating
2025_北京卷 (2025)

10.在平面直角坐标系 $x O y$ 中,$|\overrightarrow{O A}|=|\overrightarrow{O B}|=\sqrt{2},|\overrightarrow{A B}|=2$ 。设 $C(3,4)$ ,则 $|2 \overrightarrow{C A}+\stackrel{\text { en }}{\text { AB }}|$ 的取值范围是

A. [6,14]
B. [6,12]
C. [8,14]
D. [8,12]
2015 National Question 13 Fill in the blank Differentiating
2015_新课标 II 卷 (2015·理)

13.(5分)设向量 $\overrightarrow{\mathrm{a}}, \overrightarrow{\mathrm{b}}$ 不平行,向量 $\lambda \overrightarrow{\mathrm{a}}+\overrightarrow{\mathrm{b}}$ 与 $\overrightarrow{\mathrm{a}}+2 \overrightarrow{\mathrm{~b}}$ 平行,则实数 $\lambda=-\frac{1}{2}$
$\_\_\_\_$ $\frac{1}{2}$ .

2025 Tianjin Question 14 Fill in the blank Differentiating
2025_天津卷 (2025)

14.V $A B C$ 中,$D$ 为 $A B$ 边中点, $\overrightarrow{C E}=\frac{1}{3} \overrightarrow{C D}, \overrightarrow{A B}=\vec{a}, \overrightarrow{A C}=\vec{b}$ ,则 $\overrightarrow{A E}=$ $\_\_\_\_$(用 $\vec{a}, \vec{b}$ 表示),若 $|\overrightarrow{A E}|=5$ , $A E \perp C B$ ,则 $\overrightarrow{A E} \cdot \overrightarrow{C D}=$ $\_\_\_\_$

2021 Zhejiang Question 17 Fill in the blank Differentiating
2021_浙江卷 (2021)

17.

已知平面向量 $\vec{a}, \vec{b}, \vec{c},(\vec{c} \neq \overrightarrow{0})$ 满足 $|\vec{a}|=1,|\vec{b}|=2, \vec{a} \cdot \vec{b}=0,(\vec{a}-\vec{b}) \cdot \vec{c}=0$ 。记向量 $\vec{d}$ 在 $\vec{a}, \vec{b}$ 方向上的投影分别为 $x, y, \vec{d}-\vec{a}$ 在 $\vec{c}$ 方向上的投影为 $z$ ,则 $x^{2}+y^{2}+z^{2}$ 的最小值为 $\_\_\_\_$ .

相关标签投影向量
2024 Question 3 Single choice Differentiating
2024_新课标 I 卷 (2024)

3.已知向量 $\vec{a}=(0,1), \vec{b}=(2, x)$ ,若 $\vec{b} \perp(\vec{b}-4 \vec{a})$ ,则 $x=$( )

A. -2
B. -1
C. 1
D. 2
2013 National Question 4 Single choice Differentiating
2013_退役省自主命题 (2013·文)

(3)已知点 $A(1,3), B(4,-1)$,则与向量 $\overrightarrow{A B}$ 同方向的单位向量为

A. $\left(\frac{3}{5},-\frac{4}{5}\right)$
B. $\left(\frac{4}{5},-\frac{3}{5}\right)$
C. $\left(-\frac{3}{5}, \frac{4}{5}\right)$
D. $\left(-\frac{4}{5}, \frac{3}{5}\right)$
← 数学寒假直播2:向量2数学寒假直播4:向量4 →

《高一数学同步课 · 直播》全部专题

数学寒假直播1:向量1数学寒假直播2:向量2数学寒假直播4:向量4数学寒假直播5:向量5数学寒假直播6:向量6与正弦定理数学寒假直播7:解三角形数学寒假直播8:立体几何2数学寒假直播9:立体几何3数学寒假直播10:立体几何4数学寒假直播11:立体几何5数学寒假直播12:立体几何6数学寒假直播13:立体几何7数学寒假直播14:立体几何8