向量计算器

Q: 点积为什么等于 |A||B|cosθ？

用余弦定理证明：|A−B|² = |A|² + |B|² − 2|A||B|cosθ，左边按分量展开 = Σ(aᵢ−bᵢ)² = |A|² + |B|² − 2Σaᵢbᵢ，两式对比即得 Σaᵢbᵢ = |A||B|cosθ。这个恒等式把"代数计算"（分量乘积和）与"几何意义"（夹角余弦）焊在一起，是向量理论的枢纽。

Q: 余弦相似度和点积是什么关系？

余弦相似度 = A·B ÷ (|A||B|)，就是夹角余弦，取值 −1 到 1。它忽略向量的长短只看方向：文本相似度中两篇文章长度差 10 倍（向量模长差 10 倍）但主题相同（词频方向一致），余弦相似度依然接近 1。先把向量归一化再点积，结果自动就是余弦相似度——推荐系统的标准操作。

Q: 力的分解为什么用向量？

因为力天然是向量：斜面上的重力分解为"沿斜面下滑的分力 mg sinθ"和"压斜面的分力 mg cosθ"，就是把重力向量往两个正交方向投影。多个力的合力 = 向量相加，平衡条件 = 合向量为零。一道受力分析题，翻译成向量加减 + 点积投影后就是纯算术。

Q: 向量和标量怎么区分？

只有大小的量是标量（温度、质量、速率），既有大小又有方向的量是向量（力、速度、位移）。注意「速率 60 km/h」是标量，「向东 60 km/h」才是向量。

Q: 向量加法为什么不满足模长相加？

因为方向不同会抵消。两人分别用 3 N 和 4 N 的力拉同一物体，同向时合力 7 N，反向时只剩 1 N，垂直时是 5 N（勾股定理）——|A+B| ≤ |A|+|B|，这就是三角不等式。

Q: 单位向量有什么用？

单位向量模长为 1，只保留方向信息。任意向量除以自身模长即得单位向量（归一化），计算机图形学中所有方向计算都先归一化，避免长度干扰角度与光照计算。

Q: 负向量是什么？

−A 与 A 模长相同、方向相反。向量减法 A−B 定义为 A+(−B)，几何上是从 B 的终点指向 A 的终点——位移差、速度变化量都是这样算的。

Q: 四维以上的向量存在吗？

数学上完全存在，就是 n 个有序实数。数据科学天天在用：一个用户画像可以有几百个维度。虽然无法画图，但所有代数运算法则与三维一致。

Q: 向量可以用极坐标表示吗？

可以，二维向量等价于「模长 + 角度」的极坐标形式 (r, θ)，与直角坐标 (x, y) 通过 x=r·cosθ、y=r·sinθ 互化。某些旋转问题用极坐标更简洁。

Q: 为什么物理学偏爱向量？

因为物理定律本身与坐标系选择无关。用向量写出的牛顿第二定律 F=ma，无论坐标系怎么旋转都成立——向量语言天然表达了这种客观性。

什么是向量计算器？

向量（Vector）是既有大小又有方向的量，用分量数组表示：平面向量 (x, y)、空间向量 (x, y, z)、机器学习里的特征向量可以有上万维。基本运算：加减法对应分量相加减（合力合成）、数乘逐分量缩放、模长 |A| = √(Σaᵢ²)（推广版的勾股定理）。

点积（内积）A·B = Σaᵢbᵢ 是最重要的向量运算：它等于 |A||B|cosθ，于是夹角 θ = arccos(A·B ÷ (|A||B|))。A=(3,4)、B=(1,2)：A·B = 3+8 = 11，|A|=5、|B|=√5 ≈ 2.236，θ = arccos(0.984) ≈ 10.3°——方向几乎一致。点积为正同向、为零垂直、为负反向，一个数概括方向关系。

向量的现代舞台远超几何：物理中的力、速度、电场都是向量（正交分解是解题万能钥匙）；推荐系统把用户和商品都编码成向量，点积（余弦相似度）度量兴趣匹配；大语言模型里每个词是 4096 维向量，"国王 − 男人 + 女人 ≈ 女王"的向量算术是词嵌入的成名绝技。

向量的力量在于「把几何问题代数化」。力、速度、位移这些既有大小又有方向的量天然是向量；而引入坐标系后，几何上的平移、旋转、投影全部转化成分量上的加减乘除，这正是计算机图形学的基石——屏幕里每一个 3D 模型的移动、每一束光照的反射方向，底层都是本页这几组运算在每秒执行数十亿次。

向量的概念早已突破三维空间。机器学习把一段文本、一张图片压缩成几百维的「嵌入向量」，语义相近的词在高维空间中方向接近；搜索引擎用夹角余弦衡量查询与文档的相关性；推荐系统把用户和商品放进同一个向量空间做最近邻检索。维数变了，本页的模长、点积、夹角公式一字不改，这正是数学抽象的威力。

|A| = √(Σaᵢ²)；A·B = Σaᵢbᵢ = |A||B|cosθ；θ = arccos(A·B ÷ |A||B|)

三维向量 A=(3, 4, 12) 的模长 |A| = √(3² + 4² + 12²) = √(9+16+144) = √169 = 13；与 B=(1, 0, 0) 的夹角 θ = arccos(3 ÷ 13) ≈ 76.7°。模长是各分量平方和开根，二维情形就是勾股定理。

向量核心运算汇总（以三维为例）
运算	公式	结果类型	几何意义
加法 A+B	对应分量相加	向量	平行四边形对角线
数乘 kA	各分量乘 k	向量	同向伸缩，k<0 时反向
模长 \|A\|	√(Σaᵢ²)	标量	向量的长度
点积 A·B	Σaᵢbᵢ	标量	投影乘积，判夹角
叉积 A×B	行列式展开	向量	垂直于两向量的法向量
夹角 θ	arccos(A·B ÷ \|A\|\|B\|)	角度	0° 同向，90° 垂直，180° 反向

如何使用向量计算器

1
输入向量 A 与 B（分量空格分隔，维度需一致）。
2
点击计算，得 A+B、A−B、两模长、点积与夹角。

计算示例

例 1A=(3, 4)、B=(1, 2)

A+B = (4, 6)，A−B = (2, 2)；|A| = 5，|B| = √5 ≈ 2.236；A·B = 11；夹角 ≈ 10.30°——两向量方向很接近。

例 2垂直检验

A=(3, 4)、B=(−4, 3)：A·B = −12+12 = 0——点积为零，两向量严格垂直（夹角 90°）。这是判断垂直关系的最快方法，无需画图。

例 3位移合成

船先向东行驶 3 km 再向北行驶 4 km，位移向量 (3, 4) 的模长 √(9+16) = 5 km，方向为东偏北 arctan(4/3) ≈ 53.1°。两个正交分量的合成就是勾股定理的直接应用。

例 4光照方向

3D 渲染中表面法向量 N=(0,0,1)、入射光方向 L=(0,1,1) 归一化后为 (0,0.707,0.707)，两者夹角 θ = arccos(0.707) = 45°，漫反射亮度按 cosθ 衰减——游戏画面的明暗就是这么算出来的。

例 5文档相似度

两个词频向量 A=(2,1,0,3) 与 B=(1,1,1,2)，点积 = 2+1+0+6 = 9，|A|=√14、|B|=√7，余弦相似度 = 9 ÷ √98 ≈ 0.91，高度相关。搜索引擎用这个值排序结果。

注意事项

两向量维度必须一致才能加减与点积；不同维度的向量运算没有定义。
点积是标量不是向量："向量乘向量得数"只有点积这一种（叉积得向量，仅三维）。
零向量与任何向量的夹角无定义（分母为零），本工具自动排除。
高维向量的"夹角"直觉会失效：上千维空间里随机两向量几乎必然接近垂直（维数灾难的表现之一）。
向量相等只看大小和方向，不看起点：平移一个向量不改变它本身，但改变它作用的对象——力学中把力沿作用线滑移不改变效果，移到作用线外就会产生额外力矩。
模长为零的向量叫零向量，它没有确定方向，与任何向量的点积都是 0，夹角无意义——程序里计算夹角前务必检查模长是否为 0，否则除零崩溃。
高维向量的「夹角」没有直观图像，但 arccos 公式依然有效；不过维数灾难会让高维空间中任意两向量趋于正交（余弦接近 0），这是高维检索需要降维的原因之一。

常见问题