详细理解向量叉积

叉积(Cross Product),又称向量积或外积,是三维空间中两个向量的一种二元运算,结果是一个新的向量。它与点积(内积)不同,叉积的结果是向量而不是标量。

定义

给定两个三维向量 a = (a₁, a₂, a₃) 和 b = (b₁, b₂, b₃),它们的叉积 a × b 定义为:

a×b=(a2b3−a3b2, a3b1−a1b3, a1b2−a2b1) \mathbf{a} \times \mathbf{b} = (a_2b_3 - a_3b_2, \, a_3b_1 - a_1b_3, \, a_1b_2 - a_2b_1) a×b=(a2b3−a3b2,a3b1−a1b3,a1b2−a2b1)

也可以用行列式形式表示:

a×b=∣ijka1a2a3b1b2b3∣ \mathbf{a} \times \mathbf{b} = \begin{vmatrix} \mathbf{i} & \mathbf{j} & \mathbf{k} \\ a_1 & a_2 & a_3 \\ b_1 & b_2 & b_3 \\ \end{vmatrix} a×b= ia1b1ja2b2ka3b3

其中 i , j , k 分别是 x、y、z 轴的单位向量。

几何意义

  1. 方向 :叉积的结果向量 a × b 垂直于 ab 所在的平面,方向遵循右手定则(右手四指从 a 转向 b ,拇指指向 a × b 的方向)。

  2. 大小 :叉积的模长等于 ab 的模长与它们夹角 θ 的正弦的乘积:
    ∥a×b∥=∥a∥∥b∥sin⁡θ \|\mathbf{a} \times \mathbf{b}\| = \|\mathbf{a}\| \|\mathbf{b}\| \sin\theta ∥a×b∥=∥a∥∥b∥sinθ

    若a、b均归一化,当a、b平行时结果为0,当a、b垂直时结果为1,叉积的模长代表了两个向量的误差。

    • 几何上表示以 ab 为邻边的平行四边形的面积。

性质

  1. 反交换律a × b = −(b × a)
  2. 分配律a × (b + c) = a × b + a × c
  3. 与标量乘法结合 :(ka ) × b = a × (kb ) = k(a × b)。
  4. 平行向量叉积为零 :若 ab 平行(θ = 0° 或 180°),则 a × b = 0
相关推荐
再卷也是菜7 小时前
第一章、线性代数(2)高斯消元法
线性代数·算法
剑穗挂着新流苏31215 小时前
206_深度学习进阶:模型选择、过拟合与欠拟合的生存法则
人工智能·pytorch·深度学习·神经网络·线性代数
Cathy Bryant2 天前
拓扑学:曲面与圆环
笔记·线性代数·矩阵·拓扑学
再卷也是菜2 天前
第一章、线性代数(1)矩阵乘法
线性代数·矩阵
bulingg2 天前
L1与L2正则化的差异
线性代数·矩阵·概率论
历程里程碑2 天前
Protobuf 环境搭建:Windows 与 Linux 系统安装教程
linux·运维·数据结构·windows·线性代数·算法·矩阵
EQUINOX13 天前
马尔可夫链
线性代数·动态规划·随机数学
MediaTea3 天前
NumPy 函数手册:线性代数
线性代数·numpy
AI科技星3 天前
基于v≡c光速螺旋理论的正确性证明:严格遵循科学方法论的完整路径
c语言·开发语言·人工智能·线性代数·算法·机器学习·数学建模
RFdragon3 天前
分享本周所学——三维重建算法3D Gaussian Splatting(3DGS)
人工智能·线性代数·算法·机器学习·计算机视觉·矩阵·paddlepaddle