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
小蜜蜂爱编程7 小时前
逆矩阵基础
线性代数·矩阵
粉色挖掘机13 小时前
矩阵在图像处理中的应用
图像处理·深度学习·线性代数·矩阵
清 晨1 天前
TikTok矩阵运营的提速方法
线性代数·矩阵·web3·facebook·tiktok·instagram·clonbrowser
ChoSeitaku1 天前
线代强化NO4|行列式的计算
线性代数·机器学习·矩阵
西西弗Sisyphus1 天前
如何找到一个矩阵的特征值和特征向量
线性代数·矩阵·特征值·特征向量
爱代码的小黄人2 天前
一般角度的旋转矩阵的推导
线性代数·算法·矩阵
西西弗Sisyphus2 天前
线性代数 - 特征值和特征向量可视化是什么样的
线性代数·特征值·特征向量
passxgx2 天前
10.7 密码学中的线性代数
线性代数·密码学
phoenix@Capricornus2 天前
多项分布 (Multinomial Distribution)
线性代数·机器学习·概率论
在路上看风景3 天前
1.8 分块矩阵
线性代数·矩阵