向量叉乘的几何意义及其模的计算 | 您所在的位置:网站首页 › a-b的绝对值的平方等于 › 向量叉乘的几何意义及其模的计算 |
目的:在传统的向量叉乘计算中,常常遇到叉乘。定义为向量。其这个向量方向满足右手定则。它的模大小,一般被忽略。因此推测一下。 向量叉乘定义: 外积(英语:Cross product)又称向量积(英语:Vector product),是对三维空间中的两个向量的二元运算,用符号:
×
\times
×表示。可以定义为:
a
→
×
b
→
=
c
→
(
1
)
\overrightarrow{a} \times \overrightarrow{b} = \overrightarrow{c} \space \space \space \space(1)
a
×b
=c
(1) 假设两个向量
a
→
×
b
→
\overrightarrow{a} \times \overrightarrow{b}
a
×b
外积,它的方向为
c
→
\overrightarrow{c}
c
。其方向由右手定则决定。模长等于这两个向量边的平行四边形的面积。 它的定义也可以写成:
a
→
×
b
→
=
∣
a
→
∣
∣
b
→
∣
s
i
n
(
θ
)
n
→
(
2
)
\overrightarrow{a} \times \overrightarrow{b} = |\overrightarrow{a}||\overrightarrow{b}|sin(\theta)\overrightarrow{n} \space \space \space \space(2)
a
×b
=∣a
∣∣b
∣sin(θ)n
(2) 其中
θ
\theta
θ为两个向量的夹角
0
≤
θ
≤
180
0\le \theta \le 180
0≤θ≤180;
∣
a
→
∣
∣
b
→
∣
|\overrightarrow{a}||\overrightarrow{b}|
∣a
∣∣b
∣分别为两个向量
a
→
b
→
\overrightarrow{a} \overrightarrow{b}
a
b
的模长。
n
→
\overrightarrow{n}
n
为垂直于
a
→
b
→
\overrightarrow{a} \overrightarrow{b}
a
b
所在平面的法向量,且它满足右手定则。如下图: 因为基向量 ( i → , j → , k → ) (\overrightarrow{i},\overrightarrow{j},\overrightarrow{k}) (i ,j ,k )两两垂直,且为单位向量。 0 → \overrightarrow{0} 0 表示都为 0 0 0的向量。所以得到: i → × i → = 0 → ( 4 ) j → × j → = 0 → ( 5 ) k → × k → = 0 → ( 6 ) i → × j → = k → ( 7 ) j → × k → = i → ( 8 ) k → × i → = j → ( 9 ) \overrightarrow{i} \times \overrightarrow{i}= \overrightarrow{0} \space \space \space \space(4) \\ \overrightarrow{j} \times \overrightarrow{j}= \overrightarrow{0} \space \space \space \space(5) \\ \overrightarrow{k} \times \overrightarrow{k}=\overrightarrow{0} \space \space \space \space(6) \\ \overrightarrow{i} \times \overrightarrow{j}= \overrightarrow{k} \space \space \space \space(7) \\ \overrightarrow{j} \times \overrightarrow{k}= \overrightarrow{i} \space \space \space \space(8)\\ \overrightarrow{k} \times \overrightarrow{i}= \overrightarrow{j} \space \space \space \space(9) i ×i =0 (4)j ×j =0 (5)k ×k =0 (6)i ×j =k (7)j ×k =i (8)k ×i =j (9) 将 ( 4 ) ( 5 ) ( 6 ) ( 7 ) ( 8 ) ( 9 ) (4)(5)(6)(7)(8)(9) (4)(5)(6)(7)(8)(9)代入公式 ( 3 ) (3) (3)得到如下: a → × b → = − a 0 b 0 0 → + a 0 b 1 k → − a 0 b 2 j → − a 1 b 0 k → − a 1 b 1 0 → + a 1 b 2 i → + a 2 b 0 j → − a 2 b 1 i → − a 2 b 2 0 → = ( a 1 b 2 − a 2 b 1 ) i → + ( a 2 b 0 − a 0 b 2 ) j → + ( a 0 b 1 − a 1 b 0 ) k → ( 10 ) \overrightarrow{a} \times \overrightarrow{b} = -a_0b_0\overrightarrow{0}+a_0b_1\overrightarrow{k}-a_0b_2\overrightarrow{j} \\ - a_1b_0\overrightarrow{k}-a_1b_1\overrightarrow{0} +a_1b_2\overrightarrow{i} \\ +a_2b_0 \overrightarrow{j} - a_2b_1\overrightarrow{i} -a_2b_2\overrightarrow{0}\\ =(a_1b_2-a_2b_1)\overrightarrow{i} + (a_2b_0-a_0b_2)\overrightarrow{j} +(a_0b_1-a_1b_0)\overrightarrow{k} \space \space \space \space(10) a ×b =−a0b00 +a0b1k −a0b2j −a1b0k −a1b10 +a1b2i +a2b0j −a2b1i −a2b20 =(a1b2−a2b1)i +(a2b0−a0b2)j +(a0b1−a1b0)k (10) 公式的 ( 10 ) (10) (10),在日常用行列式计算表达。使用 ( i → , j → , k → ) (\overrightarrow{i},\overrightarrow{j},\overrightarrow{k}) (i ,j ,k )的矩阵余子式计算方式。它和代数计算方式相等。 a → × b → = [ i → j → k → a 0 a 1 a 2 b 0 b 1 b 2 ] = ( a 1 b 2 − a 2 b 1 ) i → + ( a 2 b 0 − a 0 b 2 ) j → + ( a 0 b 1 − a 1 b 0 ) k → \overrightarrow{a} \times \overrightarrow{b} =\begin{bmatrix} \overrightarrow{i} & \overrightarrow{j} & \overrightarrow{k} \\ a_0& a_1 & a_2 \\ b_0& b_1 & b_2 \end{bmatrix} = (a_1b_2-a_2b_1)\overrightarrow{i} + (a_2b_0-a_0b_2)\overrightarrow{j} +(a_0b_1-a_1b_0)\overrightarrow{k} a ×b =⎣ ⎡i a0b0j a1b1k a2b2⎦ ⎤=(a1b2−a2b1)i +(a2b0−a0b2)j +(a0b1−a1b0)k 因为它为基向量,在欧式几何中,它的表达为: i → = [ 1 0 0 ] ; j → = [ 0 1 0 ] ; k → = [ 0 0 1 ] ( 11 ) \overrightarrow{i}=\begin{bmatrix} 1 \\ 0 \\ 0 \end{bmatrix}; \overrightarrow{j}=\begin{bmatrix} 0 \\ 1 \\ 0 \end{bmatrix};\overrightarrow{k}=\begin{bmatrix} 0 \\ 0 \\ 1 \end{bmatrix} \space \space \space \space(11) i =⎣ ⎡100⎦ ⎤;j =⎣ ⎡010⎦ ⎤;k =⎣ ⎡001⎦ ⎤ (11) 因此 ( 11 ) (11) (11)代入到 ( 10 ) (10) (10)得到: a → × b → = [ a 1 b 2 − a 2 b 1 a 2 b 0 − a 0 b 2 a 0 b 1 − a 1 b 0 ] ( 12 ) \overrightarrow{a} \times \overrightarrow{b} = \begin{bmatrix} a_1b_2-a_2b_1 \\ a_2b_0-a_0b_2 \\ a_0b_1-a_1b_0 \end{bmatrix} \space \space \space \space(12) a ×b =⎣ ⎡a1b2−a2b1a2b0−a0b2a0b1−a1b0⎦ ⎤ (12) 上面是基于基向量的表达,它和上面的公式对应,因此可以得到: a → × b → = ∣ a → ∣ ∣ b → ∣ s i n ( θ ) n → = [ a 1 b 2 − a 2 b 1 a 2 b 0 − a 0 b 2 a 0 b 1 − a 1 b 0 ] ( 13 ) \overrightarrow{a} \times \overrightarrow{b} = |\overrightarrow{a}||\overrightarrow{b}|sin(\theta)\overrightarrow{n} =\begin{bmatrix} a_1b_2-a_2b_1 \\ a_2b_0-a_0b_2 \\ a_0b_1-a_1b_0 \end{bmatrix} \space \space \space \space(13) a ×b =∣a ∣∣b ∣sin(θ)n =⎣ ⎡a1b2−a2b1a2b0−a0b2a0b1−a1b0⎦ ⎤ (13) 在一些应用,经常向量的表示转化为矩阵的运算。因此(13)公式可以表示矩阵和向量的乘法。 a → × b → = ∣ a → ∣ ∣ b → ∣ s i n ( θ ) n → = [ a 1 b 2 − a 2 b 1 a 2 b 0 − a 0 b 2 a 0 b 1 − a 1 b 0 ] = [ 0 − a 2 a 1 a 2 0 − a 0 − a 1 a 0 0 ] [ b 0 b 1 b 2 ] = a → × b → ( 14 ) \overrightarrow{a} \times \overrightarrow{b} = |\overrightarrow{a}||\overrightarrow{b}|sin(\theta)\overrightarrow{n} =\begin{bmatrix} a_1b_2-a_2b_1 \\ a_2b_0-a_0b_2 \\ a_0b_1-a_1b_0 \end{bmatrix} = \begin{bmatrix} 0 & -a_2 & a_1 \\ a_2& 0 & -a_0 \\ -a_1& a_0 & 0 \end{bmatrix} \begin{bmatrix} b_0 \\ b_1 \\ b_2 \end{bmatrix} = \overrightarrow{a} \times \overrightarrow{b} \space \space \space \space(14) a ×b =∣a ∣∣b ∣sin(θ)n =⎣ ⎡a1b2−a2b1a2b0−a0b2a0b1−a1b0⎦ ⎤=⎣ ⎡0a2−a1−a20a0a1−a00⎦ ⎤⎣ ⎡b0b1b2⎦ ⎤=a ×b (14) 两个向量的叉乘仅仅在三维空间有定义。在二维空间没有定义。 下面介绍向量的行列式和向量组成的平行四边形面积的关系。 假设 a → , b → \overrightarrow{a} ,\overrightarrow{b} a ,b 为二维向量。这样易于解释。因此画图如下:
转化一下表达,因为 s i n ( θ ) sin(\theta) sin(θ)不好计算,需要计算 c o s ( θ ) cos(\theta) cos(θ)。
∣ a r e a ∣ = 1 2 ∣ a → ∣ ∣ b → ∣ s i n ( θ ) = 1 2 ∣ b → ∣ ∣ a → ∣ c o s ( θ ′ ) ( 16 ) |area|=\cfrac{1}{2}|\overrightarrow{a}||\overrightarrow{b}|sin(\theta)=\cfrac{1}{2}|\overrightarrow{b}||\overrightarrow{a}|cos(\theta') \space \space \space \space(16) ∣area∣=21∣a ∣∣b ∣sin(θ)=21∣b ∣∣a ∣cos(θ′) (16) 其中 θ ′ + θ = 90 \theta'+\theta=90 θ′+θ=90.且 ∣ a → ′ ∣ = ∣ a → ∣ |\overrightarrow{a}'|=|\overrightarrow{a}| ∣a ′∣=∣a ∣,容易得到公式简化,简化上述等式为: ∣ a r e a ∣ = 1 2 ∣ b → ∣ ∣ a → ′ ∣ c o s ( θ ′ ) = 1 2 b → ⋅ a → ′ = 1 2 a → ′ ⋅ b → ( 17 ) |area|=\cfrac{1}{2}|\overrightarrow{b}||\overrightarrow{a}'|cos(\theta')=\cfrac{1}{2}\overrightarrow{b} \cdot \overrightarrow{a}'=\cfrac{1}{2}\overrightarrow{a}' \cdot \overrightarrow{b} \space \space \space \space(17) ∣area∣=21∣b ∣∣a ′∣cos(θ′)=21b ⋅a ′=21a ′⋅b (17) 因为 a → ′ \overrightarrow{a}' a ′是通过 a → \overrightarrow{a} a 旋转90度得到的,如下图。 因此假设 a → = [ a 0 a 1 ] \overrightarrow{a}=\begin{bmatrix} a_0 \\ a_1 \end{bmatrix} a =[a0a1] 得到 a → ′ = [ − a 1 a 0 ] \overrightarrow{a}'=\begin{bmatrix} -a_1 \\ a_0 \end{bmatrix} a ′=[−a1a0] 因此得到公式: 2 ∣ a r e a ∣ = a → ′ ⋅ b → = [ − a 1 a 0 ] ⋅ [ b 0 b 1 ] = a 0 b 1 − a 1 b 0 ( 18 ) 2|area|=\overrightarrow{a}' \cdot \overrightarrow{b}=\begin{bmatrix} -a_1 \\ a_0 \end{bmatrix} \cdot \begin{bmatrix} b_0 \\ b_1 \end{bmatrix} = a_0b_1-a_1b_0 \space \space \space \space(18) 2∣area∣=a ′⋅b =[−a1a0]⋅[b0b1]=a0b1−a1b0 (18) 可以看到行列式是面积的表达。 2 ∣ a r e a ∣ = ∣ a 0 a 1 b 0 b 1 ∣ 2|area|=\begin{vmatrix} a_0 & a_1 \\ b_0 & b_1 \end{vmatrix} 2∣area∣=∣ ∣a0b0a1b1∣ ∣ |
CopyRight 2018-2019 实验室设备网 版权所有 |