问小白 wenxiaobai
资讯
历史
科技
环境与自然
成长
游戏
财经
文学与艺术
美食
健康
家居
文化
情感
汽车
三农
军事
旅行
运动
教育
生活
星座命理

向量的内积外积与其几何意义

创作时间:
2025-03-10 01:36:04
作者:
@小白创作中心

向量的内积外积与其几何意义

引用
CSDN
1.
https://blog.csdn.net/maizousidemao/article/details/105270862

向量的内积(点乘)和外积(叉乘)是线性代数中的重要概念,它们不仅在数学理论中占有重要地位,还在物理学、工程学等多个领域有着广泛的应用。本文将从基本定义出发,深入探讨这两种运算的几何意义及其实际应用,帮助读者建立直观的理解。

一、点乘(内积)

设有向量 (\vec{a} = (x_1, y_1)) 和 (\vec{b} = (x_2, y_2)),夹角为 (\theta),内积定义为:

[
\vec{a} \cdot \vec{b} = |\vec{a}||\vec{b}|\cos\theta = x_1x_2 + y_1y_2
]

几何意义

  1. 夹角:由 (\vec{a} \cdot \vec{b} = |\vec{a}||\vec{b}|\cos\theta) 可知:
  • 当内积 > 0 时,(\theta < 90^\circ)
  • 当内积 < 0 时,(\theta > 90^\circ)
  • 当内积 = 0 时,(\theta = 90^\circ)
    同时也可以计算 (\theta) 的值:(\theta = \arccos\frac{\vec{a} \cdot \vec{b}}{|\vec{a}||\vec{b}|})
  1. 投影:(|\vec{a}|\cos\theta = \frac{\vec{a} \cdot \vec{b}}{|\vec{b}|}) 表示 (\vec{a}) 在 (\vec{b}) 上的投影。

对偶性

[
\vec{a} \cdot \vec{b} = |\vec{a}|(|\vec{b}|\cos\theta) = |\vec{b}|(|\vec{a}|\cos\theta)
]

  • (|\vec{a}|(|\vec{b}|\cos\theta)) 的理解是 (\vec{a}) 的长度与 (\vec{b}) 在 (\vec{a}) 上的投影的乘积;
  • (|\vec{b}|(|\vec{a}|\cos\theta)) 的理解是 (\vec{b}) 的长度与 (\vec{a}) 在 (\vec{b}) 上的投影的乘积;
  • 而这两个是相等的。

二、叉乘(外积)

对于三维向量,叉乘可以通过三阶行列式计算。对于二维向量,可以将其视为三维向量(z分量为0)的特殊情况。

几何意义

  1. 对于三维向量,如果将 (\vec{i}, \vec{j}, \vec{k}) 的具体值带入公式,可以得到一个同时垂直于 (\vec{a}) 和 (\vec{b}) 的向量:

    [
    \vec{a} \times \vec{b} = m\vec{i} + n\vec{j} + l\vec{k}
    ]

    向量 ((m, n, l)) 就是一个同时垂直于 (\vec{a}) 和 (\vec{b}) 的向量。

  2. 对于二维向量 (\vec{a} = (x_1, y_1)) 和 (\vec{b} = (x_2, y_2)),叉乘可以表示为:

    [
    \vec{a} \times \vec{b} = \begin{vmatrix} x_1 & y_1 \ x_2 & y_2 \ \end{vmatrix} = x_1y_2 - x_2y_1
    ]

    设这个数值为 (m),则:

    [
    |m| = |\vec{a} \times \vec{b}| = |\vec{a}| |\vec{b}|\sin\theta
    ]

    其中 (\theta) 为 (\vec{a}) 和 (\vec{b}) 的夹角。同时,(|m|) 也等于 (\vec{a}) 和 (\vec{b}) 构成的平行四边形的面积。

  3. 判断向量的相对位置(顺逆时针)

    假设 (\vec{a}) 和 (\vec{b}) 如下图所示:

  • 计算 (m = \vec{a} \times \vec{b} = x_1y_2 - x_2y_1)

  • 当 (m > 0) 时,(\vec{a}) 逆时针转到 (\vec{b}) 的角度 < 180°

  • 当 (m < 0) 时,(\vec{a}) 逆时针转到 (\vec{b}) 的角度 > 180°

  • 当 (m = 0) 时,(\vec{a}) 和 (\vec{b}) 共线

    直观记忆如下图:

  • (m > 0),(\vec{b}) 在蓝色部分;

  • (m < 0),(\vec{b}) 在红色部分;

  • (m = 0),(\vec{b}) 在分界线上(与 (\vec{a}) 共线)。

三、扩展(坐标系引发的顺逆指针分不清事件)

我们平时默认的坐标系是这样的:

但有时候的坐标系是这样的(比如数字图像中):

可以发现,同样的 (\vec{a} = (2, 1)) 转到 (\vec{b} = (1, 2)),在上面的坐标系中就是逆时针,而在下面的坐标系中就是顺时针,所以为了统一说明,定义了 “正旋转” :从x轴旋转到y轴的方向。

所以,上面利用向量叉乘判断向量相对位置的性质描述应该为:

  • 当 (m > 0),(\vec{a}) 正旋转到 (\vec{b}) 的角度 < 180°
  • 当 (m < 0),(\vec{a}) 正旋转到 (\vec{b}) 的角度 > 180°
  • 当 (m = 0),(\vec{a}) 和 (\vec{b}) 共线

而那张直观记忆图只在我们平时默认的坐标系中才成立。

© 2023 北京元石科技有限公司 ◎ 京公网安备 11010802042949号