叉积
叉积的结果不是一个数,而是一个向量。这个向量的长度就是两个向量所组成四边形的面积。
大致的说向量v
和w
组成的平行四边形的面积就是它们的叉积。
![image.png](https://cdn.aierklk.top/blog/image_1661271069662.png)
顺序会对叉积的结果有影响
$$
\vec v \times \vec w
$$
如果向量v
在向量w
的左侧,那么它们的叉积为负,也就是负的面积。如果向量v
在向量w
右侧,那么它们的叉积为正,也就是正的面积。
$$
\vec v \times \vec w = - \vec w \times \vec v
$$
对于顺序对结果的影响可以这样记
![image.png](https://cdn.aierklk.top/blog/image_1661271142811.png)
一个普通的二维平面i-hat
和j-hat
组成的面积,或者说点积就是正的。而i-hat
在j-hat
右侧。
![image.png](https://cdn.aierklk.top/blog/image_1661272071774.png)
因为基向量所组成的四边形面积为1,它又是从一个基向量变换过来的,所以向量v
与向量w
的叉积就是行列式的值。由于变换后向量v
在向量w
的左边,所以值为负。
所以这里向量v
与向量w
的叉积就是3*-1 - 2*1 = -5
。
叉积的极大值
当向量v
与向量w
互相垂直的时候,叉积的绝对值出现最大值,因为垂直组成的四边形面积最大。
叉积的值
$$
\vec v \times \vec w = \vec p
$$
向量p
的长度就是向量v
与向量w
所组成的四边形的面积
向量p
垂直与 向量v
和向量w
但是垂直与向量v
和向量w
的向量有两个,我们可以通过以下方式得出是哪个向量。
右手定则
![image.png](https://cdn.aierklk.top/blog/image_1661273403846.png)
公式
![image.png](https://cdn.aierklk.top/blog/image_1661273634622.png)
实际上也是计算行列式
![image.png](https://cdn.aierklk.top/blog/image_1661273746651.png)