在线词典

向量积的全部公式

更新日期:2026-11-12 02:57:28

标题向量积的全部公式
内容

在数学和物理中,向量积(也称为叉积)是一种重要的运算,常用于三维空间中的向量相乘。它不仅具有几何意义,还在力学、电磁学等领域有广泛应用。本文将对向量积的基本概念、性质及常用公式进行总结,并以表格形式展示。

一、向量积的基本概念

向量积是两个向量之间的运算,其结果是一个新的向量,该向量垂直于原来的两个向量所在的平面。向量积的大小等于这两个向量所形成的平行四边形的面积,方向由右手定则决定。

设向量 a = (a₁, a₂, a₃) 和 b = (b₁, b₂, b₃),则它们的向量积为:

$$

\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_2b_3 - a_3b_2)\mathbf{i} - (a_1b_3 - a_3b_1)\mathbf{j} + (a_1b_2 - a_2b_1)\mathbf{k}

$$

二、向量积的性质

性质 描述
1. 反交换性 $\mathbf{a} \times \mathbf{b} = -(\mathbf{b} \times \mathbf{a})$
2. 分配律 $\mathbf{a} \times (\mathbf{b} + \mathbf{c}) = \mathbf{a} \times \mathbf{b} + \mathbf{a} \times \mathbf{c}$
3. 与标量乘法结合 $k(\mathbf{a} \times \mathbf{b}) = (k\mathbf{a}) \times \mathbf{b} = \mathbf{a} \times (k\mathbf{b})$
4. 零向量 若 $\mathbf{a} = \mathbf{0}$ 或 $\mathbf{b} = \mathbf{0}$,则 $\mathbf{a} \times \mathbf{b} = \mathbf{0}$
5. 垂直性 $\mathbf{a} \times \mathbf{b}$ 垂直于 $\mathbf{a}$ 和 $\mathbf{b}$

三、向量积的模长公式

向量积的模长表示由两个向量所围成的平行四边形的面积,计算公式如下:

$$

\mathbf{a} \times \mathbf{b} = \mathbf{a} \cdot \mathbf{b} \cdot \sin\theta

$$

其中,$\theta$ 是两个向量之间的夹角。

四、向量积的坐标展开式

若向量 $\mathbf{a} = (a_1, a_2, a_3)$,$\mathbf{b} = (b_1, b_2, b_3)$,则:

$$

\mathbf{a} \times \mathbf{b} = (a_2b_3 - a_3b_2, a_3b_1 - a_1b_3, a_1b_2 - a_2b_1)

$$

五、向量积的行列式形式

向量积也可以通过行列式来表示:

$$

\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}

$$

六、向量积的单位向量形式

若 $\mathbf{a}$ 和 $\mathbf{b}$ 是单位向量,则:

- 若 $\mathbf{a} \perp \mathbf{b}$,则 $

\mathbf{a} \times \mathbf{b} = 1$

- 若 $\mathbf{a} \parallel \mathbf{b}$,则 $\mathbf{a} \times \mathbf{b} = \mathbf{0}$

七、向量积的几何应用

应用场景 说明
面积计算 向量积的模长等于由两个向量构成的平行四边形的面积
法向量 向量积可以用来求解平面的法向量
力矩 在物理学中,力矩为 $\mathbf{r} \times \mathbf{F}$
角动量 角动量为 $\mathbf{r} \times \mathbf{p}$

八、常见向量积公式汇总表

公式名称 公式表达
向量积定义 $\mathbf{a} \times \mathbf{b} = (a_2b_3 - a_3b_2, a_3b_1 - a_1b_3, a_1b_2 - a_2b_1)$
模长公式 $\mathbf{a} \times \mathbf{b} = \mathbf{a} \cdot \mathbf{b} \cdot \sin\theta$
行列式形式 $\mathbf{a} \times \mathbf{b} = \begin{vmatrix} \mathbf{i} & \mathbf{j} & \mathbf{k} \\ a_1 & a_2 & a_3 \\ b_1 & b_2 & b_3 \end{vmatrix}$
反交换性 $\mathbf{a} \times \mathbf{b} = -(\mathbf{b} \times \mathbf{a})$
分配律 $\mathbf{a} \times (\mathbf{b} + \mathbf{c}) = \mathbf{a} \times \mathbf{b} + \mathbf{a} \times \mathbf{c}$
标量乘法 $k(\mathbf{a} \times \mathbf{b}) = (k\mathbf{a}) \times \mathbf{b} = \mathbf{a} \times (k\mathbf{b})$

九、小结

向量积是向量代数中的重要工具,广泛应用于物理、工程和计算机图形学等领域。掌握其基本公式和性质,有助于更深入地理解向量之间的关系及其几何意义。通过本表,可以快速查阅和应用向量积的相关公式。

随便看