两个向量所在平面的法线,外积,叉积,行列式

news/2024/10/11 11:13:56/

偶尔在一个数学题里面看到求两向量所在平面的法线,常规方法可以通过法线与两向量垂直这一特点,列两个方程求解;另外一种方法可以通过求解两个向量的叉积,用矩阵行列式 (determinant) 的方式,之前还没见过,在这篇博客里记录下。

两个向量的叉积(cross product),又称作外积,表达式为:

a × b = ∥ a ∥ ∥ b ∥ sin ⁡ θ \mathbf{a}\times\mathbf{b}=\|a\|\|b\|\sin\theta a×b=a∥∥bsinθ

它的几何意义就是这两个向量所在平面的法线,其中 θ \theta θ 为两向量的夹角,法线的长度为这两个向量形成的平行四边形的面积。(两个向量点积的表达式为: a ⋅ b = ∥ a ∥ ∥ b ∥ cos ⁡ θ \mathbf{a}\cdot\mathbf{b}=\|a\|\|b\|\cos\theta ab=a∥∥bcosθ

  • 叉积本质上是一个几何运算,用来构造一个垂直于两个给定向量的向量,并且其长度为两个向量所构成的平行四边形的面积
    在这里插入图片描述
    向量叉积的方向根据右手定则确定。

具体在求解上,求解矩阵行列式非常方便,假如为三维向量,
a × b = ∣ i j k a 1 a 2 a 3 b 1 b 2 b 3 ∣ = ( a 2 b 3 − a 3 b 2 ) i + ( a 3 b 1 − a 1 b 3 ) k + ( a 1 b 2 − a 2 b 1 ) k \mathbf{a}\times\mathbf{b}= \begin{vmatrix} i&j&k\\ a_1&a_2&a_3\\ b_1&b_2&b_3\\ \end{vmatrix}=(a_2b_3-a_3b_2)i+(a_3b_1-a_1b_3)k+(a_1b_2-a_2b_1)k a×b= ia1b1ja2b2ka3b3 =(a2b3a3b2)i+(a3b1a1b3)k+(a1b2a2b1)k

其中, i , j , k i,j,k i,j,k叉积所在坐标系各个坐标轴的单位向量。因此,根据上面的计算,叉积向量可以表示为:

( a 2 b 3 − a 3 b 2 , a 3 b 1 − a 1 b 3 , a 1 b 2 − a 2 b 1 ) \big(a_2b_3-a_3b_2,~~ a_3b_1-a_1b_3, ~~a_1b_2-a_2b_1\big) (a2b3a3b2,  a3b1a1b3,  a1b2a2b1)

为什么可以这样求?这跟叉积点积以及行列式,余子式的几何意义有关。(其实有点复杂)

在这里插入图片描述

  • 两个向量行列式几何意义是这两个向量形成的平行四边形的面积
  • 计算行列式的展开就是把整个三维体积拆解为不同的二维平行四边形的面积和相应方向上的高度的加权和

∣ i j k a 1 a 2 a 3 b 1 b 2 b 3 ∣ = ∣ a 2 a 3 b 2 b 3 ∣ i + ∣ a 1 a 3 b 1 b 3 ∣ j + ∣ a 1 a 2 b 1 b 2 ∣ k (1) \begin{vmatrix} i&j&k\\ a_1&a_2&a_3\\ b_1&b_2&b_3\\ \end{vmatrix}=\begin{vmatrix}a_2&a_3\\b_2&b_3\end{vmatrix}i+\begin{vmatrix}a_1&a_3\\b_1&b_3\end{vmatrix}j+\begin{vmatrix}a_1&a_2\\b_1&b_2\end{vmatrix}k\tag{1} ia1b1ja2b2ka3b3 = a2b2a3b3 i+ a1b1a3b3 j+ a1b1a2b2 k(1)

  • 三个向量组成的平行多面体有一个体积公式
    V = ∣ c ⋅ ( a × b ) ∣ V=|\mathbf{c}\cdot(\mathbf{a}\times \mathbf{b})| V=c(a×b)

将向量 c \mathbf{c} c 看成 ( i , j , k ) (i,j,k) (i,j,k)

叉积向量 a × b \mathbf{a}\times \mathbf{b} a×b 看成 ( ∣ a 2 a 3 b 2 b 3 ∣ , ∣ a 1 a 3 b 1 b 3 ∣ , ∣ a 1 a 2 b 1 b 2 ∣ ) (\begin{vmatrix}a_2&a_3\\b_2&b_3\end{vmatrix},~~\begin{vmatrix}a_1&a_3\\b_1&b_3\end{vmatrix},~~\begin{vmatrix}a_1&a_2\\b_1&b_2\end{vmatrix}) ( a2b2a3b3 ,   a1b1a3b3 ,   a1b1a2b2 ), 可以得到公式 (1),因此可以使用行列式来计算叉积


http://www.ppmy.cn/news/1533130.html

相关文章

FastGPT的使用

fastGPT的介绍: fastGPT其实和chatGPT差不多 但是好处是可以自行搭建,而且很方便 链接:https://cloud.fastgpt.cn/app/list 首先我们可以根据红框点击,创建一个简易的对话引导 这个机器人就非常的简易,只能完成一些翻…

Kafka系列之:安装部署CMAK,CMAK管理大型Kafka集群参数调优

Kafka系列之:安装部署CMAK,CMAK管理大型Kafka集群参数调优 一、CMAK二、要求三、配置四、启动服务五、使用 Security 启动服务六、消费者/生产者滞后七、从 Kafka Manager 迁移到 CMAK八、CMAK管理大型Kafka集群参数调优九、后台运行CMAK十、输出日志一、CMAK CMAK(之前称为…

B+树索引结构的优点

为什么MySQL选择B树作为索引结构? 在数据库系统中,索引的选择对性能至关重要。MySQL数据库广泛使用B树作为其索引结构,而不是红黑树、B树或其他类型的平衡树。这背后的原因主要与存储特性、性能需求以及不同数据结构的优缺点有关。本文将详细…

Google Protocol Buffers快速入门指南

声明:未经作者允许,禁止转载。 概念 Portocol Buffer是谷歌提出来的一种序列化结构数据的机制,它的可扩展性特别强,支持C、C#、Java、Go和Python等主流编程语言。使用Portocol Buffer时,仅需要定义好数据的结构化方式…

HarmonyOS Next应用开发——自定义组件的使用

自定义组件的使用 在ArkUI中,UI显示的内容均为组件,由框架直接提供的称为系统组件,由开发者定义的称为自定义组件。在进行 UI 界面开发时,通常不是简单的将系统组件进行组合使用,而是需要考虑代码可复用性、业务逻辑与…

一个很好的例子说明均值平滑滤波器有旁瓣泄漏效应

禹晶、肖创柏、廖庆敏《数字图像处理(面向新工科的电工电子信息基础课程系列教材)》P89

大数据毕业设计选题推荐-国潮男装微博评论数据分析系统-Hive-Hadoop-Spark

✨作者主页:IT研究室✨ 个人简介:曾从事计算机专业培训教学,擅长Java、Python、微信小程序、Golang、安卓Android等项目实战。接项目定制开发、代码讲解、答辩教学、文档编写、降重等。 ☑文末获取源码☑ 精彩专栏推荐⬇⬇⬇ Java项目 Python…

代码整洁之道 — 2 函数规范

目录 1 简短 2 switch语句 3 函数参数 4 无副作用 5 结构化编程 1 简短 函数应该保持简短,以提高代码的可读性和可维护性。简短的函数通常在20行以内,并且每个函数只做一件事,并清晰地表达其目的。函数应该保持单一职责,只处…