【两个空间向量叉乘公式】在三维空间中,向量的叉乘(也称为向量积)是一种重要的运算,广泛应用于物理、工程和计算机图形学等领域。它能够得到一个与原有两个向量都垂直的新向量,并且其方向由右手定则决定,大小则等于两个向量所形成的平行四边形的面积。
以下是对“两个空间向量叉乘公式”的总结与分析。
一、基本概念
叉乘定义:
设向量 a = (a₁, a₂, a₃) 和 b = (b₁, b₂, b₃) 是两个三维空间中的向量,则它们的叉乘结果为一个新的向量 c = a × b,满足:
$$
\mathbf{c} = \mathbf{a} \times \mathbf{b} =
\begin{vmatrix}
\mathbf{i} & \mathbf{j} & \mathbf{k} \\
a_1 & a_2 & a_3 \\
b_1 & b_2 & b_3 \\
\end{vmatrix}
$$
展开后可得:
$$
\mathbf{c} = (a_2b_3 - a_3b_2)\mathbf{i} - (a_1b_3 - a_3b_1)\mathbf{j} + (a_1b_2 - a_2b_1)\mathbf{k}
$$
即:
$$
\mathbf{a} \times \mathbf{b} = (a_2b_3 - a_3b_2,\ a_3b_1 - a_1b_3,\ a_1b_2 - a_2b_1)
$$
二、叉乘的性质
| 性质 | 内容 | ||||||
| 1. 交换律 | 不满足,即 $\mathbf{a} \times \mathbf{b} = -(\mathbf{b} \times \mathbf{a})$ | ||||||
| 2. 分配律 | 满足,$\mathbf{a} \times (\mathbf{b} + \mathbf{c}) = \mathbf{a} \times \mathbf{b} + \mathbf{a} \times \mathbf{c}$ | ||||||
| 3. 线性性 | 对于任意标量 $k$,有 $k(\mathbf{a} \times \mathbf{b}) = (k\mathbf{a}) \times \mathbf{b} = \mathbf{a} \times (k\mathbf{b})$ | ||||||
| 4. 零向量 | 若 $\mathbf{a} \parallel \mathbf{b}$,则 $\mathbf{a} \times \mathbf{b} = \mathbf{0}$ | ||||||
| 5. 垂直性 | $\mathbf{a} \times \mathbf{b}$ 与 $\mathbf{a}$ 和 $\mathbf{b}$ 都垂直 | ||||||
| 6. 模长 | $ | \mathbf{a} \times \mathbf{b} | = | \mathbf{a} | \mathbf{b} | \sin\theta$,其中 $\theta$ 为两向量夹角 |
三、叉乘公式的应用
叉乘在多个领域都有广泛应用,例如:
- 物理学:计算力矩、磁场作用力等;
- 计算机图形学:确定法向量、判断平面朝向;
- 工程力学:分析旋转和力的合成;
- 数学建模:构建三维几何结构。
四、叉乘公式总结表
| 公式名称 | 公式表达式 | 说明 |
| 叉乘公式 | $\mathbf{a} \times \mathbf{b} = (a_2b_3 - a_3b_2,\ a_3b_1 - a_1b_3,\ a_1b_2 - a_2b_1)$ | 用于计算两个三维向量的叉乘结果 |
\begin{vmatrix}
\mathbf{i} & \mathbf{j} & \mathbf{k} \\
a_1 & a_2 & a_3 \\
b_1 & b_2 & b_3 \\
\end{vmatrix}$
| 模长公式 | $ | \mathbf{a} \times \mathbf{b} | = | \mathbf{a} | \mathbf{b} | \sin\theta$ | 计算叉乘向量的长度 |


