【解析几何笔记】10.向量的外积

news2024/11/15 7:36:39

10. 向量的外积

10.1 向量外积的定义

α × β \pmb{\alpha}\times\pmb{\beta} α×β是一个向量, α × β \pmb{\alpha}\times\pmb{\beta} α×β垂直于 α \pmb{\alpha} α β \pmb{\beta} β所在的平面,至于朝上还是朝下,取决于 α , β , α × β \pmb{\alpha},\pmb{\beta},\pmb{\alpha}\times\pmb{\beta} α,β,α×β构成右手系。(用右手,四指朝向和 α \pmb{\alpha} α一致,然后朝向 β \pmb{\beta} β四指握紧,如果拇指向上和 β \pmb{\beta} β就是 α × β \pmb{\alpha}\times\pmb{\beta} α×β朝上,否则 α × β \pmb{\alpha}\times\pmb{\beta} α×β朝下。)
∣ α × β ∣ = ∣ α ∣ ∣ β ∣ sin ⁡ < α , β > |\pmb{\alpha}\times\pmb{\beta}|=|\pmb{\alpha}||\pmb{\beta}|\sin<\pmb{\alpha},\pmb{\beta}> α×β=α∣∣βsin<α,β>(恰好是 α \pmb{\alpha} α β \pmb{\beta} β所张成的平行四边形面积)

10.2 向量外积的性质

  • α × β = 0 ⃗ ⇔ α / / β \pmb{\alpha}\times\pmb{\beta}=\vec{0}\Leftrightarrow\pmb{\alpha} // \pmb{\beta} α×β=0 α//β

  • α × β = − β × α \pmb{\alpha}\times\pmb{\beta}=-\pmb{\beta}\times\pmb{\alpha} α×β=β×α(反交换性)

  • 假定 α \pmb{\alpha} α是单位向量, β ⊥ α \pmb{\beta}\bot\pmb{\alpha} βα,此时 ∣ β × α ∣ = ∣ β ∣ |\pmb{\beta}\times\pmb{\alpha}|=|\pmb{\beta}| β×α=β(直角正弦为1)
    β × α \pmb{\beta}\times\pmb{\alpha} β×α可看作 β \pmb{\beta} β α \pmb{\alpha} α旋转 9 0 ∘ 90^{\circ} 90而得
    α \pmb{\alpha} α不是单位向量,此时 ∣ β × α ∣ = ∣ α ∣ ∣ β ∣ |\pmb{\beta}\times\pmb{\alpha}|=|\pmb{\alpha}||\pmb{\beta}| β×α=α∣∣β(直角条件没变,正弦值还是1)
    α 0 = α ∣ α ∣ \pmb{\alpha}_{0}=\frac{\pmb{\alpha}}{|\pmb{\alpha}|} α0=αα
    所以 α × β = ∣ α ∣ α 0 × β \pmb{\alpha}\times\pmb{\beta}=|\pmb{\alpha}|\pmb{\alpha}_{0}\times\pmb{\beta} α×β=αα0×β
    β \pmb{\beta} β不与 α \pmb{\alpha} α垂直,此时 α × β \pmb{\alpha}\times\pmb{\beta} α×β可看作 P ˉ α β \bar{P}_{\pmb{\alpha}}\pmb{\beta} Pˉαβ α \pmb{\alpha} α旋转 9 0 ∘ 90^{\circ} 90再乘上 ∣ α ∣ |\pmb{\alpha}| α

    【定理】如果 α ≠ 0 ⃗ , α × β \pmb{\alpha}\ne\vec{0},\pmb{\alpha}\times\pmb{\beta} α=0 ,α×β可以看成 P ˉ α β \bar{P}_{\pmb{\alpha}}\pmb{\beta} Pˉαβ α \pmb{\alpha} α旋转 9 0 ∘ 90^{\circ} 90再乘上 ∣ α ∣ |\pmb{\alpha}| α

  • (双线性性)
    α × ( λ β ) = λ ( α × β ) \pmb{\alpha}\times(\lambda\pmb{\beta})=\lambda(\pmb{\alpha}\times\pmb{\beta}) α×(λβ)=λ(α×β)
    α × ( β + γ ) = α × β + α × γ \pmb{\alpha}\times(\pmb{\beta}+\pmb{\gamma})=\pmb{\alpha}\times\pmb{\beta}+\pmb{\alpha}\times\pmb{\gamma} α×(β+γ)=α×β+α×γ
    【证】(1) α × ( λ β ) = ∣ α ∣ α 0 × ( λ β ) = ∣ α ∣ α 0 × P ˉ α ( λ β ) = ∣ α ∣ α 0 × λ P ˉ α β = λ ∣ α ∣ α 0 × P ˉ α β = λ ( α × β ) \pmb{\alpha}\times(\lambda\pmb{\beta})=|\pmb{\alpha}|\pmb{\alpha}_{0}\times(\lambda\pmb{\beta})=|\pmb{\alpha}|\pmb{\alpha}_{0}\times\bar{P}_{\pmb{\alpha}}(\lambda\pmb{\beta})=|\pmb{\alpha}|\pmb{\alpha}_{0}\times\lambda\bar{P}_{\pmb{\alpha}}\pmb{\beta}=\lambda|\pmb{\alpha}|\pmb{\alpha}_{0}\times\bar{P}_{\pmb{\alpha}}\pmb{\beta}=\lambda(\pmb{\alpha}\times\pmb{\beta}) α×(λβ)=αα0×(λβ)=αα0×Pˉα(λβ)=αα0×λPˉαβ=λαα0×Pˉαβ=λ(α×β)
    (2) α × ( β + γ ) = ∣ α ∣ α 0 × P ˉ α ( β + γ ) = ∣ α ∣ α 0 × ( P ˉ α β + P ˉ α γ ) = ∣ α ∣ ( α 0 × P ˉ α β + α 0 × P ˉ α γ ) = ∣ α ∣ α 0 × P ˉ α β + ∣ α ∣ α 0 × P ˉ α γ = α × β + α × γ \pmb{\alpha}\times(\pmb{\beta}+\pmb{\gamma})=|\pmb{\alpha}|\pmb{\alpha}_{0}\times\bar{P}_{\pmb{\alpha}}(\pmb{\beta}+\pmb{\gamma})=|\pmb{\alpha}|\pmb{\alpha}_{0}\times(\bar{P}_{\pmb{\alpha}}\pmb{\beta}+\bar{P}_{\pmb{\alpha}}\pmb{\gamma})=|\pmb{\alpha}|(\pmb{\alpha}_{0}\times\bar{P}_{\pmb{\alpha}}\pmb{\beta}+\pmb{\alpha}_{0}\times\bar{P}_{\pmb{\alpha}}\pmb{\gamma})=|\pmb{\alpha}|\pmb{\alpha}_{0}\times\bar{P}_{\pmb{\alpha}}\pmb{\beta}+|\pmb{\alpha}|\pmb{\alpha}_{0}\times\bar{P}_{\pmb{\alpha}}\pmb{\gamma}=\pmb{\alpha}\times\pmb{\beta}+\pmb{\alpha}\times\pmb{\gamma} α×(β+γ)=αα0×Pˉα(β+γ)=αα0×(Pˉαβ+Pˉαγ)=α(α0×Pˉαβ+α0×Pˉαγ)=αα0×Pˉαβ+αα0×Pˉαγ=α×β+α×γ

10.3 用坐标计算外积

假设有空间仿射坐标系 [ O : e 1 , e 2 , e 3 ] , α = a 1 e 1 + a 2 e 2 + a 3 e 3 , β = b 1 e 1 + b 2 e 2 + b 3 e 3 [O:\pmb{e}_{1},\pmb{e}_{2},\pmb{e}_{3}],\pmb{\alpha}=a_{1}\pmb{e}_{1}+a_{2}\pmb{e}_{2}+a_{3}\pmb{e}_{3},\pmb{\beta}=b_{1}\pmb{e}_{1}+b_{2}\pmb{e}_{2}+b_{3}\pmb{e}_{3} [O:e1,e2,e3],α=a1e1+a2e2+a3e3,β=b1e1+b2e2+b3e3
α × β = ( a 1 e 1 + a 2 e 2 + a 3 e 3 ) × ( b 1 e 1 + b 2 e 2 + b 3 e 3 ) = a 1 b 1 e 1 × e 1 + a 1 b 2 e 1 × e 2 + a 1 b 3 e 1 × e 3 + a 2 b 1 e 2 × e 1 + a 2 b 2 e 2 × e 2 + a 2 b 3 e 2 × e 3 + a 3 b 1 e 3 × e 1 + a 3 b 2 e 3 × e 2 + a 3 b 3 e 3 × e 3 = a 1 b 2 e 1 × e 2 + a 1 b 3 e 1 × e 3 + a 2 b 1 e 2 × e 1 + a 2 b 3 e 2 × e 3 + a 3 b 1 e 3 × e 1 + a 3 b 2 e 3 × e 2 = a 1 b 2 e 1 × e 2 + a 1 b 3 e 1 × e 3 − a 2 b 1 e 1 × e 2 + a 2 b 3 e 2 × e 3 − a 3 b 1 e 1 × e 3 − a 3 b 2 e 2 × e 3 = ( a 1 b 2 − a 2 b 1 ) e 1 × e 2 + ( a 1 b 3 − a 3 b 1 ) e 1 × e 3 + ( a 2 b 3 − a 3 b 2 ) e 2 × e 3 = ∣ a 1 a 2 b 1 b 2 ∣ e 1 × e 2 + ∣ a 1 a 3 b 1 b 3 ∣ e 1 × e 3 + ∣ a 2 a 3 b 2 b 3 ∣ e 2 × e 3 \pmb{\alpha}\times\pmb{\beta}=(a_{1}\pmb{e}_{1}+a_{2}\pmb{e}_{2}+a_{3}\pmb{e}_{3})\times(b_{1}\pmb{e}_{1}+b_{2}\pmb{e}_{2}+b_{3}\pmb{e}_{3})=a_{1}b_{1}\pmb{e}_{1}\times\pmb{e}_{1}+a_{1}b_{2}\pmb{e}_{1}\times\pmb{e}_{2}+a_{1}b_{3}\pmb{e}_{1}\times\pmb{e}_{3}+a_{2}b_{1}\pmb{e}_{2}\times\pmb{e}_{1}+a_{2}b_{2}\pmb{e}_{2}\times\pmb{e}_{2}+a_{2}b_{3}\pmb{e}_{2}\times\pmb{e}_{3}+a_{3}b_{1}\pmb{e}_{3}\times\pmb{e}_{1}+a_{3}b_{2}\pmb{e}_{3}\times\pmb{e}_{2}+a_{3}b_{3}\pmb{e}_{3}\times\pmb{e}_{3}=a_{1}b_{2}\pmb{e}_{1}\times\pmb{e}_{2}+a_{1}b_{3}\pmb{e}_{1}\times\pmb{e}_{3}+a_{2}b_{1}\pmb{e}_{2}\times\pmb{e}_{1}+a_{2}b_{3}\pmb{e}_{2}\times\pmb{e}_{3}+a_{3}b_{1}\pmb{e}_{3}\times\pmb{e}_{1}+a_{3}b_{2}\pmb{e}_{3}\times\pmb{e}_{2}=a_{1}b_{2}\pmb{e}_{1}\times\pmb{e}_{2}+ a_{1}b_{3}\pmb{e}_{1}\times\pmb{e}_{3}- a_{2}b_{1}\pmb{e}_{1}\times\pmb{e}_{2}+ a_{2}b_{3}\pmb{e}_{2}\times\pmb{e}_{3}- a_{3}b_{1}\pmb{e}_{1}\times\pmb{e}_{3}- a_{3}b_{2}\pmb{e}_{2}\times\pmb{e}_{3}= (a_{1}b_{2}-a_{2}b_{1})\pmb{e}_{1}\times\pmb{e}_{2}+ (a_{1}b_{3}-a_{3}b_{1})\pmb{e}_{1}\times\pmb{e}_{3}+ (a_{2}b_{3}-a_{3}b_{2})\pmb{e}_{2}\times\pmb{e}_{3}=\begin{vmatrix} a_{1}& a_{2}\\ b_{1}&b_{2} \end{vmatrix}\pmb{e}_{1}\times\pmb{e}_{2}+\begin{vmatrix} a_{1}& a_{3}\\ b_{1}&b_{3} \end{vmatrix}\pmb{e}_{1}\times\pmb{e}_{3}+\begin{vmatrix} a_{2}& a_{3}\\ b_{2}&b_{3} \end{vmatrix}\pmb{e}_{2}\times\pmb{e}_{3} α×β=(a1e1+a2e2+a3e3)×(b1e1+b2e2+b3e3)=a1b1e1×e1+a1b2e1×e2+a1b3e1×e3+a2b1e2×e1+a2b2e2×e2+a2b3e2×e3+a3b1e3×e1+a3b2e3×e2+a3b3e3×e3=a1b2e1×e2+a1b3e1×e3+a2b1e2×e1+a2b3e2×e3+a3b1e3×e1+a3b2e3×e2=a1b2e1×e2+a1b3e1×e3a2b1e1×e2+a2b3e2×e3a3b1e1×e3a3b2e2×e3=(a1b2a2b1)e1×e2+(a1b3a3b1)e1×e3+(a2b3a3b2)e2×e3= a1b1a2b2 e1×e2+ a1b1a3b3 e1×e3+ a2b2a3b3 e2×e3
[ O : e 1 , e 2 , e 3 ] [O:\pmb{e}_{1},\pmb{e}_{2},\pmb{e}_{3}] [O:e1,e2,e3]是一个右手直角坐标系。

e 1 × e 2 = e 3 \pmb{e}_{1}\times\pmb{e}_{2}=\pmb{e}_{3} e1×e2=e3
e 1 × e 3 = e 2 \pmb{e}_{1}\times\pmb{e}_{3}=\pmb{e}_{2} e1×e3=e2
e 2 × e 3 = e 1 \pmb{e}_{2}\times\pmb{e}_{3}=\pmb{e}_{1} e2×e3=e1
α × β = ∣ a 1 a 2 b 1 b 2 ∣ e 3 + ∣ a 1 a 3 b 1 b 3 ∣ e 2 + ∣ a 2 a 3 b 2 b 3 ∣ e 1 \pmb{\alpha}\times\pmb{\beta}=\begin{vmatrix} a_{1}& a_{2}\\ b_{1}&b_{2} \end{vmatrix}\pmb{e}_{3}+\begin{vmatrix} a_{1}& a_{3}\\ b_{1}&b_{3} \end{vmatrix}\pmb{e}_{2}+\begin{vmatrix} a_{2}& a_{3}\\ b_{2}&b_{3} \end{vmatrix}\pmb{e}_{1} α×β= a1b1a2b2 e3+ a1b1a3b3 e2+ a2b2a3b3 e1

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2078964.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

mysql 导入excel文件 navicate

需求&#xff1a; 需要将表格的数据&#xff0c;导入到mysql数据库&#xff0c;如果存在就更新&#xff0c;如果不存在就进行追加。 处理&#xff1a; 这种就用navicate进行操作。 excle表格&#xff1a; 平台流水号用户姓名来电号码联系电话通讯地址电子邮箱闽-20231221000…

如何构建社区康养养老系统:Java SpringBoot与Vue实战养老管理系统

&#x1f34a;作者&#xff1a;计算机毕设匠心工作室 &#x1f34a;简介&#xff1a;毕业后就一直专业从事计算机软件程序开发&#xff0c;至今也有8年工作经验。擅长Java、Python、微信小程序、安卓、大数据、PHP、.NET|C#、Golang等。 擅长&#xff1a;按照需求定制化开发项目…

LLM 安全培训和越狱

Meta、Google、OpenAI、Anthropic 等在公开发布之前都投入了大量精力来审查其模型的输出,并设置安全使用的护栏。尽管他们付出了努力,但越狱仍然会发生,即使是最新版本也是如此。根据 [1],GPT4 很容易受到基于说服的攻击,事实上比旧版 ChatGPT 更容易受到攻击。 新的和更复…

identYwaf:一款基于盲推理识别技术的WAF检测工具

关于identYwaf identYwaf是一款功能强大的Web应用防火墙识别与检测工具&#xff0c;该工具基于盲推理识别技术实现其功能&#xff0c;可以帮助广大研究人员迅速识别目标Web应用程序所使用的保护防火墙类型。 功能介绍 identYwaf所实现的盲推理通过检查一组预定义的测试性&…

论坛系统登录测试结果

目录 1 登录成功1.1 输入合法已注册手机号 2 登录失败2.1 输入未注册手机号2.2 输入非法手机号2.3 输入错误、过期验证码 论坛系统——部分测试用例 1 登录成功 1.1 输入合法已注册手机号 打开登录界面 输入已注册手机号 点击发送验证码 输入验证码&#xff0c;点击登录按钮 …

出现“此网站无法提供安全的连接,使用了不受支持的协议”的解决方法

在访问网站时&#xff0c;出现“此网站无法提供安全的连接”这一提示信息&#xff0c;指出网站所用的协议未得到支持。同时&#xff0c;错误代码“ERR_SSL_VERSION_OR_CIPHER_MISMATCH”表明&#xff0c;这一问题可能与ssl版本或加密算法的不兼容有关。经过一系列的测试发现&am…

ant-design-vue的table组件的首列复选框设置问题,包括设置默认选中,设置禁选条件

想要使用表格的复选框列并控制复选框是否可选&#xff0c;先上代码如下 html部分<a-table :rowKey"(record,index)>{return record.id?record.id: index}":columns"columns" :data-source"tableData":row-selection"showSelection?…

html+css网页设计 个人网页《我的2023》3个页面

htmlcss网页设计 个人网页《我的2023》3个页面 网页作品代码简单&#xff0c;可使用任意HTML编辑软件&#xff08;如&#xff1a;Dreamweaver、HBuilder、Vscode 、Sublime 、Webstorm、Text 、Notepad 等任意html编辑软件进行运行及修改编辑等操作&#xff09;。 获取源码 …

React Native键盘的两种适配方案

方案一&#xff1a; import {KeyboardAvoidingView} from react-native; import {useHeaderHeight} from react-navigation/elements;const headerHeight useHeaderHeight();<KeyboardAvoidingViewbehavior{padding}keyboardVerticalOffset{headerHeight}style{styles.con…

投稿必看——计算机类SCI全名单汇总

【SciencePub学术】本期&#xff0c;小编给大家总结了计算机领域的SCI全名单&#xff0c;以供此领域的学者们投稿参考&#xff01; 来源&#xff1a;WOS数据库 目前&#xff0c;被WOS数据库收录的计算机类SCI期刊共518本&#xff0c;影响因子最高的当属《IEEE Communications S…

【MySQL进阶之路】事务的隔离级别

目录 引言 隔离级别概览 查看与设置隔离性 不同隔离级别的问题 脏读 不可重复读 幻读 串行化隔离级别的效率问题 总结 个人主页&#xff1a;东洛的克莱斯韦克-CSDN博客 引言 事务的隔离级别——不同事务访问同一份数据时相互影响的程度。 多事务并发的在MySQL服务上跑…

Python 爬虫爬取豆瓣电影列表信息,爬虫的原理,应用领域介绍学习

1. 什么是Python 爬虫 定义&#xff1a;爬虫是一种自动化程序&#xff0c;能够遍历互联网上的各个网页&#xff0c;并根据预设的规则和算法来解析和收集感兴趣的信息。这些信息可以包括网页的文本内容、图片、链接、视频等。 功能&#xff1a;爬虫可以自动化执行重复、繁琐的任…

张家口近期学术会议推荐

随着科技的飞速发展&#xff0c;机器视觉、图像处理与影像技术已成为推动工业自动化、智能制造、医疗诊断、航空航天及日常生活等多个领域变革的关键力量。 为了进一步促进这一领域的学术交流与合作&#xff0c;第二届机器视觉、图像处理与影像技术国际会议&#xff08;MVIPIT…

现在的ai是否和当年的5g一样被夸大了

最强AI视频生成&#xff1a;小说文案智能分镜智能识别角色和场景批量Ai绘图自动配音添加音乐一键合成视频百万播放量https://aitools.jurilu.com/ 看有的回答唱衰AI没多大价值或AI被无限夸大&#xff0c;那我更觉得你是没整明白如何用好AI&#xff0c;或者说你对AI的理解仅浮于…

在Windows 系统中开启IIS(‌Internet Information Services)‌服务

在Windows 系统中开启IIS&#xff08;‌Internet Information Services&#xff09;‌服务&#xff0c;‌用户可以通过以下步骤进行操作&#xff1a;‌ 首先&#xff0c;打开“控制面板”。‌ 在控制面板中&#xff0c;‌点击“程序”选项。‌ 接着&#xff0c;‌选择“启动或…

golang gin template模板渲染

1、根据值控制html元素显示隐藏 main.go package main import ("html/template""net/http""github.com/gin-gonic/gin" ) func main() {r : gin.Default()r.SetFuncMap(template.FuncMap{"greaterThan": func(a, b int) bool {retur…

jieba分词和RecursiveCharacterTextSplitter分词

目录 jieba 分词本身特点使用方法输出结果 RecursiveCharacterTextSplitter 分词本身特点使用方法 jieba 分词 jieba&#xff08;中文名&#xff1a;结巴&#xff09;是一个广泛使用的中文分词库&#xff0c;它支持三种分词模式&#xff1a; 精确模式&#xff1a;试图将句子最…

Spring:浅谈对SpringBean的认识

一、SpringBean的生命周期 1、实例化bean对象&#xff1a;通过反射的方式进行对象的创建&#xff0c;此时的创建只是在堆空间中申请空间&#xff0c;属性都是默认值。 2、设置对象属性&#xff1a;给对象中的属性进行值的设置工作。 3、检查Aware相关接口并设置相关依赖&#x…

【书生大模型实战营第三期 | 进阶岛第6关-MindSearch 快速部署】

学习心得&#xff1a;MindSearch 快速部署 摘要 本课程是关于如何将MindSearch部署到Github Codespace和Hugging Face Space的详细指南。通过学习本课程&#xff0c;我深入理解了MindSearch的部署流程&#xff0c;包括环境配置、API Key获取、后端和前端的启动&#xff0c;以及…