形象理解线性代数(四)——向量的点乘(点积,内积)和叉乘(外积)

一、向量的点积

首先,我们知道向量的点积公式定义:

\small x\cdot y=\sum x_{i}y_i                      (1)

但是当学过内积之后,我们对其又有了新的表述形式

\small <x,y>=x\cdot y=\sum x_{i}y_i=|x||y|cos\theta                (2)

我们来看定义(2),一个那么美妙的式子。在图中去理解好像更容易一些:

这不就是相当于x向量的长度乘以y向量在x方向上投影的长度吗。

二、向量的叉积

同样,我们来看下叉积的定义:

\small \overrightarrow{x}\times \overrightarrow{y} = \begin{vmatrix} \overrightarrow{i} & x_{1} & y_{1}\\ \overrightarrow{j} & x_{2} & y_{3}\\ \overrightarrow{k} & x_{3}&y_{3} \end{vmatrix} =\overrightarrow{i}(x_{2}y_{3}-x_{3}y_{2})+\overrightarrow{j}(x_{1}y_{3}-x_{3}y_{1})+\overrightarrow{k}(x_{1}y_{2}-x_{2}y_{1})     (3)

这是一个新的向量,并且这个向量垂直于原来两向量张成的空间。

接下来,我们再用一个新的定义与之对比:

\small |\overrightarrow{x}\times \overrightarrow{y}| =|x||y|sin\theta  (4)

用(4)和(2)对比一下,是不是很相似。但是我们来看,新向量的长度不就是等于原向量围成的面积吗。

猜你喜欢

转载自blog.csdn.net/qq_34099953/article/details/84314153