向量的矢量积计算

最新推荐文章于 2023-06-24 00:44:13 发布
最新推荐文章于 2023-06-24 00:44:13 发布
阅读量7k 收藏 6
点赞数 8
分类专栏： 基础知识 文章标签： 向量矢量积
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/YDY5659150/article/details/103832739
版权

如果已知向量\overrightarrow{a}和向量\overrightarrow{b}，以及他们之间的夹角\theta，那么按照定义它们之间的矢量积数值大小为：

\left | \overrightarrow{a}\times \overrightarrow{b} \right |=\left|\overrightarrow{a}\right|\cdot \left|\overrightarrow{b}\right|\cdot sin\theta，其方向根据右手定则指向屏幕的内部。

这个结果的数值大小等于平行四边形的面积，理由如下：

S_\Delta=\frac{1}{2}*b*h=\frac{1}{2}*b*a*sin\theta

S_{sqare}=2S_\Delta=a\cdot b\cdot sin\theta

如果已知向量a和向量b的坐标分别为(a_x,a_y)和(b_x,b_y)，那结果如下：

\overrightarrow{a}\times \overrightarrow{b} =(a_x \overrightarrow{i} +a_y\overrightarrow{j})\times(b_x \overrightarrow{i} +b_y\overrightarrow{j})

\overrightarrow{a}\times \overrightarrow{b} =a_xb_y\overrightarrow{i}\times\overrightarrow{j}+a_yb_x\overrightarrow{j}\times\overrightarrow{i}

\left | \overrightarrow{a}\times \overrightarrow{b} \right |=a_xb_y-a_yb_x

另一方面从作图法研究一遍，看看怎么直接求平行四边形的面积：

 

将红色区域用蓝色替换

继续将红色区域用蓝色替换

继续将红色区域用蓝色替换

于是最后的结果如下

 

 

古楼望月
关注
  • 8
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
矢量的叉积和点积计算
weixin_30345055的博客
03-31 1545
标量（Scalar，标量是只有模没有方向的量，即距离）。 矢量（Vector，也称为向量，矢量是有模和方向但没有位置的量，即方向加速度）。 点（点是没有大小之分的位置）。 1.标量k和矢量v的乘除： 　　相乘：kv=(k*vx, k*vy, k*vz); 　　相除：v/k=(vx/k, vy/k, vz/k); 只有矢量可以被标量除，标量不能被矢量除，那样是没有意...
向量的数量积和向量的向量积
沐埜专栏
02-22 2616
向量的叉积
miahhrgbfcyur的博客
01-02 175
https://blog.csdn.net/ycj9090900/article/details/53666421
向量叉积(图解）
Missy_xw2018的博客
03-10 4191
int cross(point &a,point &b,point &c) { int x1=b.x-a.x; int y1=b.y-a.y; int x2=c.x-a.x; int y2=c.y-a.y; return x1y2-x2y1;//大于0为突出的点 }
向量，点积和叉积
ZigZagK的博客
02-24 1333
向量，点积和叉积。
双重向量积公式的证明1
08-03
双重向量积公式叶卢庆*2014 年 10 月 25 日设 a, b, c 是三维欧式空间 R3 中的三个向量, 且 a, b 线性无关. 我们来计算设向量 c
n维向量类(C++)
02-04
写一个n维向量类，要求具有构造函数和拷贝构造函数，实现如下功能： a) 成员变量为正整数n和n维float数组 b) 能够计算该向量的模(长度)，并将向量单位化 c) 进行向量的加减运算 d) 计算两个向量的内积
python中numpy基础学习及进行数组和矢量计算
12-24
在python 中有时候我们用数组操作数据可以极大的提升数据的处理效率，类似于R的向量化操作，是的数据的操作趋于简单化，在python 中是使用numpy模块可以进行数组和矢量计算。 下面来看下简单的例子 import numpy as...
C#向量类定义和向量四则运算
11-25
自定义向量类定义和向量四则运算，包括点乘和叉乘。可以实现不规则图形面积计算。带测试例子，已自己测试通过
rombergQuadrature:使用 Romberg 求积计算向量函数的积分。-matlab开发
05-30
% [x, err] = rombergQuadrature(fun,tSpan,tol) % % 计算域 tSpan 上的积分（fun），精度为 tol， % 使用 Romberg 正交。 完全矢量化。 % % 适用于平滑矢量函数的高精度正交。 % ％如有必要，此功能将自动将间隔...
矢量的点成（标量积）和矢量积
gtkknd的专栏
05-21 4959
向量的外积(矢积、叉积、叉乘)
kingBook928的博客
04-12 699
https://www.cnblogs.com/zzdyyy/p/7643267.html
矢量点积与叉积
最新发布
StephenCurryLiu的博客
06-24 3505
叉积 点积 的详解
关于标量积和矢量积的理解
Cui_Hongwei的博客
11-15 5463
矢量积与标量积的对比 标量积（A⃗⋅B⃗\vec {A} \cdot \vec{B}A⋅B） 矢量积（A⃗×B⃗\vec{A} \times \vec{B}A×B） 运算方式 A⃗⋅B⃗=A⋅B⋅cos(θ)\vec A \cdot \vec B=A \cdot B \cdot cos(\theta)A⋅B=A⋅B⋅cos(θ) A⃗×B⃗=A⋅B⋅sin(θ)\vec A \times \vec B=A \cdot B \cdot sin(\theta)A×B=A⋅B⋅sin(θ)
向量之间的叉积
TSINGHUAJOKING
09-21 1万+
  矢量 有 **量值（长度）**和 方向： 两个矢量 可以用 "叉积 " 的方法来 “相乘”（也去看看 点积）) 两个矢量的叉积 a × b 是与这两个矢量垂直的 矢量：   1.基本定义 叉积是这样计算的： |a|是矢量a的量值（长度） |b|是矢量b的量值（长度） θ是a和b之间的夹角 n是a与b垂直的单位矢量1。 2.解析几何运算 如果a和b的起始点是（0,0,0），叉积的终点便会在： 3.例子 ■ a=(2,3,4), b=(5,6,7)，计算a,b的
向量叉积的几何意义
热门推荐
hc14519的博客
02-22 8万+
其实这篇文章主要讨论为何向量叉积这样定义，标题是为了吸引人，让更多有同样疑惑的人搜到。 记得上大学时的第一节课是《空间解析几何》，和大多数的教材一样，开篇就是向量点积和叉积的定义。点积的定义很好理解 ，a·b（为了讨论方便，之后都假设b为单位向量）可以看成向量a在向量b方向上的投影长度。 （图1）叉积的定义就比较奇怪了，按理说a·b是a在平行于b方向上的分量上的长度，相应的a×b应该是a
向量点乘叉乘等理解和应用
july_unity的博客
02-06 3万+
https://baike.baidu.com/item/%E5%90%91%E9%87%8F/1396519?fr=aladdin 1.标量和矢量     2（1,2,3) = (2,4,6)      (2,4,6)/2=（1,2,3)   2.矢量和矢量的加减 三角形定则解决向量加减的方法：将各个向量依次首尾顺次相接，结果为第一个向量的起点指向最后一个向量的终点。
数学基础 —— 向量运算（叉乘）
Wind_bow的博客
12-21 4万+
向量的叉乘，即求同时垂直两个向量的向量，即c垂直于a，同时c垂直于b（a与c的夹角为90°，b与c的夹角为90°） c =  a×b = （a.y*b.z-b.y*a.z , b.x*a.z-a.x*b.z  , a.x*b.y-b.x*a.y） 以上图为例a(1,0,0),b(0,1,0),c=a×b = (0,0,1)  叉乘的几何意义   |c|=|a×b|=|a| |b|sinα ...
基础知识填坑---矢量的叉积
JackyChuan
12-15 8514
在看到有人讨论如何判断线段相交的问题的时候，发现自己有矢量这块基础知识的缺失，因此写篇笔记填个坑，以便记忆。 一、矢量的基本知识 1.矢量的概念：如果一条线段的端点是有次序之分的，我们把这种线段成为有向线段(directed segment)。如果有向线段p1p2的起点p1在坐标原点，我们可以把它称为矢量(vector)p2。 2.矢量加减法：设二维矢量P = ( x1, y1 )，
矢量积法求解雅可比矩阵
06-01
矢量积法是一种数值计算方法，可用于求解雅可比矩阵。具体步骤如下： 1. 假设有一个函数f(x)，其雅可比矩阵为J(x)。 2. 选取一个初始点x0，并初始化一个方向向量p0。 3. 计算J(x0)和f(x0)。 4. 解出线性方程组J(x0)p0 = -f(x0)。 5. 更新x1 = x0 + p0。 6. 如果满足终止条件，则输出结果；否则，重复步骤3-5，直到满足终止条件。 在这个过程中，矢量积法通过迭代逼近目标函数的最小值，并计算出其雅可比矩阵。需要注意的是，矢量积法的收敛性与初始点的选择和方向向量的选取有关，因此需要进行多次实验来确定最优的参数。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值