线性代数-空间中理解叉积

二维叉乘的几何意义

二维向量叉积

向量A(x1,y1)和向量B(x2,y2)叉乘:A(x1,y1)xB(x2,y2) = |A||B|sina,其中a为向量A和向量B的夹角 但是我们发现这明明是一个值啊 难道降维了?
其实不是 我们会发现他不仅仅是一个数字面积 他还和向量有关 也就是取向问题 具体解释在下面
请添加图片描述
v×w = -w×v

取向

请添加图片描述如果此时图是这个图 但是式子变成了j×i = -1 所以上面那张图很明显 应该
w×v才是面积值 v×w是-面积值
简单记忆就是前面那个向量要在右边 因为前面那个向量要放在行列式的第一列 也就是对i帽的影响 很明显i帽需要在j帽的右边

叉乘与矩阵行列式的关系

请添加图片描述
请添加图片描述

向量叉积的结果不是一个数 是向量

叉积得到的那个向量的长度就是平行四边形的面积
请添加图片描述
转自这里

右手法则确定向量指向

请添加图片描述

叉乘的代数意义

请添加图片描述
请添加图片描述
请添加图片描述
就是法向量
可以记作
请添加图片描述
就是把这个按行列式收回

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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