• 叉乘与点乘的简单理解


    今天来介绍一下数学上的叉乘与点乘的意义。

    点乘

    我们先来说明一下点乘。这里以向量 n ⃗ \vec{n} n 与向量 E ⃗ \vec{E} E 举例。
    n ⃗ ⋅ E ⃗ = ∣ n ⃗ ∣ ∣ E ⃗ ∣ cos ⁡ θ \vec{n}\cdot\vec{E}=\lvert \vec{n} \rvert \lvert \vec{E} \rvert \cos{\theta} n E =n E cosθ
    其中 θ \theta θ如下图所示,为向量 n ⃗ \vec{n} n 与向量 E ⃗ \vec{E} E 的夹角。
    在这里插入图片描述
    从上图可得, O A OA OA的长度即为向量 n ⃗ \vec{n} n 在向量 E ⃗ \vec{E} E 方向上的投影大小。且 O A = ∣ n ⃗ ∣ cos ⁡ θ OA =\lvert \vec{n} \rvert \cos{\theta} OA=n cosθ。再用这个结果乘以向量 E ⃗ \vec{E} E 的大小,我们可以理解为,将向量 E ⃗ \vec{E} E 的长度扩大了 n ⃗ cos ⁡ θ \vec{n}\cos{\theta} n cosθ倍。

    总结一下, n ⃗ ⋅ E ⃗ \vec{n}\cdot\vec{E} n E 表示的是,将向量 E ⃗ \vec{E} E 的大小扩大向量 n ⃗ \vec{n} n 在向量 E ⃗ \vec{E} E 方向上的投影长度大小的倍数。或者,也可以理解为将向量 n ⃗ \vec{n} n 的大小扩大向量 E ⃗ \vec{E} E 在向量 n ⃗ \vec{n} n 方向上的投影长度大小的倍数。这就是向量点乘的几何意义。

    然而有一种特殊的情况,即向量 E ⃗ \vec{E} E 为单位向量。那么此时,我们可以将 n ⃗ ⋅ E ⃗ \vec{n}\cdot\vec{E} n E 理解为向量 n ⃗ \vec{n} n 在向量 E ⃗ \vec{E} E 方向上投影的长度。

    叉乘

    接下来,我们来说明一下叉乘。这里以向量 n ⃗ \vec{n} n 与向量 E ⃗ \vec{E} E 举例。
    n ⃗ × E ⃗ = ∣ n ⃗ ∣ ∣ E ⃗ ∣ sin ⁡ θ \vec{n}\times\vec{E}=\lvert \vec{n} \rvert \lvert \vec{E} \rvert \sin{\theta} n ×E =n E sinθ
    在这里插入图片描述
    如上图所示, h = ∣ n ⃗ ∣ sin ⁡ θ h = \lvert \vec{n} \rvert \sin{\theta} h=n sinθ表示平行四边形底边上的高,进一步乘以底边的长度 ∣ E ⃗ ∣ \lvert \vec{E} \rvert E 即可得到平行四边形的面积,因此我们说,两个向量叉乘的几何意义表示的是由两个向量模的长度为平行四边形两条边的平行四边形的面积。

    如果大家觉得有用,就请点个赞吧~

  • 相关阅读:
    26 环形链表II
    数据库的隔离级别
    leetcode刷题——排序和二分
    Java多线程-线程同步简述
    10、MySQL——子查询
    Hiredis快速入门
    代码随想录算法训练营第二十三天|669 修剪二叉搜索树 108 将有序数组转换为二叉搜索树 538 把二叉搜索树转换为累加树
    数据结构—归并排序-C语言实现
    LeetCode | 1851.包含每个查询的最小区间
    [云原生] [kubernetes] 有了K8S的新基建,云原生起航了 !
  • 原文地址:https://blog.csdn.net/u011699626/article/details/126372802