純量積與向量積

M2 复习笔记：标量积与向量积

各位同学，大家好！欢迎来到 M2 其中一个最有趣课题——标量积与向量积的复习指南！你们已经学习过向量，知道它们是既有大小（长度）又有方向的“箭头”。但你们知道我们可以将它们“相乘”吗？事实上，有两种主要方法，而且它们会产生完全不同类型、用于不同目的的结果！

在这一章，我们将探讨：

1. 标量积 (点积)：它会产生一个单一数字（一个标量），非常适合用来计算向量之间的夹角，或物理学中的“功”等。
2. 向量积 (叉积)：它会产生一个全新的向量，对于找出图形的面积，或是找出一个垂直于另外两个向量的向量非常有用。

如果这听起来有点复杂，请别担心。我们会透过简单的例子和比喻，为你逐一解析。现在让我们开始吧！

第一部分：标量积（或称点积）

标量积是什么？

名称已经给了你一个很大的提示！当你计算两个向量的标量积时，你的答案是一个标量——也就是一个没有方向的单一数字。

它常被称为点积，因为我们用一个点符号 ( \( \cdot \) ) 来表示它，例如 \( \mathbf{a} \cdot \mathbf{b} \)。

真实世界类比：想像你正在地板上推一个重箱。你可能稍微向下施力，但只有与地板平行的那部分力才真正帮助箱子向前移动。点积是一种数学方法，用于找出一个向量“有多少”是沿着另一个向量的方向。它是衡量两个向量对齐程度的指标。

公式小天地：点积的两种计算方法

你有两个强大的公式可以使用。选择哪个取决于你已知什么信息。

1. 几何公式（使用角度）

如果你已知向量的长度（大小）以及它们之间的夹角 \( \theta \)，这个就是你的首选公式。

公式： \( \mathbf{a} \cdot \mathbf{b} = |\mathbf{a}| |\mathbf{b}| \cos\theta \)

其中：

• \( |\mathbf{a}| \) 是向量 a 的大小（长度）。

• \( |\mathbf{b}| \) 是向量 b 的大小（长度）。

• \( \theta \) 是 a 和 b 之间的夹角（当它们首尾相接时）。

2. 分量公式（使用 i, j, k）

这通常是在题目中计算点积时较为简单和常见的方法。如果向量以分量形式给出，只需将对应的分量相乘并将它们全部加起来！

设 \( \mathbf{a} = a_1\mathbf{i} + a_2\mathbf{j} + a_3\mathbf{k} \) 及 \( \mathbf{b} = b_1\mathbf{i} + b_2\mathbf{j} + b_3\mathbf{k} \)。

公式： \( \mathbf{a} \cdot \mathbf{b} = a_1b_1 + a_2b_2 + a_3b_3 \)

例子：如果 \( \mathbf{a} = 2\mathbf{i} + 3\mathbf{j} + 4\mathbf{k} \) 及 \( \mathbf{b} = 5\mathbf{i} - \mathbf{j} + 2\mathbf{k} \)，则：
\( \mathbf{a} \cdot \mathbf{b} = (2)(5) + (3)(-1) + (4)(2) = 10 - 3 + 8 = 15 \)

看到了吗？答案只是一个数字，15。非常简单！

点积的性质（游戏规则）

这些性质非常有用，而且经常被考查。务必确保你理解这些性质！

• 交换性：次序不影响结果。
\( \mathbf{a} \cdot \mathbf{b} = \mathbf{b} \cdot \mathbf{a} \)

• 分配性：你可以像一般代数一样展开括号。
\( \mathbf{a} \cdot (\mathbf{b} + \mathbf{c}) = \mathbf{a} \cdot \mathbf{b} + \mathbf{a} \cdot \mathbf{c} \)

• 标量乘法：常数 \( \lambda \) 可以移位。
\( \mathbf{a} \cdot (\lambda\mathbf{b}) = \lambda(\mathbf{a} \cdot \mathbf{b}) \)

• 自身点积：这是一个非常重要的性质！一个向量与自身的点积等于其大小的平方。
\( \mathbf{a} \cdot \mathbf{a} = |\mathbf{a}|^2 \)

因为大小是长度，\( |\mathbf{a}|^2 \) 总是非负的 (\( \ge 0 \))。此外，当且仅当 \( \mathbf{a} = \mathbf{0} \) 时，\( \mathbf{a} \cdot \mathbf{a} = 0 \)。

点积的超棒应用

这就是我们学习它的原因！点积有一些非常实用的应用。

应用 1：找出两个向量之间的夹角

这是一个经典的考试问题。通过重新排列几何公式，我们可以得到一个找出任何角度的工具。

夹角公式： \( \cos\theta = \frac{\mathbf{a} \cdot \mathbf{b}}{|\mathbf{a}| |\mathbf{b}|} \)

循序渐进指南：

1. 使用分量公式计算点积 \( \mathbf{a} \cdot \mathbf{b} \)。

2. 计算大小 \( |\mathbf{a}| = \sqrt{a_1^2 + a_2^2 + a_3^2} \) 和 \( |\mathbf{b}| = \sqrt{b_1^2 + b_2^2 + b_3^2} \)。

3. 将这三个数值代入公式，找出 \( \cos\theta \) 的值。

4. 使用计算器上的反余弦函数 (\( \cos^{-1} \)) 来找出角度 \( \theta \)。

应用 2：检查垂直向量（正交性）

如果两个向量互相垂直（正交），会发生什么情况呢？它们之间的夹角是 \( 90^\circ \)，而且我们都知道 \( \cos(90^\circ) = 0 \)。

这引导出一个简单而强大的检测方法：

垂直检测：两个非零向量 a 和 b 互相垂直当且仅当它们的点积为零。

\( \mathbf{a} \cdot \mathbf{b} = 0 \iff \mathbf{a} \perp \mathbf{b} \)

请将这想象成一个“垂直探测器”。如果有人要求你证明两个向量互相垂直，只需计算它们的点积。如果结果是 0，你便完成了！

应用 3：找出向量的投影

投影就像找出一个向量在另一个向量上的“影子”。想象光源直接在向量 a 的正上方。它投射在向量 b 上的影子就是它的投影。

a 在 b 上的标量投影（影子的长度）是： \( \frac{\mathbf{a} \cdot \mathbf{b}}{|\mathbf{b}|} \)

a 在 b 上的向量投影（作为实际向量的影子）是： \( \left( \frac{\mathbf{a} \cdot \mathbf{b}}{|\mathbf{b}|^2} \right) \mathbf{b} \)

请不要被公式吓倒！括号内的部分只是一个标量（一个数字）。所以你只是找出一个数字，然后将它乘以向量 b。

标量积重点归纳

• 结果是标量（一个数字）。

• 它量度两个向量的“对齐程度”。

• 重要公式： \( \mathbf{a} \cdot \mathbf{b} = |\mathbf{a}| |\mathbf{b}| \cos\theta \) 和 \( \mathbf{a} \cdot \mathbf{b} = a_1b_1 + a_2b_2 + a_3b_3 \)。

• 主要用途：找出向量之间的夹角，以及检查垂直向量 (\( \mathbf{a} \cdot \mathbf{b} = 0 \))。

第二部分：向量积（或称叉积）

向量积是什么？

同样地，名称说明了一切！向量积的结果是一个新的向量。此运算适用于三维空间 (\( \mathbb{R}^3 \)) 中的向量。

它被称为叉积，因为其符号是 \( \times \)，例如 \( \mathbf{a} \times \mathbf{b} \)。

最重要的是要记住，所得的向量 \( \mathbf{a} \times \mathbf{b} \) 垂直于 a 和 b 两者。它指向包含 a 和 b 的平面之外。

真实世界类比：想想使用扳手的情况。你有所施力的扳手柄向量和施力向量。这两个向量的叉积会产生一个新向量：力矩，它会沿着螺栓的轴线指向，要么将其拧紧，要么将其松开。

如何运作：大小和方向

向量具有大小和方向，所以我们需要为 \( \mathbf{a} \times \mathbf{b} \) 定义两者。

1. 大小

所得向量的大小（长度）由一个公式给出，这个公式与点积的公式非常相似，只是用正弦代替了余弦。

大小公式： \( |\mathbf{a} \times \mathbf{b}| = |\mathbf{a}| |\mathbf{b}| \sin\theta \)

其中 \( \theta \) 是 a 和 b 之间的夹角。

2. 方向：右手定则

\( \mathbf{a} \times \mathbf{b} \) 的方向是使用右手定则来找出的。这是一个你必须知道的关键物理动作！

1. 伸出你的右手。

2. 将食指指向第一个向量 (a) 的方向。

3. 将其余手指弯曲指向第二个向量 (b) 的方向。

4. 你的拇指现在指向新向量 \( \mathbf{a} \times \mathbf{b} \) 的方向。

常见错误警报：务必使用你的右手。使用左手会产生相反的方向！

公式小天地：使用行列式进行分量计算

从分量计算叉积可能看起来很吓人，但如果你使用 3x3 矩阵的行列式，它会非常有条理。这是避免错误的最佳方法。

设 \( \mathbf{a} = a_1\mathbf{i} + a_2\mathbf{j} + a_3\mathbf{k} \) 及 \( \mathbf{b} = b_1\mathbf{i} + b_2\mathbf{j} + b_3\mathbf{k} \)。

\( \mathbf{a} \times \mathbf{b} = \begin{vmatrix} \mathbf{i} & \mathbf{j} & \mathbf{k} \\ a_1 & a_2 & a_3 \\ b_1 & b_2 & b_3 \end{vmatrix} \)

现在，我们展开这个行列式：

\( = \mathbf{i} \begin{vmatrix} a_2 & a_3 \\ b_2 & b_3 \end{vmatrix} - \mathbf{j} \begin{vmatrix} a_1 & a_3 \\ b_1 & b_3 \end{vmatrix} + \mathbf{k} \begin{vmatrix} a_1 & a_2 \\ b_1 & b_2 \end{vmatrix} \)

简化为：

\( = (a_2b_3 - a_3b_2)\mathbf{i} - (a_1b_3 - a_3b_1)\mathbf{j} + (a_1b_2 - a_2b_1)\mathbf{k} \)

记忆技巧：展开行列式时，请记住正负号的棋盘格模式（+、-、+）。中间的 'j' 分量会得到一个负号！

叉积的性质（规则不同！）

要非常小心！叉积的行为与一般的乘法不同。

• 反交换性：次序非常重要！如果你交换向量，结果的符号（和方向）会颠倒。
\( \mathbf{b} \times \mathbf{a} = -(\mathbf{a} \times \mathbf{b}) \)

• 自身叉积：任何向量与自身（或任何平行向量）的叉积是零向量。这是因为 \( \theta = 0^\circ \)，而 \( \sin(0^\circ) = 0 \)。
\( \mathbf{a} \times \mathbf{a} = \mathbf{0} \)

• 分配性：括号仍然可以像你预期那样展开。
\( \mathbf{a} \times (\mathbf{b} + \mathbf{c}) = \mathbf{a} \times \mathbf{b} + \mathbf{a} \times \mathbf{c} \)

• 拉格朗日恒等式：点积和叉积之间一个有用的联系。
\( |\mathbf{a} \times \mathbf{b}|^2 = |\mathbf{a}|^2|\mathbf{b}|^2 - (\mathbf{a} \cdot \mathbf{b})^2 \)

叉积的超棒应用

这正是叉积在几何学中真正大放异彩的地方。

应用 1：找出平行四边形或三角形的面积

叉积的大小 \( |\mathbf{a} \times \mathbf{b}| \) 具有一个美妙的几何意义：

平行四边形面积：由向量 a 和 b 构成邻边的平行四边形面积正是 \( |\mathbf{a} \times \mathbf{b}| \)。

三角形面积：由邻边 a 和 b 构成的三角形面积是平行四边形面积的一半。

面积公式： \( \text{Area}_{\text{triangle}} = \frac{1}{2} |\mathbf{a} \times \mathbf{b}| \)

循序渐进指南：

1. 取出构成你形状边的两个向量（例如，三角形的 \( \vec{AB} \) 和 \( \vec{AC} \)）。

2. 计算它们的叉积，\( \vec{AB} \times \vec{AC} \)。这会产生一个新向量。

3. 找出这个新向量的大小。

4. 如果你在计算三角形的面积，记得要除以 2！

应用 2：检查平行向量（共线性）

如果两个向量平行，它们之间的夹角是 \( 0^\circ \) 或 \( 180^\circ \)。对于这两个角度，\( \sin\theta = 0 \)。这提供了我们一个检查平行向量的简单方法。

平行检测：两个非零向量 a 和 b 互相平行当且仅当它们的叉积为零向量。

\( \mathbf{a} \times \mathbf{b} = \mathbf{0} \iff \mathbf{a} \parallel \mathbf{b} \)

向量积重点归纳

• 结果是一个新的向量，垂直于两个原始向量。

• 它适用于三维向量。

• 大小： \( |\mathbf{a} \times \mathbf{b}| = |\mathbf{a}||\mathbf{b}|\sin\theta \)。方向：右手定则。

• 主要用途：找出平行四边形/三角形的面积，以及检查平行向量 (\( \mathbf{a} \times \mathbf{b} = \mathbf{0} \))。

最后总结：点积与叉积

点积 (\( \mathbf{a} \cdot \mathbf{b} \))

• 结果是... 标量（数字）

• 几何意义... 量度对齐程度，与投影相关 (\( \cos\theta \))

• 次序重要吗？ 不。 \( \mathbf{a} \cdot \mathbf{b} = \mathbf{b} \cdot \mathbf{a} \)

• 关键检测... \( \mathbf{a} \cdot \mathbf{b} = 0 \) 表示非零向量互相垂直。

叉积 (\( \mathbf{a} \times \mathbf{b} \))

• 结果是... 向量（垂直于 a 和 b 两者）

• 几何意义... 大小是平行四边形的面积 (\( \sin\theta \))

• 次序重要吗？ 是的！ \( \mathbf{a} \times \mathbf{b} = -(\mathbf{b} \times \mathbf{a}) \)

• 关键检测... \( \mathbf{a} \times \mathbf{b} = \mathbf{0} \) 表示非零向量互相平行。

本章的内容就是这些了！掌握这些概念的最佳方法就是不断练习、练习、再练习。绘图来帮助你可视化所发生的事情，并小心你的计算，特别是行列式中的负号。你一定可以的！