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）。
- $$ \theta $$ 是向量 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）
这通常是计算点积时较为简单和常用的方法。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。非常简单吧！
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 $$ \mathbf{a} $$ 是零向量时，$$ \mathbf{a} \cdot \mathbf{a} = 0 $$。
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：
- 使用分量公式计算点积 $$ \mathbf{a} \cdot \mathbf{b} $$。
- 计算大小 $$ |\mathbf{a}| = \sqrt{a_1^2 + a_2^2 + a_3^2} $$ 和 $$ |\mathbf{b}| = \sqrt{b_1^2 + b_2^2 + b_3^2} $$。
- 将这三个数值代入公式，找出 $$ \cos\theta $$ 的值。
- 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。
标量投影（影子的长度），即 a 在 b 上的投影长度，是： $$ \frac{\mathbf{a} \cdot \mathbf{b}}{|\mathbf{b}|} $$
向量投影（作为实际向量的影子），即 a 在 b 上的投影向量，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。此运算只适用于三维空间 (R³) 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（sine）代替了余弦（cosine）。
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！
- 伸出你的右手。
- 将食指指向第一个向量 (a) 的方向。
- 将其余手指弯曲指向第二个向量 (b) 的方向。
- 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 $$ \theta = 0 $$，而 $$ \sin(0) = 0 $$。
$$ \mathbf{a} \times \mathbf{a} = \mathbf{0} $$ - 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 构成的平行四边形的面积正是 $$ |\mathbf{a} \times \mathbf{b}| $$。
三角形面积：由向量 a 和 b 构成的三角形的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：
- 取出构成你形状边的两个向量（例如，三角形的 $$ \vec{AB} $$ 和 $$ \vec{AC} $$）。
- 计算它们的叉积，$$ \vec{AB} \times \vec{AC} $$。这会产生一个新向量。
- 找出这个新向量的大小。
- 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。
- 它只适用于三维向量。
- 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！