向量相乘公式在数学中，向量相乘是线性代数中的一个重要概念，广泛应用于物理、工程和计算机科学等领域。根据不同的运算制度，向量相乘可以分为两种主要形式：点积（数量积） 和 叉积（向量积）。下面内容是对这两种向量相乘公式的拓展资料与对比。
一、点积（数量积）
点积是两个向量之间的标量运算，其结局一个数值，表示两个向量在路线上的相似程度。
公式：
设向量 $\veca} = (a_1, a_2, \dots, a_n)$，向量 $\vecb} = (b_1, b_2, \dots, b_n)$，则它们的点积为：
$$
\veca} \cdot \vecb} = a_1b_1 + a_2b_2 + \dots + a_nb_n
$$
或用向量的模和夹角表示为：
$$
\veca} \cdot \vecb} =
$$
其中 $\theta$ 是两个向量之间的夹角。
特点：
– 结局为标量；
– 适用于任意维数的向量；
– 当两向量垂直时，点积为零。
二、叉积（向量积）
叉积是两个三维向量之间的向量运算，其结局一个新的向量，该向量垂直于原来的两个向量，并且其大致与两个向量的正弦值成比例。
公式：
设向量 $\veca} = (a_1, a_2, a_3)$，向量 $\vecb} = (b_1, b_2, b_3)$，则它们的叉积为：
$$
\veca} \times \vecb} =
\beginvmatrix}
\mathbfi} & \mathbfj} & \mathbfk} \\
a_1 & a_2 & a_3 \\
b_1 & b_2 & b_3 \\
\endvmatrix}
= (a_2b_3 – a_3b_2)\mathbfi} – (a_1b_3 – a_3b_1)\mathbfj} + (a_1b_2 – a_2b_1)\mathbfk}
$$
或者写成：
$$
\veca} \times \vecb} = (a_2b_3 – a_3b_2,\ a_3b_1 – a_1b_3,\ a_1b_2 – a_2b_1)
$$
特点：
– 结局为向量；
– 仅适用于三维空间；
– 路线由“右手定则”确定；
– 大致为 $
三、点积与叉积对比表
| 特性 | 点积（数量积） | 叉积（向量积） |
| 运算结局 | 标量 | 向量 |
| 维度要求 | 任意维度 | 仅适用于三维 |
| 几何意义 | 表示向量间夹角的余弦关系 | 表示垂直路线的面积或旋转路线 |
| 公式表达方式 | $\veca} \cdot \vecb}$ | $\veca} \times \vecb}$ |
| 是否满足交换律 | 是 | 否（$\veca} \times \vecb} = -\vecb} \times \veca}$） |
| 应用场景 | 功、投影、相似度计算 | 力矩、磁场、旋转等 |
四、拓展资料
向量相乘是处理多维数据的重要工具，点积和叉积分别从不同的角度描述了向量之间的关系。点积用于衡量路线相似性，而叉积则用于构建垂直向量并反映旋转特性。领会这两种运算的原理和应用场景，有助于更深入地掌握线性代数与相关学科的聪明。
