高维空间的叉积及其几何意义
By 苏剑林 | 2013-12-26 | 56142位读者 |向量之间的运算有点积和叉积(Cross Product,向量积、外积),其中点积是比较简单的,而且很容易推广到高维;但是叉积不同,一般来说它只不过是三维空间中的东西。叉积的难以推广在于它的多重含义性,如果将向量及其叉积放到张量里边来看(这属于微分形式的内容),那么三维以上的向量叉积是不存在的;但是如果只是把叉积看成是“由两个向量生成第三个与其正交的向量”的工具的话,那么叉积也是可以高维推广的,而且推广的技巧非常巧妙,与三维空间的叉积也非常相似。
回顾三维空间 #
为了推广三维空间的叉积,首先回顾三维空间的叉积来源是有益的。叉积起源于四元数乘法,但是从目的性来讲,我们希望构造一个向量$\boldsymbol{w}=(w_1,w_2,w_3)$,使得它与已知的两个不共线的向量$\boldsymbol{u}=(u_1,u_2,u_3),\boldsymbol{v}=(v_1,v_2,v_3)$垂直(正交)。从普适性的角度来讲,我们还希望构造出来的向量没有任何“奇点”,为此,我们只用乘法构造。至于叉积的几何意义,则是后话,毕竟,先达到基本的目的再说。
这里,为了构造出这样的向量,行列式发挥着巨大作用!我们考虑行列式
$$\begin{vmatrix}
u_1 & v_1 & w_1 \\
u_2 & v_2 & w_2 \\
u_3 & v_3 & w_3
\end{vmatrix}$$
由行列式的性质可以知道,如果$(w_1,w_2,w_3)=(u_1,u_2,u_3)$,那么行列式就为0,展开来就是:
$$u_1 \begin{vmatrix} u_2 & v_2\\u_3 &v_3\end{vmatrix}-u_2 \begin{vmatrix} u_1 & v_1\\u_3 &v_3\end{vmatrix}+u_3 \begin{vmatrix} u_1 & v_1\\u_2 &v_2\end{vmatrix}=0$$
同理,如果$(w_1,w_2,w_3)=(v_1,v_2,v_3)$,那么行列式也为0,展开来得到
$$v_1 \begin{vmatrix} u_2 & v_2\\u_3 &v_3\end{vmatrix}-v_2 \begin{vmatrix} u_1 & v_1\\u_3 &v_3\end{vmatrix}+v_3 \begin{vmatrix} u_1 & v_1\\u_2 &v_2\end{vmatrix}=0$$
这样看来,向量
$$\left(\begin{vmatrix} u_2 & v_2\\u_3 &v_3\end{vmatrix},-\begin{vmatrix} u_1 & v_1\\u_3 &v_3\end{vmatrix}, \begin{vmatrix} u_1 & v_1\\u_2 &v_2\end{vmatrix}\right)$$
自动地与向量$\boldsymbol{u}=(u_1,u_2,u_3),\boldsymbol{v}=(v_1,v_2,v_3)$垂直。而上式就是我们目前定义的向量叉积,因此叉积来源可见一斑。
在理论分析中,我们一般将叉积写成
$$\boldsymbol{u}\times\boldsymbol{v}=\begin{vmatrix}
u_1 & v_1 & \boldsymbol{e}_1 \\
u_2 & v_2 & \boldsymbol{e}_2 \\
u_3 & v_3 & \boldsymbol{e}_3
\end{vmatrix}$$
其中$\boldsymbol{e}_1,\boldsymbol{e}_2,\boldsymbol{e}_3$是三维空间的基。
高维的叉积 #
有了上面的基础后,高维空间的叉积也就不难定义了,比如说四维空间中的三个向量$\boldsymbol{x}=(x_1,x_2,x_3,x_4),\boldsymbol{y}=(y_1,y_2,y_3,y_4),\boldsymbol{z}=(z_1,z_2,z_3,z_4)$,它的叉积可以定义为
$$Cross(\boldsymbol{x},\boldsymbol{y},\boldsymbol{z})=\begin{vmatrix}
x_1 & y_1 & z_1 &\boldsymbol{e}_1 \\
x_2 & y_2 & z_2 &\boldsymbol{e}_2 \\
x_3 & y_3 & z_3 &\boldsymbol{e}_3 \\
x_4 & y_4 & z_4 &\boldsymbol{e}_4
\end{vmatrix}$$
高维的空间向量也可以类似定义。
现在来考虑它的模的几何意义。记$Cross(\boldsymbol{x},\boldsymbol{y},\boldsymbol{z})=\boldsymbol{w}=(\omega_1,\omega_2,\omega_3,\omega_4)$,其中
$$\begin{aligned}\omega_1=\begin{vmatrix}
x_2 & y_2 & z_2 \\
x_3 & y_3 & z_3 \\
x_4 & y_4 & z_4
\end{vmatrix},\omega_2=-\begin{vmatrix}
x_1 & y_1 & z_1 \\
x_3 & y_3 & z_3 \\
x_4 & y_4 & z_4
\end{vmatrix}&,\\
\omega_3=\begin{vmatrix}
x_1 & y_1 & z_1 \\
x_2 & y_2 & z_2 \\
x_4 & y_4 & z_4
\end{vmatrix},\omega_4=-\begin{vmatrix}
x_1 & y_1 & z_1 \\
x_2 & y_2 & z_2 \\
x_3 & y_3 & z_3
\end{vmatrix}&.
\end{aligned}$$
那么行列式
$$\begin{vmatrix}
x_1 & y_1 & z_1 &\omega_1 \\
x_2 & y_2 & z_2 &\omega_2 \\
x_3 & y_3 & z_3 &\omega_3 \\
x_4 & y_4 & z_4 &\omega_4
\end{vmatrix}$$
就表示$\boldsymbol{x},\boldsymbol{y},\boldsymbol{z},\boldsymbol{w}$所组成的平行四维体的四维超体积。而且由于$\boldsymbol{w}$垂直于另外三个向量,那么这个平行四维体其实就是四维空间的一个“四维直棱柱”(想像三维的直棱柱),它的“底部”是由$\boldsymbol{x},\boldsymbol{y},\boldsymbol{z}$所组成的三维空间的平行六面体。根据“体积=底面积乘以高”的类比,上述行列式应该等于“平行六面体的体积乘以$\boldsymbol{w}$的模长”。当模长为1时,4维柱体的超体积在数值上就等于三维平行六面体的体积。于是行列式
$$\begin{vmatrix}
x_1 & y_1 & z_1 &\frac{\omega_1}{|\boldsymbol{w}|} \\
x_2 & y_2 & z_2 &\frac{\omega_2}{|\boldsymbol{w}|} \\
x_3 & y_3 & z_3 &\frac{\omega_3}{|\boldsymbol{w}|} \\
x_4 & y_4 & z_4 &\frac{\omega_4}{|\boldsymbol{w}|}
\end{vmatrix}$$
就等于由$\boldsymbol{x},\boldsymbol{y},\boldsymbol{z}$所组成的三维空间的平行六面体的体积,对最后一列展开它之后就得到$|\boldsymbol{w}|$。这就是模的几何意义,它和三维空间的叉积类似。更高维空间叉积及其模长的几何意义也可以相应类比,n维空间的(n-1)个线性无关的向量可以定义叉积,它的模长就是原来(n-1)个向量所构成的(n-1)维体的超体积。
回首一看,就可以发现,这个结果甚至对于2维空间都是成立的。由向量$(a,b)$自构造一个叉积,即垂直于它的向量,只需要考虑行列式
$$\begin{vmatrix}
a &\boldsymbol{e}_1 \\
b &\boldsymbol{e}_2 \\
\end{vmatrix}=-b \boldsymbol{e}_1+a\boldsymbol{e}_2=(-b,a)$$
可见,叉积为生成垂直向量提供了最自然的描述。
转载到请包括本文地址:https://kexue.fm/archives/2219
更详细的转载事宜请参考:《科学空间FAQ》
如果您还有什么疑惑或建议,欢迎在下方评论区继续讨论。
如果您觉得本文还不错,欢迎分享/打赏本文。打赏并非要从中获得收益,而是希望知道科学空间获得了多少读者的真心关注。当然,如果你无视它,也不会影响你的阅读。再次表示欢迎和感谢!
如果您需要引用本文,请参考:
苏剑林. (Dec. 26, 2013). 《高维空间的叉积及其几何意义 》[Blog post]. Retrieved from https://kexue.fm/archives/2219
@online{kexuefm-2219,
title={高维空间的叉积及其几何意义},
author={苏剑林},
year={2013},
month={Dec},
url={\url{https://kexue.fm/archives/2219}},
}
June 4th, 2014
倒数第二行括号内应该是(-b,a)。
April 28th, 2015
你的研究成果与我在1996年出版的《高维几何学雏论》一书中的内容重复,在我书中,n维空间中n-1个向量的外积已解决。该书目前已改名为《通俗高维几何学》,如有兴趣可与我联系。
i×j×k=l?亦或i×j×k=-l?
定义不同结果不一样...