猜测一下,这些矩阵的叉乘可能是地局某一对冲而引发,不进行叉乘运算,可能排不准地局之山水方位. |
胡说八道,不可以当真.有兴趣的来讨论一下. |
本帖最后由 不虚此行 于 2018-3-17 19:26 编辑 古代洛书没有矩阵的叉乘运算只有圆运算之+ - 法.能否探讨一下,也许有新的东东. |
没有易友上来做叉乘运算,那只好等我下装好矩阵计算软件再说. |
雖是數学白痴,但求學緊要,霸定頭位等開講謝謝 |
最近一直為網站的穩定跟速度努力,所以無法靜下心來看每一個帖子,也錯過了不少高質量的發帖內容。 所謂一圖勝千文,是否樓主可以用圖的方式來表達您的原創卓見呢?期待。 |
好象看天书! |
矩阵乘是人为定义的,方便的是一组方程的表达,不像加减时还那么理致,到乘法时只是对应于方程行列式这种模式,列间的关系是分开的,这种推法不一定有意义。 |
向量的运算,有两个“乘法”,点乘(dot product)和叉乘(cross product)。 点乘,也叫向量的内积、数量积或点积。顾名思义,求下来的结果是一个标量(实数)。 向量a·向量b=|a||b|cos<a,b> (其中<a,b>表示a,b的夹角),几何上是ab所构成的平行四边形对角线的长度。点乘结果是一个向量和它在另一个向量上投影的长度的乘积。在点积运算中,第一个向量投影到第二个向量上(这里,向量的顺序是不重要的,点积运算是可交换的),然后通过除以它们的标量长度来“标准化”。这样,这个分数一定是小于等于1的,可以简单地转化成一个角度值。 在物理学中,已知力与位移求功,实际上就是求向量F力与向量s位移的内积,即要用点乘。 将向量用坐标表示(三维向量), 若向量a=(a1,b1,c1),向量b=(a2,b2,c2), 则 向量a·向量b=a1a2+b1b2+c1c2。 点乘的结果就是两个向量的模相乘,然后再与这两个向量的夹角的余弦值相乘。或者说是两个向量的各个分量分别相乘的结果的和。点乘的结果就是一个数,这个数对分析这两个向量的特点很有帮助。如果点乘的结果为0,那么这两个向量互相垂直;如果结果大于0,那么这两个向量的夹角小于90度;如果结果小于0,那么这两个向量的夹角大于90度。 假设向量u(ux, uy)和v(vx, vy),u和v之间的夹角为α,从三角形的边角关系等式出发,可作出如下简单推导: |u - v||u - v| = |u||u| + |v||v| - 2|u||v|cosα (ux - vx)2 + (uy - vy)2 = ux2 + uy2 +vx2+vy2- 2|u||v|cosα -2uxvx - 2uyvy = -2|u||v|cosα cosα = (uxvx + uyvy) / (|u||v|) 这样,就可以根据向量u和v的坐标值计算出它们之间的夹角。 定义u和v的点积运算: u . v = (uxvx + uyvy), 上面的cosα可简写成: cosα = u . v / (|u||v|) 当u . v = 0时(即uxvx + uyvy = 0),向量u和v垂直;当u . v > 0时,u和v之间的夹角为锐角;当u . v < 0时,u和v之间的夹角为钝角。 可以将运算从2维推广到3维。 叉乘,也叫向量的外积、向量积、矢积或叉积。顾名思义,求下来的结果是一个矢量(向量),记这个向量为c。 |向量c|=|向量a×向量b|=|a||b|sin<a,b> ,几何上是ab所构成的平行四边形的面积。叉乘向量积是一个和已有两个向量都垂直的向量。叉积可以解释成这两个叉乘向量a,b共起点时,所构成平行四边形的面积。 向量c的方向与a,b所在的平面垂直,且方向要用“右手法则”判断(即a、b及叉乘积矢量构成右螺旋的关系。用右手的四指先表示向量a的方向,然后手指朝着手心的方向摆动到向量b的方向,大拇指所指的方向就是向量c的方向)。 当a和b平行的时候,结果为0向量。 因此 向量的外积不遵守乘法交换率,因为向量a×向量b= - 向量b×向量a 在物理学中,已知力与力臂求力矩,就是向量的外积,即叉乘。 将向量用坐标表示(三维向量), 若向量a=(a1,b1,c1),向量b=(a2,b2,c2), 则 向量a×向量b= | i j k | |a1 b1 c1| |a2 b2 c2| =(b1c2-b2c1,c1a2-a1c2,a1b2-a2b1) (i、j、k分别为空间中相互垂直的三条坐标轴的单位向量)。 叉乘的意义就是通过两个向量来确定一个新的向量,这个新的向量与前两个向量都垂直。 假设存在向量u(ux, uy, uz), v(vx, vy, vz), 求同时垂直于向量u, v的向量w(wx, wy, wz). 因为w与u垂直,同时w与v垂直,所以w . u = 0, w . v = 0; 即 uxwx + uywy + uzwz = 0; vxwx + vywy + vzwz = 0; 分别削去方程组的wy和wx变量的系数,得到如下两个等价方程式: (uxvy - uyvx)wx = (uyvz - uzvy)wz (uxvy - uyvx)wy = (uzvx - uxvz)wz 于是向量w的一般解形式为: w = (wx, wy, wz) = ((uyvz - uzvy)wz / (uxvy - uyvx), (uzvx - uxvz)wz / (uxvy - uyvx), wz) = (wz / (uxvy - uyvx) * (uyvz - uzvy, uzvx - uxvz, uxvy - uyvx)) 因为: ux(uyvz - uzvy) + uy(uzvx - uxvz) + uz(uxvy - uyvx) = uxuyvz - uxuzvy + uyuzvx - uyuxvz + uzuxvy - uzuyvx = (uxuyvz - uyuxvz) + (uyuzvx - uzuyvx) + (uzuxvy - uxuzvy) = 0 + 0 + 0 = 0 vx(uyvz - uzvy) + vy(uzvx - uxvz) + vz(uxvy - uyvx) = vxuyvz - vxuzvy + vyuzvx - vyuxvz + vzuxvy - vzuyvx = (vxuyvz - vzuyvx) + (vyuzvx - vxuzvy) + (vzuxvy - vyuxvz) = 0 + 0 + 0 = 0 由此可知,向量(uyvz - uzvy, uzvx - uxvz, uxvy - uyvx)是同时垂直于向量u和v的。 为此,定义向量u = (ux, uy, uz)和向量 v = (vx, vy, vz)的叉积运算为:u x v = (uyvz - uzvy, uzvx - uxvz, uxvy - uyvx) 上面计算的结果可简单概括为:向量u x v垂直于向量u和v。 根据叉积的定义,沿x坐标轴的向量i = (1, 0, 0)和沿y坐标轴的向量j = (0, 1, 0)的叉积为: i x j = (1, 0, 0) x (0, 1, 0) = (0 * 0 - 0 * 1, 0 * 0 - 1 * 0, 1 * 1 - 0 * 0) = (0, 0, 1) = k 同理可计算j x k: j x k = (0, 1, 0) x (0, 0, 1) = (1 * 1 - 0 * 0, 0 * 0 - 0 * 1, 0 * 0 - 0 * 0) = (1, 0, 0) = i 以及k x i: k x i = (0, 0, 1) x (1, 0, 0) = (0 * 0 - 1 * 0, 1 * 1 - 0 * 0, 0 * 0 - 0 * 0) = (0, 1, 0) = j 由叉积的定义,可知: v x u = (vyuz - vzuy, vzux - vxuz, vxuy - vyux) = - (u x v) 如向量a=(1,2,3),b=(4,5,6),求a叉乘b的计算过程:(1,2,3)×(4,5,6)=(12-15,12-6,5-8)=(-3,6,-3) |
hxdz 发表于 2019-1-28 17:17 辛苦了,为一群文盲讲高数,吃力不讨好!我这个帖子不展开,就是怕对牛弹琵琶! |
不虚此行 发表于 2019-1-28 21:56 三十多年前修过这门课,我也快忘完了,复习一下。 |
Powered by Discuz! X3.4
© 2001-2023 Discuz! Team.