Site Loader

Содержание

Формулы векторного анализа — Википедия

∇⋅(ψA)=A⋅∇ψ+ψ∇⋅A{\displaystyle \nabla \cdot (\psi \mathbf {A} )=\mathbf {A} \cdot \nabla \psi +\psi \nabla \cdot \mathbf {A} } div(ψA)=A⋅gradψ+ψ divA{\displaystyle \mathbf {div} (\psi \mathbf {A} )=\mathbf {A} \cdot \mathbf {grad} \psi +\psi \ \mathbf {div} \mathbf {A} }
∇×(ψA)=∇ψ×A+ψ∇×A{\displaystyle \nabla \times (\psi \mathbf {A} )=\nabla \psi \times \mathbf {A} +\psi \nabla \times \mathbf {A} } rot(ψA)=gradψ×A+ψ rotA{\displaystyle \mathbf {rot} (\psi \mathbf {A} )=\mathbf {grad} \psi \times \mathbf {A} +\psi \ \mathbf {rot} \mathbf {A} }
∇(A⋅B)=(A⋅∇)B+(B⋅∇)A+{\displaystyle \nabla (\mathbf {A} \cdot \mathbf {B} )=(\mathbf {A} \cdot \nabla )\mathbf {B} +(\mathbf {B} \cdot \nabla )\mathbf {A} +}

+A×(∇×B)+B×(∇×A){\displaystyle +\mathbf {A} \times (\nabla \times \mathbf {B} )+\mathbf {B} \times (\nabla \times \mathbf {A} )}

 grad(A⋅B)=(A⋅∇)B+(B⋅∇)A+{\displaystyle \ \mathbf {grad} (\mathbf {A} \cdot \mathbf {B} )=(\mathbf {A} \cdot \nabla )\mathbf {B} +(\mathbf {B} \cdot \nabla )\mathbf {A} +}

+A×rotB+B×rotA{\displaystyle +\mathbf {A} \times \mathbf {rot} \mathbf {B} +\mathbf {B} \times \mathbf {rot} \mathbf {A} }

12∇A2=A×(∇×A)+(A⋅∇)A{\displaystyle {\frac {1}{2}}\nabla A^{2}=\mathbf {A} \times (\nabla \times \mathbf {A} )+(\mathbf {A} \cdot \nabla )\mathbf {A} } 12 gradA2=A×(rotA)+(A⋅∇)A{\displaystyle {\frac {1}{2}}\ \mathbf {grad} A^{2}=\mathbf {A} \times (\mathbf {rot} \mathbf {A} )+(\mathbf {A} \cdot \nabla )\mathbf {A} }
∇⋅(A×B)=B⋅∇×A−A⋅∇×B{\displaystyle \nabla \cdot (\mathbf {A} \times \mathbf {B} )=\mathbf {B} \cdot \nabla \times \mathbf {A} -\mathbf {A} \cdot \nabla \times \mathbf {B} } div (A×B)=B⋅rot A−A⋅rot B{\displaystyle \mathbf {div} \ (\mathbf {A} \times \mathbf {B} )=\mathbf {B} \cdot \mathbf {rot} \ \mathbf {A} -\mathbf {A} \cdot \mathbf {rot} \ \mathbf {B} }
 ∇×(A×B)=A(∇⋅B)−B(∇⋅A)+{\displaystyle \ \nabla \times (\mathbf {A} \times \mathbf {B} )=\mathbf {A} (\nabla \cdot \mathbf {B} )-\mathbf {B} (\nabla \cdot \mathbf {A} )+}

+(B⋅∇)A−(A⋅∇)B{\displaystyle \;+(\mathbf {B} \cdot \nabla )\mathbf {A} -(\mathbf {A} \cdot \nabla )\mathbf {B} }

 rot(A×B)=A (div B)−B (div A)+{\displaystyle \ \mathbf {rot} (\mathbf {A} \times \mathbf {B} )=\mathbf {A} \ (\mathbf {div} \ \mathbf {B} )-\mathbf {B} \ (\mathbf {div} \ \mathbf {A} )+}

+(B⋅∇)A−(A⋅∇)B{\displaystyle \;+(\mathbf {B} \cdot \nabla )\mathbf {A} -(\mathbf {A} \cdot \nabla )\mathbf {B} }

Смешанное произведение векторов, формула и примеры

Определение и формула смешанного произведения векторов

ОПРЕДЕЛЕНИЕ Смешанным произведением трех векторов и называется число, равное скалярному произведению вектора на векторное произведение векторов и :

   

Если векторы и заданы своими координатами: и , то их смешанное произведение равно определителю матрицы, составленной из этих векторов:

   

ПРИМЕР
Задание Найти смешанное произведение векторов
Решение Для нахождения смешанного произведения составляем определитель, по строкам которого записаны координаты заданных векторов:

   

Ответ

Свойства смешанного произведения векторов

1. Геометрический смысл смешанного произведения. Модуль смешанного произведения трех векторов и равен объёму параллелепипеда, образованного этими векторами:

   

ЗАМЕЧАНИЕ Объем пирамиды, образованной тремя векторами и , равен одной шестой модуля смешанного произведения этих векторов:

   

2. Если смешанное произведение трех ненулевых векторов равно нулю, то эти векторы компланарны.

3. .

ЗАМЕЧАНИЕ Мнемоническое правило для запоминания этой формулы: смешанное произведение трех векторов и равно «бац минус цаб».

4. .

5. Тождество Якоби:

   

ПРИМЕР
Задание Найти объем пирамиды построенной на векторах
Решение Объем пирамиды, построенной на векторах и , равен одной шестой модуля смешанного произведения этих векторов:

   

Поэтому вначале найдем смешанное произведение заданных векторов. Для этого составим определитель, по строкам которого записаны координаты векторов и , и вычислим его, например, по правилу треугольника:

   

Тогда искомый объем

(куб. ед.).

Ответ
(куб. ед.)

Векторное произведение векторов — это… Что такое Векторное произведение векторов?

Правые и левые тройки векторов

Три вектора называются упорядоченной тройкой, если указано, какой из этих векторов является первым, какой — вторым, а какой — третьим.

Тройка некомпланарных векторов \mathbf{a, b, c} называется правой (левой), если, будучи приведёнными к общему началу, эти векторы располагаются так, как могут быть расположены соответственно большой, несогнутый указательный и средний пальцы правой (левой) руки.

Определение

Векторным произведением вектора \mathbf a

на вектор \mathbf b называется вектор \mathbf c, удовлетворяющий следующим требованиям:

  • длина вектора \mathbf c равна произведению длин векторов \mathbf a и \mathbf b на синус угла \varphi
    ; между ними

\left

Обозначение:

 \mathbf c = \left[ \mathbf a \mathbf b \right] = \left[ \mathbf a,\; \mathbf b \right] = \mathbf a \times \mathbf b

В различных учебных заведениях определение векторного произведения даётся по-разному. Например, в качестве определения даётся описанное далее выражение векторного произведения в координатах. А далее выводится данное выше определение.

Свойства

Геометрические свойства векторного произведения


  [ \mathbf a,\; \mathbf b ] = S\, \mathbf e

  \left[ \mathbf a,\; \mathbf c \right] = \mathrm{Pr}_{ \mathbf e }\,  \mathbf a \left

Алгебраические свойства векторного произведения

Выражение для векторного произведения в декартовых координатах

Если два вектора \mathbf a и \mathbf b определены своими прямоугольными декартовыми координатами, а говоря точнее — представлены в ортонормированном базисе

 \mathbf a = (a_x,\; a_y,\; a_z)
\mathbf b = (b_x,\; b_y,\; b_z)

то их векторное произведение имеет вид


[ \mathbf a,\; \mathbf b ] = (a_y b_z - a_z b_y,\; a_z b_x - a_x b_z,\; a_x b_y - a_y b_x).

Для запоминания этой формулы удобно использовать определитель:


[ \mathbf a,\; \mathbf b ] = \begin{vmatrix} \mathbf i & \mathbf j & \mathbf k \\ a_x & a_y & a_z \\ b_x & b_y & b_z \end{vmatrix}

или


[ \mathbf a,\; \mathbf b ]_i = \sum_{j,k=1}^3 \varepsilon_{i j k} a_j b_k,

где \varepsilon_{i j k} — символ Леви-Чивиты.

Обобщения

Кватернионы

Векторное произведение можно также записать в кватернионной форме, поэтому буквы \mathbf i, \mathbf j, \mathbf k — стандартные обозначения для ортов в \R^3: они рассматриваются как воображаемые кватернионы.

Заметим, что соотношения через векторное произведение между \mathbf i, \mathbf j и \mathbf k соответствуют правилам умножения для кватернионов i, j и k. Если представить вектор (a_1,\;a_2,\;a_3) как кватернион a1i + a2j + a3k, то векторное произведение двух векторов получается взятием векторной части от произведения соответствующих им кватернионов. Скалярное произведение этих векторов противоположно скалярной части произведения этих кватернионов.

Преобразование к матричной форме

Векторное произведение двух векторов можно записать как произведение кососимметрической матрицы и вектора:

\mathbf{a} \times \mathbf{b} = [\mathbf{a}]_{\times} \mathbf{b} = \begin{bmatrix}\,0&\!-a_3&\,\,a_2\\ \,\,a_3&0&\!-a_1\\-a_2&\,\,a_1&\,0\end{bmatrix}\begin{bmatrix}b_1\\b_2\\b_3\end{bmatrix}
\mathbf{b} \times \mathbf{a} = \mathbf{b}^T [\mathbf{a}]_{\times} = \begin{bmatrix}b_1&b_2&b_3\end{bmatrix}\begin{bmatrix}\,0&\!-a_3&\,\,\,a_2\\\,\,\,a_3&\,0&\!-a_1\\-a_2&\,\,a_1&\,0\end{bmatrix}

где

[\mathbf{a}]_{\times} \stackrel{\rm def}{=} \begin{bmatrix}\,\,0&\!-a_3&\,\,\,a_2\\\,\,\,a_3&0&\!-a_1\\\!-a_2&\,\,a_1&\,\,0\end{bmatrix}

Пусть \mathbf{a} равен векторному произведению:

\mathbf{a} = \mathbf{c} \times \mathbf{d}

тогда

[\mathbf{a}]_{\times} = (\mathbf{c}\mathbf{d}^T)^T - \mathbf{c}\mathbf{d}^T.

Такая форма записи позволяет обобщить векторное произведение на высшие размерности, представляя псевдовекторы (угловая скорость, индукция и т. п.) как такие кососимметричные матрицы. Ясно, что такие физические величины будут иметь n(n − 1) / 2 независимых компонент в n-мерном пространстве. В трёхмерном пространстве получаются три независимые компоненты, поэтому такие величины можно представлять как векторы этого пространства.

С такой формой записи также зачастую проще работать (например, в en:epipolar geometry).

Из общих свойств векторного произведения следует, что

 [\mathbf{a}]_{\times} \, \mathbf{a} = \mathbf{0}   и    \mathbf{a}^{T} \, [\mathbf{a}]_{\times} = \mathbf{0}

а так как  [\mathbf{a}]_{\times} кососимметрична, то

 \mathbf{b}^{T} \, [\mathbf{a}]_{\times} \, \mathbf{b} = 0.

В такой форме записи легко доказывается тождество Лагранжа (правило «бац минус цаб»).

Распространение на матрицы

В 3-хмерном случае можно определить векторное произведение матриц и произведение матрицы на вектор. Это делает очевидным указанный выше изоморфизм и позволяет упростить многие выкладки. Представим матрицу A как столбец векторов, тогда

\begin{bmatrix}\vec a_1\\\vec a_2\\\vec a_3\end{bmatrix} \times \vec b = \begin{bmatrix}\vec a_1 \times \vec b \\\vec a_2 \times \vec b \\\vec a_3 \times \vec b \end{bmatrix}
\begin{bmatrix}\vec a_1\\\vec a_2\\\vec a_3\end{bmatrix} \cdot \vec b = \begin{bmatrix}\vec a_1 \cdot \vec b \\\vec a_2 \cdot \vec b \\\vec a_3 \cdot \vec b \end{bmatrix}

Умножение матрицы на вектор слева определяется аналогично, если представить A как строку векторов. Транспонирование матрицы, соответственно, переводит строку векторов в столбец векторов, и наоборот. Легко обобщить многие соотношения для векторов на соотношения для векторов и матриц, например (A — матрица, \mathbf x, \mathbf y — векторы):

A \cdot (\vec x \times \vec y) = (A \times \vec x) \cdot \vec y
A \times (\vec x \times \vec y) = \vec x (A \cdot \vec y)- \vec y (A \cdot \vec x)

После этого можно изменить форму записи для векторного произведения:

\vec x \times \vec y = E \cdot (\vec x \times \vec y) = (E \times \vec x)\cdot \vec y

E — единичная матрица. Отсюда очевидны существование и вид матрицы, соответствующей векторному умножению на вектор слева. Аналогично можно получить выражение для матрицы умножения на вектор справа. Распространяя операции над векторами на матрицы покомпонентно, представляя их как «векторы из векторов», стандартные соотношения для векторов легко обобщаются на матрицы. Например, теорема Стокса в \R^3 примет вид:

 \int\limits_{\Sigma}\operatorname{rot}\, \mathbf{A^T} \, \mathbf{d\Sigma} = \int\limits_{\partial\Sigma} \mathbf{A}\cdot\, d \mathbf{r},

где ротор матрицы A вычисляется как векторное произведение матрицы A на оператор Гамильтона слева. В этих обозначениях очень легко доказать, например, следующие формы теоремы Стокса:

 \int\limits_{\Sigma}\operatorname{grad}\, u \times \, \mathbf{d\Sigma} = \int\limits_{\partial\Sigma} u\, d \mathbf{r},
 \int\limits_{\Sigma} \left[ \mathbf{d\Sigma}; \left[ \nabla; \vec a \right] \right] = \int\limits_{\partial\Sigma} \vec a \times d \mathbf{r}.

Размерности, не равные трём

Пусть D — размерность пространства.

Векторное произведение, обладающее всеми свойствами обычного трёхмерного векторного произведения, то есть бинарное билинейное антисимметричное невырожденное отображение \mathbb{R}^D \times \mathbb{R}^D \to \mathbb{R}^D, можно ввести только для размерности 3.

Однако есть простое обобщение на остальные натуральные размерности, начиная с 3, а если нужно — и на размерность 2 (последнее, правда, сравнительно специфическим образом). Тогда это обобщение, в отличие от невозможного, описанного чуть выше, вводится не для пары векторов, а лишь для набора (D − 1) векторов-сомножителей. Вполне аналогично смешанному произведению, естественно обобщаемому в D-мерном пространстве на операцию с D сомножителями. Используя символ Леви-Чивиты \varepsilon_{i_1 i_2 i_3 \ldots i_D} с D индексами, можно явно записать такое (D − 1)-валентное векторное произведение как

 P_i(\mathbf{a,\;b,\;c,\;\ldots}) = \sum_{i,\;j,\;k,\;m,\;\ldots=1}^D \varepsilon_{ijk\ldots} a_j b_k c_m \ldots

Такое обобщение дает гиперплощадь размерности (D − 1).

Если нужно ввести операцию именно для двух сомножителей, имеющую геометрический смысл, предельно близкий к смыслу векторного произведения (то есть представляющую ориентированную площадь), то результат уже не будет вектором, так как при D < > 3 не найдется единственной, однозначно определённой нормали к двумерной плоскости, натянутой на множители. Можно ввести бивектор, компоненты которого равны проекциям ориентированной площади параллелограмма, натянутого на пару векторов, на координатные плоскости:

\ P_{ij}(\mathbf{a,b}) = a_i b_j - a_j b_i.

Эта конструкция называется внешним произведением.

Для двумерного случая эта операция называется псевдоскалярным произведением, так как получающееся пространство одномерно и результат можно отождествить с псевдоскаляром.

Алгебра Ли векторов

Векторное произведение вводит на \mathbb{R}^3 структуру алгебры Ли (поскольку оно удовлетворяет обеим аксиомам — антисимметричности и тождеству Якоби). Эта структура соответствует отождествлению \R^3 с касательной алгеброй Ли so(3) к группе Ли SO(3) ортогональных линейных преобразований трёхмерного пространства.

См. также

Произведения векторов

Другое

Ссылки

Литература

  • Кочин Н. Е. Введение в векторный и тензорный анализ.

Wikimedia Foundation. 2010.

Векторное произведение векторов — это… Что такое Векторное произведение векторов?

Правые и левые тройки векторов

Три вектора называются упорядоченной тройкой, если указано, какой из этих векторов является первым, какой — вторым, а какой — третьим.

Тройка некомпланарных векторов \mathbf{a, b, c} называется правой (левой), если, будучи приведёнными к общему началу, эти векторы располагаются так, как могут быть расположены соответственно большой, несогнутый указательный и средний пальцы правой (левой) руки.

Определение

Векторным произведением вектора \mathbf a на вектор \mathbf b называется вектор \mathbf c, удовлетворяющий следующим требованиям:

  • длина вектора \mathbf c равна произведению длин векторов \mathbf a и \mathbf b на синус угла \varphi; между ними

\left

Обозначение:

 \mathbf c = \left[ \mathbf a \mathbf b \right] = \left[ \mathbf a,\; \mathbf b \right] = \mathbf a \times \mathbf b

В различных учебных заведениях определение векторного произведения даётся по-разному. Например, в качестве определения даётся описанное далее выражение векторного произведения в координатах. А далее выводится данное выше определение.

Свойства

Геометрические свойства векторного произведения


  [ \mathbf a,\; \mathbf b ] = S\, \mathbf e

  \left[ \mathbf a,\; \mathbf c \right] = \mathrm{Pr}_{ \mathbf e }\,  \mathbf a \left

Алгебраические свойства векторного произведения

Выражение для векторного произведения в декартовых координатах

Если два вектора \mathbf a и \mathbf b определены своими прямоугольными декартовыми координатами, а говоря точнее — представлены в ортонормированном базисе

 \mathbf a = (a_x,\; a_y,\; a_z)
\mathbf b = (b_x,\; b_y,\; b_z)

то их векторное произведение имеет вид


[ \mathbf a,\; \mathbf b ] = (a_y b_z - a_z b_y,\; a_z b_x - a_x b_z,\; a_x b_y - a_y b_x).

Для запоминания этой формулы удобно использовать определитель:


[ \mathbf a,\; \mathbf b ] = \begin{vmatrix} \mathbf i &amp;amp; \mathbf j &amp;amp; \mathbf k \\ a_x &amp;amp; a_y &amp;amp; a_z \\ b_x &amp;amp; b_y &amp;amp; b_z \end{vmatrix}

или


[ \mathbf a,\; \mathbf b ]_i = \sum_{j,k=1}^3 \varepsilon_{i j k} a_j b_k,

где \varepsilon_{i j k} — символ Леви-Чивиты.

Обобщения

Кватернионы

Векторное произведение можно также записать в кватернионной форме, поэтому буквы \mathbf i, \mathbf j, \mathbf k — стандартные обозначения для ортов в \R^3: они рассматриваются как воображаемые кватернионы.

Заметим, что соотношения через векторное произведение между \mathbf i, \mathbf j и \mathbf k соответствуют правилам умножения для кватернионов i, j и k. Если представить вектор (a_1,\;a_2,\;a_3) как кватернион a1i + a2j + a3k, то векторное произведение двух векторов получается взятием векторной части от произведения соответствующих им кватернионов. Скалярное произведение этих векторов противоположно скалярной части произведения этих кватернионов.

Преобразование к матричной форме

Векторное произведение двух векторов можно записать как произведение кососимметрической матрицы и вектора:

\mathbf{a} \times \mathbf{b} = [\mathbf{a}]_{\times} \mathbf{b} = \begin{bmatrix}\,0&amp;amp;\!-a_3&amp;amp;\,\,a_2\\ \,\,a_3&amp;amp;0&amp;amp;\!-a_1\\-a_2&amp;amp;\,\,a_1&amp;amp;\,0\end{bmatrix}\begin{bmatrix}b_1\\b_2\\b_3\end{bmatrix}
\mathbf{b} \times \mathbf{a} = \mathbf{b}^T [\mathbf{a}]_{\times} = \begin{bmatrix}b_1&amp;amp;b_2&amp;amp;b_3\end{bmatrix}\begin{bmatrix}\,0&amp;amp;\!-a_3&amp;amp;\,\,\,a_2\\\,\,\,a_3&amp;amp;\,0&amp;amp;\!-a_1\\-a_2&amp;amp;\,\,a_1&amp;amp;\,0\end{bmatrix}

где

[\mathbf{a}]_{\times} \stackrel{\rm def}{=} \begin{bmatrix}\,\,0&amp;amp;\!-a_3&amp;amp;\,\,\,a_2\\\,\,\,a_3&amp;amp;0&amp;amp;\!-a_1\\\!-a_2&amp;amp;\,\,a_1&amp;amp;\,\,0\end{bmatrix}

Пусть \mathbf{a} равен векторному произведению:

\mathbf{a} = \mathbf{c} \times \mathbf{d}

тогда

[\mathbf{a}]_{\times} = (\mathbf{c}\mathbf{d}^T)^T - \mathbf{c}\mathbf{d}^T.

Такая форма записи позволяет обобщить векторное произведение на высшие размерности, представляя псевдовекторы (угловая скорость, индукция и т. п.) как такие кососимметричные матрицы. Ясно, что такие физические величины будут иметь n(n − 1) / 2 независимых компонент в n-мерном пространстве. В трёхмерном пространстве получаются три независимые компоненты, поэтому такие величины можно представлять как векторы этого пространства.

С такой формой записи также зачастую проще работать (например, в en:epipolar geometry).

Из общих свойств векторного произведения следует, что

 [\mathbf{a}]_{\times} \, \mathbf{a} = \mathbf{0}   и    \mathbf{a}^{T} \, [\mathbf{a}]_{\times} = \mathbf{0}

а так как  [\mathbf{a}]_{\times} кососимметрична, то

 \mathbf{b}^{T} \, [\mathbf{a}]_{\times} \, \mathbf{b} = 0.

В такой форме записи легко доказывается тождество Лагранжа (правило «бац минус цаб»).

Распространение на матрицы

В 3-хмерном случае можно определить векторное произведение матриц и произведение матрицы на вектор. Это делает очевидным указанный выше изоморфизм и позволяет упростить многие выкладки. Представим матрицу A как столбец векторов, тогда

\begin{bmatrix}\vec a_1\\\vec a_2\\\vec a_3\end{bmatrix} \times \vec b = \begin{bmatrix}\vec a_1 \times \vec b \\\vec a_2 \times \vec b \\\vec a_3 \times \vec b \end{bmatrix}
\begin{bmatrix}\vec a_1\\\vec a_2\\\vec a_3\end{bmatrix} \cdot \vec b = \begin{bmatrix}\vec a_1 \cdot \vec b \\\vec a_2 \cdot \vec b \\\vec a_3 \cdot \vec b \end{bmatrix}

Умножение матрицы на вектор слева определяется аналогично, если представить A как строку векторов. Транспонирование матрицы, соответственно, переводит строку векторов в столбец векторов, и наоборот. Легко обобщить многие соотношения для векторов на соотношения для векторов и матриц, например (A — матрица, \mathbf x, \mathbf y — векторы):

A \cdot (\vec x \times \vec y) = (A \times \vec x) \cdot \vec y
A \times (\vec x \times \vec y) = \vec x (A \cdot \vec y)- \vec y (A \cdot \vec x)

После этого можно изменить форму записи для векторного произведения:

\vec x \times \vec y = E \cdot (\vec x \times \vec y) = (E \times \vec x)\cdot \vec y

E — единичная матрица. Отсюда очевидны существование и вид матрицы, соответствующей векторному умножению на вектор слева. Аналогично можно получить выражение для матрицы умножения на вектор справа. Распространяя операции над векторами на матрицы покомпонентно, представляя их как «векторы из векторов», стандартные соотношения для векторов легко обобщаются на матрицы. Например, теорема Стокса в \R^3 примет вид:

 \int\limits_{\Sigma}\operatorname{rot}\, \mathbf{A^T} \, \mathbf{d\Sigma} = \int\limits_{\partial\Sigma} \mathbf{A}\cdot\, d \mathbf{r},

где ротор матрицы A вычисляется как векторное произведение матрицы A на оператор Гамильтона слева. В этих обозначениях очень легко доказать, например, следующие формы теоремы Стокса:

 \int\limits_{\Sigma}\operatorname{grad}\, u \times \, \mathbf{d\Sigma} = \int\limits_{\partial\Sigma} u\, d \mathbf{r},
 \int\limits_{\Sigma} \left[ \mathbf{d\Sigma}; \left[ \nabla; \vec a \right] \right] = \int\limits_{\partial\Sigma} \vec a \times d \mathbf{r}.

Размерности, не равные трём

Пусть D — размерность пространства.

Векторное произведение, обладающее всеми свойствами обычного трёхмерного векторного произведения, то есть бинарное билинейное антисимметричное невырожденное отображение \mathbb{R}^D \times \mathbb{R}^D \to \mathbb{R}^D, можно ввести только для размерности 3.

Однако есть простое обобщение на остальные натуральные размерности, начиная с 3, а если нужно — и на размерность 2 (последнее, правда, сравнительно специфическим образом). Тогда это обобщение, в отличие от невозможного, описанного чуть выше, вводится не для пары векторов, а лишь для набора (D − 1) векторов-сомножителей. Вполне аналогично смешанному произведению, естественно обобщаемому в D-мерном пространстве на операцию с D сомножителями. Используя символ Леви-Чивиты \varepsilon_{i_1 i_2 i_3 \ldots i_D} с D индексами, можно явно записать такое (D − 1)-валентное векторное произведение как

 P_i(\mathbf{a,\;b,\;c,\;\ldots}) = \sum_{i,\;j,\;k,\;m,\;\ldots=1}^D \varepsilon_{ijk\ldots} a_j b_k c_m \ldots

Такое обобщение дает гиперплощадь размерности (D − 1).

Если нужно ввести операцию именно для двух сомножителей, имеющую геометрический смысл, предельно близкий к смыслу векторного произведения (то есть представляющую ориентированную площадь), то результат уже не будет вектором, так как при D < > 3 не найдется единственной, однозначно определённой нормали к двумерной плоскости, натянутой на множители. Можно ввести бивектор, компоненты которого равны проекциям ориентированной площади параллелограмма, натянутого на пару векторов, на координатные плоскости:

\ P_{ij}(\mathbf{a,b}) = a_i b_j - a_j b_i.

Эта конструкция называется внешним произведением.

Для двумерного случая эта операция называется псевдоскалярным произведением, так как получающееся пространство одномерно и результат можно отождествить с псевдоскаляром.

Алгебра Ли векторов

Векторное произведение вводит на \mathbb{R}^3 структуру алгебры Ли (поскольку оно удовлетворяет обеим аксиомам — антисимметричности и тождеству Якоби). Эта структура соответствует отождествлению \R^3 с касательной алгеброй Ли so(3) к группе Ли SO(3) ортогональных линейных преобразований трёхмерного пространства.

См. также

Произведения векторов

Другое

Ссылки

Литература

  • Кочин Н. Е. Введение в векторный и тензорный анализ.

Wikimedia Foundation. 2010.

alexxlab

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *