向量相乘的坐标公式图 想象一下，你在画一个庞大的坐标系，里面飘着两个箭头，分别叫作向量 $vec{a}$ 和 $vec{b}$。

那会儿我们只关心它们是不是对头，要么是不是同向，目前咱们得换个思路，看看它们到底能挤出一些啥东西来。 要是是加法，那挺好办，直接把两个箭头拼起来一样好办。

可是乘法呢？这里有两种玩法，得看你是想“拧拧劲儿”还是想“看看角度”。 第一种玩法叫点乘，也叫标量积。

这俩向量一碰头，结局出来的是一个数字，叫作数量积。你把它写在坐标纸上，那就是用坐标算出来的点积公式。

要是 $vec{a}$ 是 $(x_1, y_1)$，$vec{b}$ 是 $(x_2, y_2)$，那结局就是 $x_1x_2 + y_1y_2$。

这个公式实际上挺有意思，出于它实际上就是平行四边形里的那个对角线长度的平方，要么是两个向量跟它们夹角的余弦值连乘再乘个数。 第二种玩法叫叉乘，叫向量积。

这个结局就没那么好办了，它是个乱七八糟的三维向量，得写出三个分量。

这个公式得用行列式来算，也就是俗称的“行列式展开”。

要是 $vec{a} = (x_1, y_1, z_1)$，$vec{b} = (x_2, y_2, z_2)$，那结局就是这三个坐标的混合运算，顺序特别关键，跟加法彻底不一样。

这个结局最有意思的地方是，它跟这两个向量的夹角相关。

要是这两个向量成 90 度直角，叉乘结局就会是个“规范一单位向量”，边长就是它们模的乘积；要是角度更大，结局就会缩回去变小；角度越小，结局就变大。 说到这儿，肯定有大量同学会问：“如何算起来还能如此好看？”别急，实际上底层逻辑好办粗暴，就是点乘就是“同向分量相乘”加“反向分量相乘”，然后整体加起来；叉乘就是“同向分量相乘”减“反向分量相乘”，再配合“同向分量相乘”加“反向分量相乘”四个局部，最终再乘以那个角度相关的系数。 为了帮你把这两个概念真正在心里“活”起来，咱们来算一个具体的例子。假设 $vec{a} = (2, -3, 4)$，$vec{b} = (1, 2, -1)$。 先试试点乘。把每个坐标位置上的数乘上对应位置的数，然后把算出来的三个数加起来。$2times1 + (-3)times2 + 4times(-1) = 2 - 6 - 4 = -8$。

你看，这就是那个最终数字。 再看看叉乘，这个就要小心了。记得的顺序是“第一分量乘第二分量减第二分量乘第一分量”之类的，具体是：$(y_1z_2 - y_2z_1, z_1x_2 - z_2x_1, x_1y_2 - x_2y_1)$。把数据填进去：$(2times(-1) - (-3)times1, 4times1 - (-1)times2, 2times2 - (-1)times1)$。算一下，就是 $(-2 + 3, 4 + 2, 4 + 1)$，也就是 $(1, 6, 5)$。 这就搞定了。对于点积，你可能只关心那个最终数字是多少，要么它代表啥物理意义，比如光线能透那会儿多少，要么两个力一共能压多狠。对于叉积，你是得把那个三维向量写出来，就连还要根据它的大小和方向去理解它在空间里指哪去。 实际上啊，数学这东西有时候就是笨，它不说人话，但只要你肯算，算对了就能发现它背后那套严丝合缝的逻辑。点乘和叉乘，一个是用来“压”的力量的度量，一个是用来“挤”出信息空间的钥匙。

记住这个例子，赶明儿做题要么想难题的时候，脑海里多一个坐标系，心里就能有个底了。 最终咱们再回头想想这两个公式。点积那个 $x_1x_2 + y_1y_2 + z_1z_2$，看着好办，实际上涵盖了所相关于这两个向量关系的暗码。叉积那个行列式展开，看着繁琐，却把三维空间里那种“垂直”的判断和“旋转”的可能性都封装在了里面。别被公式吓到了，那些符号都是为了让计算更精确而生，一旦你理解了它们的几何意义，再复杂的算式也不过是几个格子里的加减乘除。