向量积，即叉积，是线性代数中极具魅力且应用广泛的运算工具。它不仅是计算力矩、角度的关键桥梁，更是理解三维空间结构的核心。在二维平面中，点积（数量积）计算的是两向量夹角的余弦值，直观且简单；而当两个向量垂直时，点积恰好为零，这为判断垂直提供了高效判据。引入向量积后，我们得以将二维平面上的直观关系推广到立体的三维空间，使我们能够自然地定义向量间的相对方向，习惯上常称之为“叉积”或“外积”。其运算结果是一个垂直于原两个向量的新向量，且该新向量的大小等于原向量构成的平行四边形面积，方向遵循右手定则。这一概念打破了二维向量的局限，将力矩、面积、旋转向量等物理量数学化，极大地丰富了物理与工程数学的描述能力。

但在深入其公式推导之前，我们必须厘清一个常见的误区：很多人误以为向量积的计算过程与向量点积的余弦值计算完全相同，从而忽略了单位向量在其中的角色。事实上，向量积的计算本质上是基于向量叉乘的代数定义，即对三个基向量进行线性组合，最终归结为两个分量式。从几何角度看，它对应于向量构成的平行四边形在垂直于第三个基向量方向上的投影面积。理解这一点，是掌握其内在逻辑的关键。
也是因为这些，深入剖析向量积公式的证明过程，不仅是为了记忆公式，更是为了掌握向量运算中“从二维到三维”的维度跃迁精髓。

向量积的定义与核心性质

在探讨具体公式证明前，首先需要明确向量积的三个基本组成部分：定义、模长意义以及方向判定。

• 定义
  若 $vec{a}$ 与 $vec{b}$ 是两个非零向量，则 $vec{a} times vec{b}$ 定义为向量 $vec{a}$ 与 $vec{b}$ 的叉积。其结果 $vec{c} = vec{a} times vec{b}$ 是一个向量，满足以下特点：
• 模长意义
  向量积的模长 $|vec{a} times vec{b}|$ 等于向量 $vec{a}$ 与 $vec{b}$ 的叉积的大小，即两向量构成的平行四边形面积的一半（在一般坐标系下，平行四边形面积为 $|vec{a} times vec{b}|$，而叉积结果向量本身大小即为面积）。
• 方向判定
  向量积的方向垂直于向量 $vec{a}$ 与 $vec{b}$ 所确定的平面。具体的指向遵循右手定则：当右手四指从 $vec{a}$ 的方向沿逆时针方向转向 $vec{b}$ 的方向时，大拇指所指的方向即为 $vec{a} times vec{b}$ 的方向。

基于这些性质，我们可以进行如下数学归纳：

若 $vec{a}$ 与 $vec{b}$ 不共线，则它们构成的平行四边形面积最大，此时 $vec{a} times vec{b}$ 的模长取得最大值，方向严格垂直于平面；若 $vec{a}$ 与 $vec{b}$ 共线，则平行四边形退化为一条直线，面积为零，故 $vec{a} times vec{b}$ 为零向量。

从更深入的线性代数视角来看，向量积可以理解为两个向量在三维空间中投影面积的度量。在标准正交基 ${vec{i}, vec{j}, vec{k}}$ 下，任何向量 $vec{a} = a_1vec{i} + a_2vec{j} + a_3vec{k}$ 与 $vec{b} = b_1vec{i} + b_2vec{j} + b_3vec{k}$ 的叉积，本质上是将 $vec{a}$ 在 $vec{j}$ 和 $vec{k}$ 平面上的分量 $vec{a}_{perp}$ 视为标量，乘以 $vec{b}$ 在 $vec{j}, vec{k}$ 平面上的分量 $vec{b}_{perp}$ 的模长，再结合方向余弦推导出的分量表达式。

这里需要特别指出的是，向量积的计算过程与点积的计算过程在本质上截然不同。点积依赖于单位向量 $costheta$，强调“相似”关系；而向量积依赖于正弦值 $sintheta$，强调“垂直”关系。这种差异在公式推导中表现得十分明显：

转载请注明：向量a乘向量b公式证明(向量数量积公式证明)