在高等数学、物理学以及现代计算机科学中，向量相乘不仅仅是一个简单的算术操作，它是描述空间关系、力场分布、电磁感应以及三维图形渲染的核心逻辑基石。不同于标量（Scalar）之间简单的数值加减乘除，向量乘法由于引入了“方向”这一维度，其运算规则变得更加复杂且富有深刻的几何意义。
许多初学者在面对向量乘法时往往感到困惑：为什么两个向量相乘有时得到一个数（标量），有时却得到另一个向量？这背后的向量相乘公式究竟是如何推导出来的？它们在现实世界中又扮演着怎样的角色？本文将为您抽丝剥茧，从定义、几何解释、坐标运算到实际案例，全方位深度解析向量相乘的奥秘。
向量相乘的第一种形式是点积（又称数量积、内积）。它的名字来源于运算符号通常用一个小圆点"·"表示，例如 a · b。点积的结果是一个标量（只有大小，没有方向），这使得它在衡量“两个向量在多大程度上是同向的”这一问题上具有不可替代的作用。
从几何角度看，向量相乘公式中最经典的点积定义如下：
a · b = |a| |b| cosθ
其中：
• |a| 和 |b| 分别代表向量 a 和 b 的模（长度）；
• θ 是两个向量之间的夹角（范围在 0° 到 180° 之间）；
• cosθ 体现了方向的一致性。
这个公式揭示了向量相乘的本质：它实际上是在计算一个向量在另一个向量方向上的投影长度与另一个向量长度的乘积。如果两个向量垂直（θ=90°），cos90°=0，点积为 0，意味着它们在彼此的方向上没有贡献；如果同向，点积最大，代表能量传递效率最高。
在实际计算中，我们很少直接测量角度，更多时候使用的是坐标形式。设向量 a = (x₁, y₁, z₁)，向量 b = (x₂, y₂, z₂)，则向量相乘公式转化为：
| 维度 | 计算公式 | 示例 |
|---|---|---|
| 二维平面 | a · b = x₁x₂ + y₁y₂ | (1, 2) · (3, 4) = 1×3 + 2×4 = 11 |
| 三维空间 | a · b = x₁x₂ + y₁y₂ + z₁z₂ | (1, 2, 3) · (4, 5, 6) = 4 + 10 + 18 = 32 |
这种坐标运算法极大地简化了向量相乘的计算过程，使得我们可以通过简单的代数加法完成复杂的几何分析。
如果说点积是“标量化”的乘法，那么叉积（Cross Product，又称向量积、外积）则是向量化的乘法。它的运算符号通常用叉号"×"表示，如 a × b。叉积的结果是一个新的向量，这个新向量同时垂直于原来的两个向量，构成了三维空间中独特的定向关系。
向量相乘公式中叉积的几何意义非常直观且强大：
|a × b| = |a| |b| sinθ
其中 |a × b| 的值等于以向量 a 和 b 为邻边构成的平行四边形的面积。而该向量的方向由右手定则确定：伸出右手，四指指向 a，弯曲手指指向 b，大拇指所指的方向即为结果向量的方向。
在直角坐标系中，利用单位向量 i, j, k 可以方便地推导出向量相乘公式的坐标表达。设 a = (x₁, y₁, z₁)，b = (x₂, y₂, z₂)，则 a × b 可以表示为三阶行列式：
a × b = | i j k |
| x1 y1 z1 |
| x2 y2 z2 |
展开后得到：
a × b = (y1z2 - z1y2)i - (x1z2 - z1x2)j + (x1y2 - y1x2)k
= (y1z2 - z1y2, z1x2 - x1z2, x1y2 - y1x2)
这个公式虽然看起来复杂，但通过记忆循环排列规律（xyz → yzx → zxy），可以快速掌握。
除了基础的数学推导，网民们对于向量相乘在现代科技中的具体落地应用也充满了好奇。以下是几个高频关注的热点领域：
在游戏引擎中，判断两个物体是否发生碰撞或计算反弹角度，离不开向量相乘。通过点积判断速度方向与墙面的关系，通过叉积计算旋转角速度，是实现真实物理反馈的关键。
在深度学习框架（如 PyTorch, TensorFlow）中，矩阵运算本质上是大量向量相乘的并行化。神经元的激活值计算，本质上就是输入向量与权重向量的点积加上偏置项。
计算卫星相对于地球的角动量、引力势能的梯度变化，都需要用到向量叉积来描述轨道平面的法向量和运动轨迹的切向速度。
在有限元分析（FEA）中，计算梁柱结构的受力分布、应力张量的分解，都依赖于高维空间的向量乘法理论，确保建筑在极端条件下的稳定性。
哈密顿发现四元数：爱尔兰数学家威廉·罗文·哈密顿（William Rowan Hamilton）在尝试推广复数到三维空间时，意外发现了四元数。四元数中包含了一个标量部分和一个向量部分，其中的向量乘法部分成为了后来向量积的雏形。
吉布斯与亥维赛的贡献：美国物理学家约西亚·威拉德·吉布斯（Josiah Willard Gibbs）和匈牙利物理学家奥利弗·亥维赛（Oliver Heaviside）独立地将四元数简化，分离出了我们现在熟知的点积和叉积概念，创立了现代向量分析体系，彻底改变了物理学的面貌。
外积的提出：德国数学家赫尔曼·格拉斯曼（Hermann Grassmann）早在 1844 年就提出了更广义的外代数（Exterior Algebra），其中的外积概念比叉积更为抽象和通用，为后来的微分几何奠定了基础。
张量分析与广义相对论：爱因斯坦在建立广义相对论时，将向量相乘的概念进一步推广到张量积，用于描述时空的弯曲和引力场的非线性特性。
针对向量相乘公式及相关知识点，我们整理了以下深度问答，力求解决您的所有疑惑。
向量除法在标准欧几里得空间中是没有定义的。因为向量包含方向信息，不存在一个唯一的向量 x 使得 a = b × x（这里 × 可以是点积或叉积）。如果是点积，会有无数个解构成一个超平面；如果是叉积，解也不唯一且可能无解。因此，数学上只定义了向量相乘（点积、叉积）和标量与向量的乘法，而没有向量除法。
• 结果类型：点积结果是标量（数），叉积结果是向量。
• 几何意义：点积衡量“同向程度”或投影，叉积衡量“垂直程度”或面积。
• 交换律：点积满足交换律 (a·b=b·a)，叉积不满足 (a×b=-b×a)。
• 维度限制：点积适用于任意维度，叉积仅在 3D 和 7D 空间有传统定义（3D 最常见）。
无论另一个向量是什么，零向量与任何向量的点积都是 0。因为零向量的模长为 0，根据公式 0 · |b| · cosθ = 0。同理，零向量与任何向量的叉积也是零向量。
只需计算它们的点积。若 a · b > 0，夹角为锐角（0°~90°）；若 a · b < 0，夹角为钝角（90°~180°）；若 a · b = 0，则为直角。
在 Python (NumPy)、C++ (Eigen)、MATLAB 等语言中，都有内置函数。例如 NumPy 中：
np.dot(a, b) 计算点积，np.cross(a, b) 计算叉积。开发者无需手动编写循环，底层已高度优化。
混合积是指三个向量的组合运算：(a × b) · c。它表示由这三个向量构成的平行六面体的体积。如果混合积为 0，说明三个向量共面。
是的。无论是点积还是叉积，都满足分配律：
a · (b + c) = a · b + a · c
a × (b + c) = a × b + a × c
这对于简化复杂向量运算至关重要。
传统的叉积（结果仍为向量）在 3D 空间中是唯一的（除了 7D）。在其他维度，我们需要使用更广义的“外积”（楔积），其结果是一个双矢量（Bivector）或多矢量，而不是一个简单的向量。因此在工程和物理教学中，主要讨论 3D 情况。
在量子力学中，自旋算符的对易关系涉及类似叉积的结构。海森堡不确定性原理的数学表述中，算符的不对易性（[A,B] ≠ 0）与经典力学中的泊松括号有关，后者本质上就是一种向量场的叉积推广。
建议掌握以下基础：三角函数（特别是正弦、余弦）、复数基础、矩阵的基本概念、线性方程组求解、以及基本的几何空间想象能力。这些是理解向量乘法深层逻辑的必经之路。
通过对向量相乘公式的深度剖析，我们发现这不仅仅是数学课本上的几条公式，而是连接抽象数学与现实世界的桥梁。从计算功到渲染 3D 画面，从分析电路到探索宇宙，向量乘法无处不在。希望本文能为读者提供清晰的知识图谱，帮助大家真正理解并灵活运用向量点积与向量叉积，在各自的领域中游刃有余。
如果您觉得本文对您有帮助，欢迎分享给更多需要学习向量代数的朋友。