1.7 叉积与三重积（选学）

本节位置：模块 1 · 向量与几何｜前置：1.3 ｜预计：20 分钟

一句话：叉积是三维空间里「由两个向量造出第三个垂直向量」的运算，长度等于平行四边形面积。

0. 场景引入

一个 3D 手游，卡在 60 fps 的预算里：每帧 16.7 ms。场景 20 万个三角形，视野内 3 万个。

每个可见三角形都要算法向量，用来算光照、做背面剔除。法向量由两条边的叉积得到；如果叉积的顺序写反（ $b \times a$ 而不是 $a \times b$ ），方向整个翻过来：光照从「太阳在左上」变成「太阳在右下」，背面剔除同步反转——角色一半的面被剔掉，看起来像透明的。

决定：法向量预计算存进顶点缓冲（3 万个 × 3 个 float = 360 KB），还是每帧现算（3 万个 × 15 次乘加）？两边的取舍很清楚：预计算省下每帧的算术，却让顶点缓冲多传 360 KB；现算省显存，但顶点着色器里每个顶点都要重做一次。低端机内存带宽只有 5 GB/s 时，这点差别足以让帧率从 60 掉到 45。押错的代价：美术验收时一眼看出「塑料感」，返工一周。

读完本节，你应该能回答三个问题：

叉积为什么只在三维有「唯一」的垂直方向？
交换顺序为什么翻转方向，这在渲染里意味着什么？
三重积为什么等于体积，它和行列式是什么关系？

1. 直觉

给两个不共线的箭头，它们张成一个平面。叉积给出这个平面的法向量，方向由右手定则决定，长度等于平行四边形面积。

叉积 c = a × b 垂直于 a 与 b 张成的平面

图：a、b 张成的平行四边形是浅色平面；叉积沿法线方向，长度等于这个平行四边形的面积。

右手定则：四指从 $a$ 弯向 $b$ ，拇指指向 $a \times b$ 。

💡 一句话直觉：叉积 = 用两个向量造出「垂直于它们所在平面」的向量，长度 = 面积。

这个类比只适用于三维（以及七维的某些构造）；二维没有真正的叉积，四维以上也没有唯一的「垂直方向」。

1.1 它在现实世界里对应什么

力矩 $τ = r \times F$ 是最直观的对应：用 0.3 m 的扳手，手施加 100 N 且垂直于扳手，力矩 $0.3 \times 100 = 30 N \cdot m$ ；若力的方向沿扳手往外推（与力臂平行），叉积为 0——你使了 100 N 的劲，螺丝纹丝不动。

量级：轮毂螺丝的标准拧紧力矩约 100 N·m，用 0.3 m 扳手需要约 333 N 的力，接近一个成年人体重的一半。

这个类比在哪里失效？力矩的「正负」由右手定则约定，不是物理规律；换一个约定（左手系），公式里所有叉积要同时变号。叉积只保证「垂直」，指向哪边是人选的。

2. 定义

对 $a = (a_{1}, a_{2}, a_{3})$ ， $b = (b_{1}, b_{2}, b_{3})$ ：

a \times b = a_{2} b_{3} - a_{3} b_{2} a_{3} b_{1} - a_{1} b_{3} a_{1} b_{2} - a_{2} b_{1}

用行列式助记：

a \times b = i a_{1} b_{1} j a_{2} b_{2} k a_{3} b_{3}

其中 $i, j, k$ 是标准基。

今天的点积、叉积并立的向量记号，由吉布斯在 1881 年为课堂编写的《向量分析》中系统化；它把四元数里的「数量部分」和「向量部分」拆成了两个独立运算。

三重积：

a \cdot (b \times c) = det a_{1} b_{1} c_{1} a_{2} b_{2} c_{2} a_{3} b_{3} c_{3}

其绝对值等于三个向量张成的平行六面体体积。

3. 为什么这样定义

叉积要同时满足：

与 $a, b$ 都正交；
长度等于平行四边形面积 $∥ a ∥∥ b ∥ sin θ$ ；
方向由右手定则确定。

在三维中，垂直于一个平面的方向只有两个（正反），长度和方向的条件唯一确定了叉积。定义中的六个乘积项，正是满足这些条件的唯一线性组合。

叉积的代数前身是四元数乘法：两个纯虚四元数满足 $(0, a) (0, b) = (- a^{⊤} b, a \times b)$ ，虚部就是叉积。这是哈密顿四元数代数的直接推论。

叉积只存在于三维，本质原因与「二重向量（bivector）」有关：三维中两个向量的格拉斯曼外积对偶于一个向量，四维中则不对偶。这里不展开。

3.1 反事实：换一种「造垂直向量」的定义

反事实 A：逐元素相乘。 取 $a = (1, 0, 0)$ 、 $b = (0, 1, 0)$ ，它们张成单位正方形，面积应为 1：

a ⊙ b = (0, 0, 0)

长度是 0。拿它当法向量，归一化时除以 0，屏幕上要么全黑要么 NaN。荒谬之处一眼可见：面积被算成 0，而这两个向量明明垂直。

反事实 B：漏掉减号。 把定义改成 $(a_{2} b_{3}, a_{3} b_{1}, a_{1} b_{2})$ ，取 $a = (1, 2, 3)$ 、 $b = (4, 5, 6)$ ：

a \times b = (- 3, 6, - 3), 漏减号的版本 = (12, 12, 5)

正确版本交换顺序得 $- a \times b = (3, - 6, 3)$ ，方向正好相反；漏减号版本交换顺序得 $(15, 6, 8)$ ，既不相反也不相等。反交换性一丢，渲染器就分不清正面和背面：背面剔除失效，光照在两面一样亮，模型看起来像一张塑料纸片。

4. 性质与推导

性质	式子	说明
反交换	$a \times b = - b \times a$	顺序反了，方向反了
自叉为零	$a \times a = 0$	共线，面积为零
正交	$a^{⊤} (a \times b) = 0$	同理对 $b$
长度	$∥ a \times b ∥ = ∥ a ∥∥ b ∥ sin θ$	面积
分配律	$a \times (b + c) = a \times b + a \times c$	双线性
不结合	$(a \times b) \times c \neq = a \times (b \times c)$	一般不等

推导长度：由拉格朗日恒等式

∥ a \times b ∥^{2} = ∥ a ∥^{2} ∥ b ∥^{2} - (a^{⊤} b)^{2} = ∥ a ∥^{2} ∥ b ∥^{2} (1 - cos^{2} θ)

开方即得。

5. 例子

5.1 手算：标准基

i \times j = k, j \times k = i, k \times i = j

而 $j \times i = - k$ ，验证反交换。

5.2 手算：一般向量

$a = (1, 2, 3)$ ， $b = (4, 5, 6)$ ：

a \times b = 2 \cdot 6 - 3 \cdot 5 3 \cdot 4 - 1 \cdot 6 1 \cdot 5 - 2 \cdot 4 = - 3 6 - 3

验证正交： $a^{⊤} (a \times b) = - 3 + 12 - 9 = 0$ 。

长度： $9 + 36 + 9 = 54 = 36$ 。 $∥ a ∥ = 14$ ， $∥ b ∥ = 77$ ， $sin θ = \frac{3 6}{1078} \approx 0.224$ 。

5.3 场景：法向量与光照

在图形学里，三角形的法向量由两条边的叉积得到：

n = (v_{2} - v_{1}) \times (v_{3} - v_{1})

归一化后用于计算光照。法向量的方向还决定了三角形的「正面/背面」（定向）。

5.4 场景闭环：一帧里的 3 万个法向量

输入：20 万个三角形，视野内 3 万个；每个三角形 3 个顶点 × 3 个 float，共 $3 \times 1 0^{4} \times 3 \times 3 \times 4 B = 1.08 MB$ 。

计算：每条边一次叉积，9 次乘 + 6 次加共 15 次乘加；3 万个三角形合计 $4.5 \times 1 0^{5}$ FLOP。

输出：每个面片的单位法向量与朝向 → 背面剔除 + 光照。

成本：算力可以忽略——手机 GPU 按 100 GFLOP/s 估算， $4.5 \times 1 0^{5}$ FLOP 只要 4.5 μs；而把 1.08 MB 顶点数据读一遍，按 20 GB/s 估算约 54 μs。带宽比算力贵一个数量级，所以预计算法向量存进显存（360 KB）常常更快，代价是每个顶点多占 12 B。

失败条件：

退化三角形：三点共线，叉积为零向量，归一化除零 → 面片变黑或闪烁。兜底： $∥ n ∥ < ϵ$ 时跳过，或用相邻面法向平均。
绕序不一致：不同建模工具导出的顶点顺序不同，一半面片反了 → 模型「内翻」，看到的是内壁。兜底：双面材质，或导入时统一绕序。
坐标精度：大地图坐标（几十万米）用 fp32 算叉积，两个相近的大数相减吃掉有效位，法向量抖动。兜底：先减去相机相对坐标再算。

6. 常见误区

误区：叉积可以用于任意维度。纠正：标准叉积只在三维（和七维的例外）有定义；高维要用外积或楔积。
误区：叉积满足结合律。纠正：一般不满足；它满足雅可比恒等式，构成李代数结构。
误区： $a \times b = 0$ 说明其中一个为零向量。纠正：也可能是两者共线；面积为零。
误区：叉积方向「随便选一个垂直方向」。纠正：右手定则固定了方向；交换顺序会得到相反方向。

7. 概念网络

前置：1.3 点积 —— 正交判据。
关联：5.2 行列式 —— 三重积就是行列式。
关联：11.5 RoPE —— 二维旋转用旋转矩阵，不用叉积。

8. 通往大模型：几乎不出现，但旋转思想相关

标准 Transformer 不做叉积。与它最接近的是 RoPE 的二维旋转：

[x^{'} y^{'}] = [cos θ sin θ - sin θ cos θ] [x y]

这是二维旋转，不产生第三个向量。理解叉积的价值在于：「垂直」与「定向」是几何的基本操作，旋转、法向量、体积这些概念会以别的形式反复出现（如行列式、正交矩阵）。

可检验结论：旋转矩阵的行列式为 1，保长度、保夹角；它不会像叉积那样「升维」到第三个方向。

如果这一步算错，用户会看到什么：法向量忘了归一化，光照强度会随三角形面积变化——大三角形过曝、小三角形全黑，模型表面斑驳；绕序反了，模型「内翻」，玩家看到角色是透明的，或者脸上有黑块。RoPE 里把 $sin$ 的符号写反等价于反向旋转，用户看到的是长文本里复读最后一句，短句却几乎正常——这正是这类 bug 难查的原因。

9. 练习

概念：为什么二维没有标准的叉积？如果硬要定义，会缺什么？
计算： $a = (2, - 1, 3)$ ， $b = (0, 4, 1)$ ，求 $a \times b$ 并验证与两者正交。
计算：求由 $(1, 0, 0), (0, 1, 0), (0, 0, 1)$ 张成的平行六面体体积。
开放：在图形学中，法向量方向反了会导致什么渲染问题？

参考答案

二维中「垂直于一个向量」仍在该平面内，且有两个相反方向，无法像三维那样由「平面法向」唯一确定；缺少「第三个维度」来承载方向。
$(- 1 \cdot 1 - 3 \cdot 4, 3 \cdot 0 - 2 \cdot 1, 2 \cdot 4 - (- 1) \cdot 0) = (- 13, - 2, 8)$ ；与 $a$ 点积 $- 26 + 2 + 24 = 0$ ，与 $b$ 点积 $0 - 8 + 8 = 0$ 。
1。
光照计算错误、背面剔除反向（该显示的没显示、不该显示的显示）。

10. 一页速记

叉积只在三维： $a \times b$ 垂直于 $a, b$ ，长度 = 平行四边形面积。
反交换、不结合、自叉为零。
三重积 = 平行六面体体积 = 行列式。
大模型不用叉积，但旋转矩阵与定向思想相关。
物理意义 / 现实对应：力矩（扳手）与法向量（光照）；叉积长度就是平行四边形面积，三重积就是平行六面体体积。

11. 参考文献与致谢

这一页的知识不是凭空来的。下面列出本页直接借用的原始工作与权威整理；正文中的人名、定理名已链接到对应条目。链接优先指向 DOI、arXiv 或可长期访问的原文存档。

哈密顿（William Rowan Hamilton, 1866）：Elements of Quaternions。四元数乘法 $(0, a) (0, b) = (- a^{⊤} b, a \times b)$ 的虚部就是叉积，本页 §3 的代数来源。Cambridge 重印本（2010）
吉布斯（J. Willard Gibbs, 1881）：Elements of Vector Analysis: Arranged for the Use of Students in Physics。把点积与叉积从四元数中拆出来，写成独立的向量分析，本页 §2 的记号与运算规则由此系统化。Smithsonian Libraries 数字化本
格拉斯曼（Hermann Grassmann, 1844）：Extension Theory（德文原著 Die lineare Ausdehnungslehre，1844）。外积（exterior product）的提出者；三维中两个向量的外积恰好对偶成一个向量，这解释了叉积为何只在此维数「刚好」存在。AMS 英译本（2000）

下一篇 → M02 向量空间

返回 M01 导览去练习场

随堂测 · 3 题

数值难度 2第 1 / 3 题

a = (1, 2, 3)

，

b = (4, 5, 6)

，则

∥ a \times b ∥

是多少？保留三位小数。

没思路？看原文

源文件：01-向量与几何/07-叉积.md