Producto vectorial

Operación matemática sobre vectores en el espacio 3D

El producto vectorial con respecto a un sistema de coordenadas diestro

En matemáticas , el producto vectorial o producto vectorial (en ocasiones producto de área dirigida , para enfatizar su significado geométrico) es una operación binaria sobre dos vectores en un espacio vectorial euclidiano orientado tridimensional (nombrado aquí ), y se denota con el símbolo . Dados dos vectores linealmente independientes a y b , el producto vectorial, a × b (léase "a cruz b"), es un vector que es perpendicular tanto a a como a b , ^[1] y, por lo tanto, normal al plano que los contiene. Tiene muchas aplicaciones en matemáticas, física , ingeniería y programación informática . No debe confundirse con el producto escalar (producto de proyección). ${\displaystyle E}$ ${\displaystyle \times }$

La magnitud del producto vectorial es igual al área de un paralelogramo con los vectores de los lados; en particular, la magnitud del producto de dos vectores perpendiculares es el producto de sus longitudes. Las unidades del producto vectorial son el producto de las unidades de cada vector. Si dos vectores son paralelos o antiparalelos (es decir, son linealmente dependientes), o si alguno de ellos tiene longitud cero, entonces su producto vectorial es cero. ^[2]

El producto vectorial es anticonmutativo (es decir, a × b = − b × a ) y es distributivo sobre la suma, es decir, a × ( b + c ) = a × b + a × c . ^[1] El espacio junto con el producto vectorial es un álgebra sobre los números reales , que no es ni conmutativa ni asociativa , sino un álgebra de Lie donde el producto vectorial es el corchete de Lie . ${\displaystyle E}$

Al igual que el producto escalar, depende de la métrica del espacio euclidiano , pero a diferencia de este, también depende de la elección de la orientación (o " lateralidad ") del espacio (por eso se necesita un espacio orientado). El vector resultante es invariante de la rotación de la base. Debido a la dependencia de la lateralidad , se dice que el producto vectorial es un pseudovector .

En relación con el producto vectorial, el producto exterior de vectores se puede utilizar en dimensiones arbitrarias (con un resultado bivectorial o de 2 formas ) y es independiente de la orientación del espacio.

El producto se puede generalizar de varias maneras, utilizando la orientación y la estructura métrica al igual que para el producto vectorial tradicional en 3 dimensiones; uno puede, en n dimensiones, tomar el producto de n − 1 vectores para producir un vector perpendicular a todos ellos. Pero si el producto se limita a productos binarios no triviales con resultados vectoriales, solo existe en tres y siete dimensiones. ^[3] Sin embargo, el producto vectorial en siete dimensiones tiene propiedades indeseables (por ejemplo, no satisface la identidad de Jacobi ), por lo que no se utiliza en física matemática para representar cantidades como el espacio-tiempo multidimensional . ^[4] (Véase § Generalizaciones a continuación para otras dimensiones).

Definición

Hallar la dirección del producto vectorial mediante la regla de la mano derecha

El producto vectorial de dos vectores a y b se define solo en el espacio tridimensional y se denota por a × b . En física y matemáticas aplicadas , se utiliza a menudo la notación de cuña a ∧ b (junto con el nombre de producto vectorial ), ^{[5] [6] [7]} aunque en matemáticas puras dicha notación suele reservarse solo para el producto exterior, una abstracción del producto vectorial en n dimensiones.

El producto vectorial a × b se define como un vector c que es perpendicular (ortogonal) tanto a a como a b , con una dirección dada por la regla de la mano derecha ^[1] y una magnitud igual al área del paralelogramo que abarcan los vectores. ^[2]

El producto vectorial se define mediante la fórmula ^{[8] [9]}

${\displaystyle \mathbf {a} \times \mathbf {b} =\|\mathbf {a} \|\|\mathbf {b} \|\sin(\theta )\,\mathbf {n} ,}$

dónde

θ es el ángulo entre a y b en el plano que los contiene (por lo tanto, está entre 0° y 180°),

‖a‖ y ‖b‖ son las magnitudes de los vectores a y b ,

n es un vector unitario perpendicular al plano que contiene a y b , con dirección tal que el conjunto ordenado ( a , b , n ) está orientado positivamente .

Si los vectores a y b son paralelos (es decir, el ángulo θ entre ellos es 0° o 180°), según la fórmula anterior, el producto vectorial de a y b es el vector cero 0 .

Dirección

El producto vectorial a × b (vertical, en violeta) cambia a medida que cambia el ángulo entre los vectores a (azul) y b (rojo). El producto vectorial siempre es ortogonal a ambos vectores y tiene magnitud cero cuando los vectores son paralelos y magnitud máxima ‖ a ‖‖ b ‖ cuando son ortogonales.

La dirección del vector n depende de la orientación elegida en el espacio. Convencionalmente, se da por la regla de la mano derecha, donde uno simplemente apunta el dedo índice de la mano derecha en la dirección de a y el dedo medio en la dirección de b . Entonces, el vector n sale del pulgar (ver la imagen adyacente). El uso de esta regla implica que el producto vectorial es anticonmutativo ; es decir, b × a = −( a × b ) . Al apuntar el dedo índice hacia b primero, y luego apuntar el dedo medio hacia a , el pulgar será forzado en la dirección opuesta, invirtiendo el signo del vector producto.

Como el operador de producto vectorial depende de la orientación del espacio, en general el producto vectorial de dos vectores no es un vector "verdadero", sino un pseudovector . Consulte § Lateralidad para obtener más detalles.

Nombres y origen

Según la regla de Sarrus , el determinante de una matriz 3×3 implica multiplicaciones entre elementos de la matriz identificados por diagonales cruzadas.

En 1842, William Rowan Hamilton describió por primera vez el álgebra de cuaterniones y el producto de Hamilton no conmutativo. En particular, cuando se realiza el producto de Hamilton de dos vectores (es decir, cuaterniones puros con parte escalar cero), se obtiene un cuaternión con una parte escalar y una parte vectorial. La parte escalar y vectorial de este producto de Hamilton corresponde al negativo del producto escalar y el producto vectorial de los dos vectores.

En 1881, Josiah Willard Gibbs , ^[10] e independientemente Oliver Heaviside , introdujeron la notación tanto para el producto escalar como para el producto vectorial utilizando un punto ( a ⋅ b ) y una "×" ( a × b ), respectivamente, para denotarlos. ^[11]

En 1877, para enfatizar el hecho de que el resultado de un producto escalar es un escalar mientras que el resultado de un producto vectorial es un vector , William Kingdon Clifford acuñó los nombres alternativos producto escalar y producto vectorial para las dos operaciones. ^[11] Estos nombres alternativos todavía se usan ampliamente en la literatura.

Tanto la notación cruzada ( a × b ) como el nombre producto vectorial posiblemente se inspiraron en el hecho de que cada componente escalar de a × b se calcula multiplicando componentes no correspondientes de a y b . Por el contrario, un producto escalar a ⋅ b implica multiplicaciones entre componentes correspondientes de a y b . Como se explica a continuación, el producto vectorial se puede expresar en forma de determinante de una matriz especial de 3 × 3 . Según la regla de Sarrus , esto implica multiplicaciones entre elementos de la matriz identificados por diagonales cruzadas.

Computación

Notación de coordenadas

Vectores de base estándar ( i , j , k , también denotados e ₁ , e ₂ , e ₃ ) y componentes vectoriales de a ( a _x , a _y , a _z , también denotados a ₁ , a ₂ , a ₃ )

Si ( i , j , k ) es una base ortonormal orientada positivamente, los vectores base satisfacen las siguientes igualdades ^[1]

${\displaystyle {\begin{alignedat}{2}\mathbf {\color {blue}{i}} &\times \mathbf {\color {red}{j}} &&=\mathbf {\color {green}{k}} \\\mathbf {\color {red}{j}} &\times \mathbf {\color {green}{k}} &&=\mathbf {\color {blue}{i}} \\\mathbf {\color {green}{k}} &\times \mathbf {\color {blue}{i}} &&=\mathbf {\color {red}{j}} \end{alignedat}}}$

lo que implica, por la anticonmutatividad del producto vectorial, que

${\displaystyle {\begin{alignedat}{2}\mathbf {\color {red}{j}} &\times \mathbf {\color {blue}{i}} &&=-\mathbf {\color {green}{k}} \\\mathbf {\color {green}{k}} &\times \mathbf {\color {red}{j}} &&=-\mathbf {\color {blue}{i}} \\\mathbf {\color {blue}{i}} &\times \mathbf {\color {green}{k}} &&=-\mathbf {\color {red}{j}} \end{alignedat}}}$

La anticonmutatividad del producto vectorial (y la obvia falta de independencia lineal) también implica que

${\displaystyle \mathbf {\color {blue}{i}} \times \mathbf {\color {blue}{i}} =\mathbf {\color {red}{j}} \times \mathbf {\color {red}{j}} =\mathbf {\color {green}{k}} \times \mathbf {\color {green}{k}} =\mathbf {0} }$(el vector cero ).

Estas igualdades, junto con la distributividad y la linealidad del producto vectorial (aunque ninguna de ellas se desprende fácilmente de la definición dada anteriormente), son suficientes para determinar el producto vectorial de dos vectores cualesquiera a y b . Cada vector puede definirse como la suma de tres componentes ortogonales paralelas a los vectores base estándar:

${\displaystyle {\begin{alignedat}{3}\mathbf {a} &=a_{1}\mathbf {\color {blue}{i}} &&+a_{2}\mathbf {\color {red}{j}} &&+a_{3}\mathbf {\color {green}{k}} \\\mathbf {b} &=b_{1}\mathbf {\color {blue}{i}} &&+b_{2}\mathbf {\color {red}{j}} &&+b_{3}\mathbf {\color {green}{k}} \end{alignedat}}}$

Su producto vectorial a × b se puede desarrollar utilizando la distributividad:

${\displaystyle {\begin{aligned}\mathbf {a} \times \mathbf {b} ={}&(a_{1}\mathbf {\color {blue}{i}} +a_{2}\mathbf {\color {red}{j}} +a_{3}\mathbf {\color {green}{k}} )\times (b_{1}\mathbf {\color {blue}{i}} +b_{2}\mathbf {\color {red}{j}} +b_{3}\mathbf {\color {green}{k}} )\\={}&a_{1}b_{1}(\mathbf {\color {blue}{i}} \times \mathbf {\color {blue}{i}} )+a_{1}b_{2}(\mathbf {\color {blue}{i}} \times \mathbf {\color {red}{j}} )+a_{1}b_{3}(\mathbf {\color {blue}{i}} \times \mathbf {\color {green}{k}} )+{}\\&a_{2}b_{1}(\mathbf {\color {red}{j}} \times \mathbf {\color {blue}{i}} )+a_{2}b_{2}(\mathbf {\color {red}{j}} \times \mathbf {\color {red}{j}} )+a_{2}b_{3}(\mathbf {\color {red}{j}} \times \mathbf {\color {green}{k}} )+{}\\&a_{3}b_{1}(\mathbf {\color {green}{k}} \times \mathbf {\color {blue}{i}} )+a_{3}b_{2}(\mathbf {\color {green}{k}} \times \mathbf {\color {red}{j}} )+a_{3}b_{3}(\mathbf {\color {green}{k}} \times \mathbf {\color {green}{k}} )\\\end{aligned}}}$

Esto se puede interpretar como la descomposición de a × b en la suma de nueve productos cruzados más simples que involucran vectores alineados con i , j o ​​k . Cada uno de estos nueve productos cruzados opera sobre dos vectores que son fáciles de manejar ya que son paralelos u ortogonales entre sí. A partir de esta descomposición, utilizando las igualdades mencionadas anteriormente y reuniendo términos similares, obtenemos:

${\displaystyle {\begin{aligned}\mathbf {a} \times \mathbf {b} ={}&\quad \ a_{1}b_{1}\mathbf {0} +a_{1}b_{2}\mathbf {\color {green}{k}} -a_{1}b_{3}\mathbf {\color {red}{j}} \\&-a_{2}b_{1}\mathbf {\color {green}{k}} +a_{2}b_{2}\mathbf {0} +a_{2}b_{3}\mathbf {\color {blue}{i}} \\&+a_{3}b_{1}\mathbf {\color {red}{j}} \ -a_{3}b_{2}\mathbf {\color {blue}{i}} \ +a_{3}b_{3}\mathbf {0} \\={}&(a_{2}b_{3}-a_{3}b_{2})\mathbf {\color {blue}{i}} +(a_{3}b_{1}-a_{1}b_{3})\mathbf {\color {red}{j}} +(a_{1}b_{2}-a_{2}b_{1})\mathbf {\color {green}{k}} \\\end{aligned}}}$

lo que significa que los tres componentes escalares del vector resultante s = s ₁ i + s ₂ j + s ₃ k = a × b son

${\displaystyle {\begin{aligned}s_{1}&=a_{2}b_{3}-a_{3}b_{2}\\s_{2}&=a_{3}b_{1}-a_{1}b_{3}\\s_{3}&=a_{1}b_{2}-a_{2}b_{1}\end{aligned}}}$

Usando vectores columna , podemos representar el mismo resultado de la siguiente manera:

${\displaystyle {\begin{bmatrix}s_{1}\\s_{2}\\s_{3}\end{bmatrix}}={\begin{bmatrix}a_{2}b_{3}-a_{3}b_{2}\\a_{3}b_{1}-a_{1}b_{3}\\a_{1}b_{2}-a_{2}b_{1}\end{bmatrix}}}$

Notación matricial

Uso de la regla de Sarrus para encontrar el producto vectorial de a y b

El producto vectorial también se puede expresar como determinante formal : ^{[nota 1] [1]}

${\displaystyle \mathbf {a\times b} ={\begin{vmatrix}\mathbf {i} &\mathbf {j} &\mathbf {k} \\a_{1}&a_{2}&a_{3}\\b_{1}&b_{2}&b_{3}\\\end{vmatrix}}}$

Este determinante se puede calcular utilizando la regla de Sarrus o la expansión de cofactores . Utilizando la regla de Sarrus, se expande a

${\displaystyle {\begin{aligned}\mathbf {a\times b} &=(a_{2}b_{3}\mathbf {i} +a_{3}b_{1}\mathbf {j} +a_{1}b_{2}\mathbf {k} )-(a_{3}b_{2}\mathbf {i} +a_{1}b_{3}\mathbf {j} +a_{2}b_{1}\mathbf {k} )\\&=(a_{2}b_{3}-a_{3}b_{2})\mathbf {i} +(a_{3}b_{1}-a_{1}b_{3})\mathbf {j} +(a_{1}b_{2}-a_{2}b_{1})\mathbf {k} .\end{aligned}}}$

que da directamente los componentes del vector resultante.

Uso de tensores de Levi-Civita

• En cualquier base, el producto vectorial viene dado por la fórmula tensorial donde es el tensor covariante de Levi-Civita (observamos la posición de los índices). Esto corresponde a la fórmula intrínseca que se da aquí. ${\displaystyle a\times b}$ ${\displaystyle E_{ijk}a^{i}b^{j}}$ ${\displaystyle E_{ijk}}$
• En una base ortonormal que tiene la misma orientación que el espacio , se obtiene mediante la fórmula pseudotensorial , donde es el símbolo de Levi-Civita (que es un pseudotensor). Esta es la fórmula que se utiliza en la física cotidiana, pero funciona solo para esta elección especial de base. ${\displaystyle a\times b}$ ${\displaystyle \varepsilon _{ijk}a^{i}b^{j}}$ ${\displaystyle \varepsilon _{ijk}}$
• En cualquier base ortonormal, viene dada por la fórmula pseudo-tensorial donde indica si la base tiene la misma orientación que el espacio o no. ${\displaystyle a\times b}$ ${\displaystyle (-1)^{B}\varepsilon _{ijk}a^{i}b^{j}}$ ${\displaystyle (-1)^{B}=\pm 1}$

La última fórmula evita tener que cambiar la orientación del espacio cuando invertimos una base ortonormal.

Propiedades

Significado geométrico

Figura 1. El área de un paralelogramo como la magnitud de un producto vectorial

Figura 2. Tres vectores que definen un paralelepípedo

La magnitud del producto vectorial se puede interpretar como el área positiva del paralelogramo que tiene a y b como lados (ver Figura 1): ^[1] $${\displaystyle \left\|\mathbf {a} \times \mathbf {b} \right\|=\left\|\mathbf {a} \right\|\left\|\mathbf {b} \right\|\left|\sin \theta \right|.}$$

De hecho, también se puede calcular el volumen V de un paralelepípedo que tiene a , b y c como aristas utilizando una combinación de un producto vectorial y un producto escalar, llamado producto triple escalar (véase la Figura 2):

${\displaystyle \mathbf {a} \cdot (\mathbf {b} \times \mathbf {c} )=\mathbf {b} \cdot (\mathbf {c} \times \mathbf {a} )=\mathbf {c} \cdot (\mathbf {a} \times \mathbf {b} ).}$

Como el resultado del triple producto escalar puede ser negativo, el volumen del paralelepípedo viene dado por su valor absoluto:

${\displaystyle V=|\mathbf {a} \cdot (\mathbf {b} \times \mathbf {c} )|.}$

Como la magnitud del producto vectorial se calcula mediante el seno del ángulo entre sus argumentos, el producto vectorial puede considerarse como una medida de perpendicularidad , de la misma manera que el producto escalar es una medida de paralelismo . Dados dos vectores unitarios , su producto vectorial tiene una magnitud de 1 si los dos son perpendiculares y una magnitud de cero si los dos son paralelos. El producto escalar de dos vectores unitarios se comporta de manera exactamente opuesta: es cero cuando los vectores unitarios son perpendiculares y 1 si los vectores unitarios son paralelos.

Los vectores unitarios permiten dos identidades convenientes: el producto escalar de dos vectores unitarios da como resultado el coseno (que puede ser positivo o negativo) del ángulo entre los dos vectores unitarios. La magnitud del producto vectorial de los dos vectores unitarios da como resultado el seno (que siempre será positivo).

Propiedades algebraicas

Multiplicación escalar del producto vectorial . Izquierda: Descomposición de b en componentes paralela y perpendicular a a . Derecha: Escala de los componentes perpendiculares por un número real positivo r (si es negativo, b y el producto vectorial se invierten).

Distributividad del producto vectorial sobre la suma de vectores. Izquierda: Los vectores b y c se descomponen en componentes paralelas y perpendiculares a a . Derecha: Las componentes paralelas se desvanecen en el producto vectorial, solo permanecen las componentes perpendiculares que se muestran en el plano perpendicular a a . ^[12]

Los dos productos cruzados triples no equivalentes de tres vectores a , b , c . En cada caso, dos vectores definen un plano, el otro está fuera del plano y se puede dividir en componentes paralelas y perpendiculares al producto cruzado de los vectores que definen el plano. Estos componentes se pueden encontrar por proyección y rechazo de vectores . El producto triple está en el plano y se gira como se muestra.

Si el producto vectorial de dos vectores es el vector cero (es decir, a × b = 0 ), entonces una o ambas entradas son el vector cero ( a = 0 o b = 0 ) o bien son paralelas o antiparalelas ( a ∥ b ) de modo que el seno del ángulo entre ellas es cero ( θ = 0° o θ = 180° y sen  θ = 0 ).

El autoproducto vectorial de un vector es el vector cero:

${\displaystyle \mathbf {a} \times \mathbf {a} =\mathbf {0} .}$

El producto vectorial es anticonmutativo ,

${\displaystyle \mathbf {a} \times \mathbf {b} =-(\mathbf {b} \times \mathbf {a} ),}$

distributivo sobre adición,

${\displaystyle \mathbf {a} \times (\mathbf {b} +\mathbf {c} )=(\mathbf {a} \times \mathbf {b} )+(\mathbf {a} \times \mathbf {c} ),}$

y compatible con la multiplicación escalar de modo que

${\displaystyle (r\,\mathbf {a} )\times \mathbf {b} =\mathbf {a} \times (r\,\mathbf {b} )=r\,(\mathbf {a} \times \mathbf {b} ).}$

No es asociativo , pero satisface la identidad de Jacobi :

${\displaystyle \mathbf {a} \times (\mathbf {b} \times \mathbf {c} )+\mathbf {b} \times (\mathbf {c} \times \mathbf {a} )+\mathbf {c} \times (\mathbf {a} \times \mathbf {b} )=\mathbf {0} .}$

La distributividad, la linealidad y la identidad de Jacobi muestran que el espacio vectorial R ³ junto con la suma de vectores y el producto vectorial forman un álgebra de Lie , el álgebra de Lie del grupo ortogonal real en 3 dimensiones, SO(3) . El producto vectorial no obedece a la ley de cancelación ; es decir, a × b = a × c con a ≠ 0 no implica b = c , sino solo que:

${\displaystyle {\begin{aligned}\mathbf {0} &=(\mathbf {a} \times \mathbf {b} )-(\mathbf {a} \times \mathbf {c} )\\&=\mathbf {a} \times (\mathbf {b} -\mathbf {c} ).\\\end{aligned}}}$

Este puede ser el caso donde b y c se cancelan, pero además donde a y b − c son paralelos; es decir, están relacionados por un factor de escala t , lo que lleva a:

${\displaystyle \mathbf {c} =\mathbf {b} +t\,\mathbf {a} ,}$

para algún escalar t .

Si, además de a × b = a × c y a ≠ 0 como arriba, se da el caso de que a ⋅ b = a ⋅ c entonces

${\displaystyle {\begin{aligned}\mathbf {a} \times (\mathbf {b} -\mathbf {c} )&=\mathbf {0} \\\mathbf {a} \cdot (\mathbf {b} -\mathbf {c} )&=0,\end{aligned}}}$

Como b − c no puede ser simultáneamente paralela (para que el producto vectorial sea 0 ) y perpendicular (para que el producto escalar sea 0) a a , debe darse el caso de que b y c se cancelen: b = c .

Según la definición geométrica, el producto vectorial es invariante bajo rotaciones propias sobre el eje definido por a × b . En fórmulas:

${\displaystyle (R\mathbf {a} )\times (R\mathbf {b} )=R(\mathbf {a} \times \mathbf {b} )}$, donde es una matriz de rotación con . ${\displaystyle R}$ ${\displaystyle \det(R)=1}$

De manera más general, el producto vectorial obedece a la siguiente identidad bajo transformaciones matriciales :

${\displaystyle (M\mathbf {a} )\times (M\mathbf {b} )=(\det M)\left(M^{-1}\right)^{\mathrm {T} }(\mathbf {a} \times \mathbf {b} )=\operatorname {cof} M(\mathbf {a} \times \mathbf {b} )}$

donde es una matriz de 3 por 3 y es la transpuesta de la inversa y es la matriz de cofactores. Se puede ver fácilmente cómo esta fórmula se reduce a la anterior si es una matriz de rotación. Si es una matriz simétrica de 3 por 3 aplicada a un producto vectorial genérico , se cumple la siguiente relación: ${\displaystyle M}$ ${\displaystyle \left(M^{-1}\right)^{\mathrm {T} }}$ ${\displaystyle \operatorname {cof} }$ ${\displaystyle M}$ ${\displaystyle M}$ ${\displaystyle \mathbf {a} \times \mathbf {b} }$

${\displaystyle M(\mathbf {a} \times \mathbf {b} )=\operatorname {Tr} (M)(\mathbf {a} \times \mathbf {b} )-\mathbf {a} \times M\mathbf {b} +\mathbf {b} \times M\mathbf {a} }$

El producto vectorial de dos vectores se encuentra en el espacio nulo de la matriz 2 × 3 con los vectores como filas:

${\displaystyle \mathbf {a} \times \mathbf {b} \in NS\left({\begin{bmatrix}\mathbf {a} \\\mathbf {b} \end{bmatrix}}\right).}$

Para la suma de dos productos cruzados, se cumple la siguiente identidad:

${\displaystyle \mathbf {a} \times \mathbf {b} +\mathbf {c} \times \mathbf {d} =(\mathbf {a} -\mathbf {c} )\times (\mathbf {b} -\mathbf {d} )+\mathbf {a} \times \mathbf {d} +\mathbf {c} \times \mathbf {b} .}$

Diferenciación

La regla del producto del cálculo diferencial se aplica a cualquier operación bilineal y, por tanto, también al producto vectorial:

${\displaystyle {\frac {d}{dt}}(\mathbf {a} \times \mathbf {b} )={\frac {d\mathbf {a} }{dt}}\times \mathbf {b} +\mathbf {a} \times {\frac {d\mathbf {b} }{dt}},}$

donde a y b son vectores que dependen de la variable real t .

Triple expansión de productos

El producto vectorial se utiliza en ambas formas del producto triple. El producto triple escalar de tres vectores se define como

${\displaystyle \mathbf {a} \cdot (\mathbf {b} \times \mathbf {c} ),}$

Es el volumen con signo del paralelepípedo de aristas a , b y c y, como tal, los vectores se pueden utilizar en cualquier orden que sea una permutación par del orden anterior. Por lo tanto, los siguientes son iguales:

${\displaystyle \mathbf {a} \cdot (\mathbf {b} \times \mathbf {c} )=\mathbf {b} \cdot (\mathbf {c} \times \mathbf {a} )=\mathbf {c} \cdot (\mathbf {a} \times \mathbf {b} ),}$

El producto triple vectorial es el producto vectorial de un vector con el resultado de otro producto vectorial, y está relacionado con el producto escalar mediante la siguiente fórmula

${\displaystyle {\begin{aligned}\mathbf {a} \times (\mathbf {b} \times \mathbf {c} )=\mathbf {b} (\mathbf {a} \cdot \mathbf {c} )-\mathbf {c} (\mathbf {a} \cdot \mathbf {b} )\\(\mathbf {a} \times \mathbf {b} )\times \mathbf {c} =\mathbf {b} (\mathbf {c} \cdot \mathbf {a} )-\mathbf {a} (\mathbf {b} \cdot \mathbf {c} )\end{aligned}}}$

La regla mnemotécnica "BAC menos CAB" se utiliza para recordar el orden de los vectores en el miembro de la derecha. Esta fórmula se utiliza en física para simplificar los cálculos vectoriales. Un caso especial, relacionado con los gradientes y útil en el cálculo vectorial , es

${\displaystyle {\begin{aligned}\nabla \times (\nabla \times \mathbf {f} )&=\nabla (\nabla \cdot \mathbf {f} )-(\nabla \cdot \nabla )\mathbf {f} \\&=\nabla (\nabla \cdot \mathbf {f} )-\nabla ^{2}\mathbf {f} ,\\\end{aligned}}}$

donde ∇ ² es el operador laplaciano vectorial .

Otras identidades relacionan el producto vectorial con el triple producto escalar:

${\displaystyle {\begin{aligned}(\mathbf {a} \times \mathbf {b} )\times (\mathbf {a} \times \mathbf {c} )&=(\mathbf {a} \cdot (\mathbf {b} \times \mathbf {c} ))\mathbf {a} \\(\mathbf {a} \times \mathbf {b} )\cdot (\mathbf {c} \times \mathbf {d} )&=\mathbf {b} ^{\mathrm {T} }\left(\left(\mathbf {c} ^{\mathrm {T} }\mathbf {a} \right)I-\mathbf {c} \mathbf {a} ^{\mathrm {T} }\right)\mathbf {d} \\&=(\mathbf {a} \cdot \mathbf {c} )(\mathbf {b} \cdot \mathbf {d} )-(\mathbf {a} \cdot \mathbf {d} )(\mathbf {b} \cdot \mathbf {c} )\end{aligned}}}$

donde I es la matriz identidad.

Formulación alternativa

El producto vectorial y el producto escalar están relacionados por:

${\displaystyle \left\|\mathbf {a} \times \mathbf {b} \right\|^{2}=\left\|\mathbf {a} \right\|^{2}\left\|\mathbf {b} \right\|^{2}-(\mathbf {a} \cdot \mathbf {b} )^{2}.}$

El lado derecho es el determinante de Gram de a y b , el cuadrado del área del paralelogramo definido por los vectores. Esta condición determina la magnitud del producto vectorial. Es decir, dado que el producto escalar se define, en términos del ángulo θ entre los dos vectores, como:

${\displaystyle \mathbf {a\cdot b} =\left\|\mathbf {a} \right\|\left\|\mathbf {b} \right\|\cos \theta ,}$

La relación dada anteriormente se puede reescribir de la siguiente manera:

${\displaystyle \left\|\mathbf {a\times b} \right\|^{2}=\left\|\mathbf {a} \right\|^{2}\left\|\mathbf {b} \right\|^{2}\left(1-\cos ^{2}\theta \right).}$

Invocando la identidad trigonométrica pitagórica se obtiene:

${\displaystyle \left\|\mathbf {a} \times \mathbf {b} \right\|=\left\|\mathbf {a} \right\|\left\|\mathbf {b} \right\|\left|\sin \theta \right|,}$

que es la magnitud del producto vectorial expresado en términos de θ , igual al área del paralelogramo definido por a y b (ver definición arriba).

La combinación de este requisito y la propiedad de que el producto vectorial sea ortogonal a sus constituyentes a y b proporciona una definición alternativa del producto vectorial. ^[13]

Producto vectorial inverso

Para el producto vectorial a × b = c , existen múltiples vectores b que dan el mismo valor de c . Como resultado, no es posible reorganizar esta ecuación para obtener una solución única para b en términos de a y c . Sin embargo, es posible encontrar una familia de soluciones para b , que son

${\displaystyle \mathbf {b} ={\frac {\mathbf {c} \times \mathbf {a} }{\left\|\mathbf {a} \right\|^{2}}}+t\mathbf {a} ,}$

donde t es una constante arbitraria.

Esto se puede derivar utilizando la expansión del triple producto:

${\displaystyle \mathbf {c} \times \mathbf {a} =(\mathbf {a} \times \mathbf {b} )\times \mathbf {a} =\left\|\mathbf {a} \right\|^{2}\mathbf {b} -(\mathbf {a} \cdot \mathbf {b} )\mathbf {a} }$

Reordene para resolver b y obtenga

${\displaystyle \mathbf {b} ={\frac {\mathbf {c} \times \mathbf {a} }{\left\|\mathbf {a} \right\|^{2}}}+{\frac {\mathbf {a} \cdot \mathbf {b} }{\left\|\mathbf {a} \right\|^{2}}}\mathbf {a} }$

El coeficiente del último término se puede simplificar a la constante arbitraria t para obtener el resultado que se muestra arriba.

La identidad de Lagrange

La relación

${\displaystyle \left\|\mathbf {a} \times \mathbf {b} \right\|^{2}\equiv \det {\begin{bmatrix}\mathbf {a} \cdot \mathbf {a} &\mathbf {a} \cdot \mathbf {b} \\\mathbf {a} \cdot \mathbf {b} &\mathbf {b} \cdot \mathbf {b} \\\end{bmatrix}}\equiv \left\|\mathbf {a} \right\|^{2}\left\|\mathbf {b} \right\|^{2}-(\mathbf {a} \cdot \mathbf {b} )^{2}}$

se puede comparar con otra relación que involucra el lado derecho, es decir, la identidad de Lagrange expresada como ^[14]

${\displaystyle \sum _{1\leq i<j\leq n}\left(a_{i}b_{j}-a_{j}b_{i}\right)^{2}\equiv \left\|\mathbf {a} \right\|^{2}\left\|\mathbf {b} \right\|^{2}-(\mathbf {a\cdot b} )^{2},}$

donde a y b pueden ser vectores n -dimensionales. Esto también muestra que la forma de volumen de Riemann para superficies es exactamente el elemento de superficie del cálculo vectorial. En el caso en que n = 3 , la combinación de estas dos ecuaciones da como resultado la expresión para la magnitud del producto vectorial en términos de sus componentes: ^[15]

${\displaystyle {\begin{aligned}\|\mathbf {a} \times \mathbf {b} \|^{2}&\equiv \sum _{1\leq i<j\leq 3}(a_{i}b_{j}-a_{j}b_{i})^{2}\\&\equiv (a_{1}b_{2}-b_{1}a_{2})^{2}+(a_{2}b_{3}-a_{3}b_{2})^{2}+(a_{3}b_{1}-a_{1}b_{3})^{2}.\end{aligned}}}$

El mismo resultado se obtiene directamente utilizando los componentes del producto vectorial obtenido a partir de

${\displaystyle \mathbf {a} \times \mathbf {b} \equiv \det {\begin{bmatrix}{\hat {\mathbf {i} }}&{\hat {\mathbf {j} }}&{\hat {\mathbf {k} }}\\a_{1}&a_{2}&a_{3}\\b_{1}&b_{2}&b_{3}\\\end{bmatrix}}.}$

En R ³ , la ecuación de Lagrange es un caso especial de la multiplicidad | vw | = | v || w | de la norma en el álgebra de cuaterniones .

Es un caso especial de otra fórmula, también llamada a veces identidad de Lagrange, que es el caso tridimensional de la identidad de Binet-Cauchy : ^{[16] [17]}

${\displaystyle (\mathbf {a} \times \mathbf {b} )\cdot (\mathbf {c} \times \mathbf {d} )\equiv (\mathbf {a} \cdot \mathbf {c} )(\mathbf {b} \cdot \mathbf {d} )-(\mathbf {a} \cdot \mathbf {d} )(\mathbf {b} \cdot \mathbf {c} ).}$

Si a = c y b = d , esto se simplifica a la fórmula anterior.

Generadores infinitesimales de rotaciones

El producto vectorial describe convenientemente los generadores infinitesimales de rotaciones en R ³ . Específicamente, si n es un vector unitario en R ³ y R ( φ ,  n ) denota una rotación sobre el eje que pasa por el origen especificado por n , con un ángulo φ (medido en radianes, en sentido antihorario cuando se ve desde la punta de n ), entonces

${\displaystyle \left.{d \over d\phi }\right|_{\phi =0}R(\phi ,{\boldsymbol {n}}){\boldsymbol {x}}={\boldsymbol {n}}\times {\boldsymbol {x}}}$

para cada vector x en R ³ . El producto vectorial con n describe por lo tanto el generador infinitesimal de las rotaciones alrededor de n . Estos generadores infinitesimales forman el álgebra de Lie so (3) del grupo de rotaciones SO(3) , y obtenemos el resultado de que el álgebra de Lie R ³ con producto vectorial es isomorfa al álgebra de Lie so (3).

Formas alternativas de calcular

Conversión a multiplicación de matrices

El producto vectorial también se puede expresar como el producto de una matriz antisimétrica y un vector: ^[16] donde el superíndice ^T se refiere a la operación de transposición , y [ a ] _​​× se define por: $${\displaystyle {\begin{aligned}\mathbf {a} \times \mathbf {b} =[\mathbf {a} ]_{\times }\mathbf {b} &={\begin{bmatrix}\,0&\!-a_{3}&\,\,a_{2}\\\,\,a_{3}&0&\!-a_{1}\\-a_{2}&\,\,a_{1}&\,0\end{bmatrix}}{\begin{bmatrix}b_{1}\\b_{2}\\b_{3}\end{bmatrix}}\\\mathbf {a} \times \mathbf {b} ={[\mathbf {b} ]_{\times }}^{\mathrm {\!\!T} }\mathbf {a} &={\begin{bmatrix}\,0&\,\,b_{3}&\!-b_{2}\\-b_{3}&0&\,\,b_{1}\\\,\,b_{2}&\!-b_{1}&\,0\end{bmatrix}}{\begin{bmatrix}a_{1}\\a_{2}\\a_{3}\end{bmatrix}},\end{aligned}}}$$ $${\displaystyle [\mathbf {a} ]_{\times }{\stackrel {\rm {def}}{=}}{\begin{bmatrix}\,\,0&\!-a_{3}&\,\,\,a_{2}\\\,\,\,a_{3}&0&\!-a_{1}\\\!-a_{2}&\,\,a_{1}&\,\,0\end{bmatrix}}.}$$

Las columnas [ a ] _​​×,i de la matriz antisimétrica para un vector a también se pueden obtener calculando el producto vectorial con los vectores unitarios . Es decir, o donde es el operador de producto externo . $${\displaystyle [\mathbf {a} ]_{\times ,i}=\mathbf {a} \times \mathbf {{\hat {e}}_{i}} ,\;i\in \{1,2,3\}}$$ $${\displaystyle [\mathbf {a} ]_{\times }=\sum _{i=1}^{3}\left(\mathbf {a} \times \mathbf {{\hat {e}}_{i}} \right)\otimes \mathbf {{\hat {e}}_{i}} ,}$$ ${\displaystyle \otimes }$

Además, si a se expresa como un producto vectorial: entonces $${\displaystyle \mathbf {a} =\mathbf {c} \times \mathbf {d} }$$ $${\displaystyle [\mathbf {a} ]_{\times }=\mathbf {d} \mathbf {c} ^{\mathrm {T} }-\mathbf {c} \mathbf {d} ^{\mathrm {T} }.}$$

Prueba por sustitución

La evaluación del producto vectorial da Por lo tanto, el lado izquierdo es igual Ahora, para el lado derecho, Y su transpuesta es La evaluación del lado derecho da La comparación muestra que el lado izquierdo es igual al lado derecho. $${\displaystyle \mathbf {a} =\mathbf {c} \times \mathbf {d} ={\begin{pmatrix}c_{2}d_{3}-c_{3}d_{2}\\c_{3}d_{1}-c_{1}d_{3}\\c_{1}d_{2}-c_{2}d_{1}\end{pmatrix}}}$$ $${\displaystyle [\mathbf {a} ]_{\times }={\begin{bmatrix}0&c_{2}d_{1}-c_{1}d_{2}&c_{3}d_{1}-c_{1}d_{3}\\c_{1}d_{2}-c_{2}d_{1}&0&c_{3}d_{2}-c_{2}d_{3}\\c_{1}d_{3}-c_{3}d_{1}&c_{2}d_{3}-c_{3}d_{2}&0\end{bmatrix}}}$$ $${\displaystyle \mathbf {c} \mathbf {d} ^{\mathrm {T} }={\begin{bmatrix}c_{1}d_{1}&c_{1}d_{2}&c_{1}d_{3}\\c_{2}d_{1}&c_{2}d_{2}&c_{2}d_{3}\\c_{3}d_{1}&c_{3}d_{2}&c_{3}d_{3}\end{bmatrix}}}$$ $${\displaystyle \mathbf {d} \mathbf {c} ^{\mathrm {T} }={\begin{bmatrix}c_{1}d_{1}&c_{2}d_{1}&c_{3}d_{1}\\c_{1}d_{2}&c_{2}d_{2}&c_{3}d_{2}\\c_{1}d_{3}&c_{2}d_{3}&c_{3}d_{3}\end{bmatrix}}}$$ $${\displaystyle \mathbf {d} \mathbf {c} ^{\mathrm {T} }-\mathbf {c} \mathbf {d} ^{\mathrm {T} }={\begin{bmatrix}0&c_{2}d_{1}-c_{1}d_{2}&c_{3}d_{1}-c_{1}d_{3}\\c_{1}d_{2}-c_{2}d_{1}&0&c_{3}d_{2}-c_{2}d_{3}\\c_{1}d_{3}-c_{3}d_{1}&c_{2}d_{3}-c_{3}d_{2}&0\end{bmatrix}}}$$

Este resultado se puede generalizar a dimensiones superiores utilizando álgebra geométrica . En particular, en cualquier dimensión, los bivectores se pueden identificar con matrices antisimétricas, por lo que el producto entre una matriz antisimétrica y un vector es equivalente a la parte de grado 1 del producto de un bivector y un vector. ^[18] En tres dimensiones, los bivectores son duales de los vectores, por lo que el producto es equivalente al producto vectorial, con el bivector en lugar de su vector dual. En dimensiones superiores, el producto aún se puede calcular, pero los bivectores tienen más grados de libertad y no son equivalentes a los vectores. ^[18]

Esta notación también suele ser mucho más fácil de utilizar, por ejemplo, en geometría epipolar .

De las propiedades generales del producto vectorial se deduce inmediatamente que   y   y del hecho de que [ a ] _​​× es antisimétrico se deduce que $${\displaystyle [\mathbf {a} ]_{\times }\,\mathbf {a} =\mathbf {0} }$$ $${\displaystyle \mathbf {a} ^{\mathrm {T} }\,[\mathbf {a} ]_{\times }=\mathbf {0} }$$ $${\displaystyle \mathbf {b} ^{\mathrm {T} }\,[\mathbf {a} ]_{\times }\,\mathbf {b} =0.}$$

La expansión del triple producto mencionada anteriormente (regla bac-cab) se puede demostrar fácilmente utilizando esta notación.

Como se mencionó anteriormente, el álgebra de Lie R ³ con producto vectorial es isomorfa al álgebra de Lie so(3) , cuyos elementos pueden identificarse con las matrices antisimétricas 3×3. La función a → [ a ] _​​× proporciona un isomorfismo entre R ³ y so(3) . Bajo esta función, el producto vectorial de 3-vectores corresponde al conmutador de matrices antisimétricas 3x3.

Notación de índice para tensores

El producto vectorial se puede definir alternativamente en términos del tensor de Levi-Civita E _ijk y un producto escalar η ^mi , que son útiles para convertir la notación vectorial para aplicaciones tensoriales:

${\displaystyle \mathbf {c} =\mathbf {a\times b} \Leftrightarrow \ c^{m}=\sum _{i=1}^{3}\sum _{j=1}^{3}\sum _{k=1}^{3}\eta ^{mi}E_{ijk}a^{j}b^{k}}$

donde los índices corresponden a los componentes del vector. Esta caracterización del producto vectorial se expresa a menudo de forma más compacta utilizando la convención de suma de Einstein como ${\displaystyle i,j,k}$

${\displaystyle \mathbf {c} =\mathbf {a\times b} \Leftrightarrow \ c^{m}=\eta ^{mi}E_{ijk}a^{j}b^{k}}$

en el que los índices repetidos se suman sobre los valores 1 a 3.

En una base ortonormal orientada positivamente η ^mi = δ ^mi (el delta de Kronecker ) y (el símbolo de Levi-Civita ). En ese caso, esta representación es otra forma de la representación antisimétrica del producto vectorial: ${\displaystyle E_{ijk}=\varepsilon _{ijk}}$

${\displaystyle [\varepsilon _{ijk}a^{j}]=[\mathbf {a} ]_{\times }.}$

En mecánica clásica : la representación del producto vectorial mediante el símbolo de Levi-Civita puede hacer que las simetrías mecánicas sean obvias cuando los sistemas físicos son isótropos . (Un ejemplo: considere una partícula en un potencial de la Ley de Hooke en un espacio tridimensional, libre de oscilar en tres dimensiones; ninguna de estas dimensiones es "especial" en ningún sentido, por lo que las simetrías se encuentran en el momento angular representado por el producto vectorial, que se aclara mediante la representación de Levi-Civita mencionada anteriormente). ^{[ cita requerida ]}

Mnemotécnico

Mnemónico para calcular un producto vectorial

La palabra "xyzzy" se puede utilizar para recordar la definición del producto vectorial.

Si

${\displaystyle \mathbf {a} =\mathbf {b} \times \mathbf {c} }$

dónde:

${\displaystyle \mathbf {a} ={\begin{bmatrix}a_{x}\\a_{y}\\a_{z}\end{bmatrix}},\ \mathbf {b} ={\begin{bmatrix}b_{x}\\b_{y}\\b_{z}\end{bmatrix}},\ \mathbf {c} ={\begin{bmatrix}c_{x}\\c_{y}\\c_{z}\end{bmatrix}}}$

entonces:

${\displaystyle a_{x}=b_{y}c_{z}-b_{z}c_{y}}$

${\displaystyle a_{y}=b_{z}c_{x}-b_{x}c_{z}}$

${\displaystyle a_{z}=b_{x}c_{y}-b_{y}c_{x}.}$

La segunda y tercera ecuaciones se pueden obtener a partir de la primera simplemente rotando verticalmente los subíndices, x → y → z → x . El problema, por supuesto, es cómo recordar la primera ecuación, y hay dos opciones disponibles para este propósito: o bien recordar las dos diagonales relevantes del esquema de Sarrus (las que contienen i ), o bien recordar la secuencia xyzzy.

Dado que la primera diagonal del esquema de Sarrus es simplemente la diagonal principal de la matriz 3×3 mencionada anteriormente, las primeras tres letras de la palabra xyzzy se pueden recordar muy fácilmente.

Visualización cruzada

De manera similar al recurso mnemotécnico anterior, se puede visualizar una "cruz" o X entre los dos vectores de la ecuación. Esto puede resultar útil para recordar la fórmula correcta del producto vectorial.

Si

${\displaystyle \mathbf {a} =\mathbf {b} \times \mathbf {c} }$

entonces:

${\displaystyle \mathbf {a} ={\begin{bmatrix}b_{x}\\b_{y}\\b_{z}\end{bmatrix}}\times {\begin{bmatrix}c_{x}\\c_{y}\\c_{z}\end{bmatrix}}.}$

Si queremos obtener la fórmula, simplemente eliminamos el y de la fórmula y quitamos los dos componentes siguientes: ${\displaystyle a_{x}}$ ${\displaystyle b_{x}}$ ${\displaystyle c_{x}}$

${\displaystyle a_{x}={\begin{bmatrix}b_{y}\\b_{z}\end{bmatrix}}\times {\begin{bmatrix}c_{y}\\c_{z}\end{bmatrix}}.}$

Al hacer esto para los dos elementos siguientes hacia abajo se debe "envolver" la matriz de modo que después del componente z venga el componente x. Para mayor claridad, al realizar esta operación para , los dos componentes siguientes deben ser z y x (en ese orden). Mientras que para los dos componentes siguientes se deben tomar como x e y. ${\displaystyle a_{y}}$ ${\displaystyle a_{y}}$ ${\displaystyle a_{z}}$

${\displaystyle a_{y}={\begin{bmatrix}b_{z}\\b_{x}\end{bmatrix}}\times {\begin{bmatrix}c_{z}\\c_{x}\end{bmatrix}},\ a_{z}={\begin{bmatrix}b_{x}\\b_{y}\end{bmatrix}}\times {\begin{bmatrix}c_{x}\\c_{y}\end{bmatrix}}}$

Entonces , si visualizamos el operador cruz como si apuntara de un elemento de la izquierda a un elemento de la derecha, podemos tomar el primer elemento de la izquierda y simplemente multiplicarlo por el elemento al que apunta la cruz en la matriz de la derecha. Luego restamos el siguiente elemento hacia abajo a la izquierda, multiplicado por el elemento al que apunta la cruz aquí también. Esto da como resultado nuestra fórmula: ${\displaystyle a_{x}}$ ${\displaystyle a_{x}}$

${\displaystyle a_{x}=b_{y}c_{z}-b_{z}c_{y}.}$

Podemos hacer esto de la misma manera para y para construir sus fórmulas asociadas. ${\displaystyle a_{y}}$ ${\displaystyle a_{z}}$

Aplicaciones

El producto vectorial tiene aplicaciones en diversos contextos. Por ejemplo, se utiliza en geometría computacional, física e ingeniería. A continuación se presenta una lista no exhaustiva de ejemplos.

Geometría computacional

El producto vectorial aparece en el cálculo de la distancia de dos líneas oblicuas (líneas que no están en el mismo plano) entre sí en el espacio tridimensional.

El producto vectorial se puede utilizar para calcular la normal de un triángulo o polígono, una operación que se realiza con frecuencia en gráficos por computadora . Por ejemplo, el giro de un polígono (en el sentido de las agujas del reloj o en sentido contrario) alrededor de un punto dentro del polígono se puede calcular triangulando el polígono (como si se tratara de los radios de una rueda) y sumando los ángulos (entre los radios) utilizando el producto vectorial para llevar un registro del signo de cada ángulo.

En geometría computacional del plano , el producto vectorial se utiliza para determinar el signo del ángulo agudo definido por tres puntos y . Corresponde a la dirección (hacia arriba o hacia abajo) del producto vectorial de los dos vectores coplanares definidos por los dos pares de puntos y . El signo del ángulo agudo es el signo de la expresión ${\displaystyle p_{1}=(x_{1},y_{1}),p_{2}=(x_{2},y_{2})}$ ${\displaystyle p_{3}=(x_{3},y_{3})}$ ${\displaystyle (p_{1},p_{2})}$ ${\displaystyle (p_{1},p_{3})}$

${\displaystyle P=(x_{2}-x_{1})(y_{3}-y_{1})-(y_{2}-y_{1})(x_{3}-x_{1}),}$

que es la longitud con signo del producto vectorial de los dos vectores.

En el sistema de coordenadas "diestro", si el resultado es 0, los puntos son colineales ; si es positivo, los tres puntos forman un ángulo de rotación positivo alrededor de a , en caso contrario un ángulo negativo. Desde otro punto de vista, el signo de indica si se encuentra a la izquierda o a la derecha de la recta. ${\displaystyle p_{1}}$ ${\displaystyle p_{2}}$ ${\displaystyle p_{3}}$ ${\displaystyle P}$ ${\displaystyle p_{3}}$ ${\displaystyle p_{1},p_{2}.}$

El producto vectorial se utiliza para calcular el volumen de un poliedro como un tetraedro o un paralelepípedo .

Momento angular y par

El momento angular L de una partícula alrededor de un origen dado se define como:

${\displaystyle \mathbf {L} =\mathbf {r} \times \mathbf {p} ,}$

donde r es el vector de posición de la partícula con respecto al origen, p es el momento lineal de la partícula.

De la misma manera, el momento M de una fuerza F _B aplicada en el punto B alrededor del punto A se da como:

${\displaystyle \mathbf {M} _{\mathrm {A} }=\mathbf {r} _{\mathrm {AB} }\times \mathbf {F} _{\mathrm {B} }\,}$

En mecánica, el momento de una fuerza también se llama torque y se escribe como ${\displaystyle \mathbf {\tau } }$

Dado que la posición r , el momento lineal p y la fuerza F son todos vectores verdaderos , tanto el momento angular L como el momento de una fuerza M son pseudovectores o vectores axiales .

Cuerpo rígido

El producto vectorial aparece con frecuencia en la descripción de movimientos rígidos. Dos puntos P y Q de un cuerpo rígido pueden relacionarse mediante:

${\displaystyle \mathbf {v} _{P}-\mathbf {v} _{Q}={\boldsymbol {\omega }}\times \left(\mathbf {r} _{P}-\mathbf {r} _{Q}\right)\,}$

donde es la posición del punto, es su velocidad y es la velocidad angular del cuerpo . ${\displaystyle \mathbf {r} }$ ${\displaystyle \mathbf {v} }$ ${\displaystyle {\boldsymbol {\omega }}}$

Como la posición y la velocidad son vectores verdaderos , la velocidad angular es un pseudovector o vector axial . ${\displaystyle \mathbf {r} }$ ${\displaystyle \mathbf {v} }$ ${\displaystyle {\boldsymbol {\omega }}}$

Fuerza de Lorentz

El producto vectorial se utiliza para describir la fuerza de Lorentz que experimenta una carga eléctrica en movimiento q _e :

${\displaystyle \mathbf {F} =q_{e}\left(\mathbf {E} +\mathbf {v} \times \mathbf {B} \right)}$

Como la velocidad v , la fuerza F y el campo eléctrico E son todos vectores verdaderos , el campo magnético B es un pseudovector .

Otro

En el cálculo vectorial , el producto vectorial se utiliza para definir la fórmula del operador vectorial curl .

El truco de reescribir un producto vectorial en términos de una multiplicación de matrices aparece con frecuencia en geometría epipolar y de múltiples vistas, en particular al derivar restricciones de coincidencia.

Como producto externo

El producto vectorial en relación con el producto exterior. En rojo se muestran el vector unitario ortogonal y el bivector unitario "paralelo".

El producto vectorial puede definirse en términos del producto exterior. Puede generalizarse a un producto exterior en otras dimensiones que no sean tres. ^[19] Esta generalización permite una interpretación geométrica natural del producto vectorial. En álgebra exterior, el producto exterior de dos vectores es un bivector. Un bivector es un elemento plano orientado, de la misma manera que un vector es un elemento lineal orientado. Dados dos vectores a y b , se puede ver el bivector a ∧ b como el paralelogramo orientado generado por a y b . El producto vectorial se obtiene entonces tomando la estrella de Hodge del bivector a ∧ b , convirtiendo los 2-vectores en vectores:

${\displaystyle a\times b=\star (a\wedge b).}$

Esto puede considerarse como el elemento multidimensional orientado "perpendicular" al bivector. En un espacio de dimensión d , la estrella de Hodge convierte un vector k en un vector ( d–k ); por lo tanto, solo en d = 3 dimensiones el resultado es un elemento de dimensión uno (3–2 = 1), es decir, un vector. Por ejemplo, en d = 4 dimensiones, el producto vectorial de dos vectores tiene dimensión 4–2 = 2, lo que da un bivector. Por lo tanto, solo en tres dimensiones el producto vectorial define una estructura algebraica para multiplicar vectores.

Lateralidad

Consistencia

Cuando las leyes de la física se escriben como ecuaciones, es posible hacer una elección arbitraria del sistema de coordenadas, incluida la lateralidad. Se debe tener cuidado de nunca escribir una ecuación en la que los dos lados no se comporten de la misma manera bajo todas las transformaciones que deben considerarse. Por ejemplo, si un lado de la ecuación es un producto vectorial de dos vectores polares , se debe tener en cuenta que el resultado es un vector axial . Por lo tanto, por coherencia, el otro lado también debe ser un vector axial. ^{[ cita requerida ]} De manera más general, el resultado de un producto vectorial puede ser un vector polar o un vector axial, dependiendo del tipo de sus operandos (vectores polares o vectores axiales). Es decir, los vectores polares y los vectores axiales están interrelacionados de las siguientes maneras bajo la aplicación del producto vectorial:

• vector polar × vector polar = vector axial
• vector axial × vector axial = vector axial
• vector polar × vector axial = vector polar
• vector axial × vector polar = vector polar

o simbólicamente

• polar × polar = axial
• axial × axial = axial
• polar × axial = polar
• axial × polar = polar

Como el producto vectorial también puede ser un vector polar, no puede cambiar de dirección con una transformación de imagen especular. Esto sucede, según las relaciones anteriores, si uno de los operandos es un vector polar y el otro es un vector axial (por ejemplo, el producto vectorial de dos vectores polares). Por ejemplo, un producto triple de vectores que involucra tres vectores polares es un vector polar.

Es posible adoptar un enfoque sin lateralidad utilizando álgebra exterior.

La paradoja de la base ortonormal

Sea ( i , j , k ) una base ortonormal. Los vectores i , j y k no dependen de la orientación del espacio. Pueden incluso definirse en ausencia de cualquier orientación. Por lo tanto, no pueden ser vectores axiales. Pero si i y j son vectores polares, entonces k es un vector axial para i × j = k o j × i = k . Esto es una paradoja.

"Axial" y "polar" son calificativos físicos de vectores físicos ; es decir, vectores que representan magnitudes físicas como la velocidad o el campo magnético. Los vectores i , j y k son vectores matemáticos, ni axiales ni polares. En matemáticas, el producto vectorial de dos vectores es un vector. No hay contradicción.

Generalizaciones

Hay varias formas de generalizar el producto vectorial a dimensiones superiores.

Álgebra de Lie

El producto vectorial puede considerarse uno de los productos de Lie más simples y, por lo tanto, se generaliza mediante álgebras de Lie , que se axiomatizan como productos binarios que satisfacen los axiomas de multilinealidad, simetría antisimétrica e identidad de Jacobi. Existen muchas álgebras de Lie y su estudio es un campo importante de las matemáticas, llamado teoría de Lie .

Por ejemplo, el álgebra de Heisenberg da otra estructura de álgebra de Lie en la que el producto es ${\displaystyle \mathbf {R} ^{3}.}$ ${\displaystyle \{x,y,z\},}$ ${\displaystyle [x,y]=z,[x,z]=[y,z]=0.}$

Cuaterniones

El producto vectorial también se puede describir en términos de cuaterniones . En general, si un vector [ a ₁ , a ₂ , a ₃ ] se representa como el cuaternión a ₁ i + a ₂ j + a ₃ k , el producto vectorial de dos vectores se puede obtener tomando su producto como cuaterniones y eliminando la parte real del resultado. La parte real será el negativo del producto escalar de los dos vectores.

Octoniones

Se puede obtener un producto vectorial de vectores de siete dimensiones de la misma manera, utilizando octoniones en lugar de cuaterniones. La inexistencia de productos vectoriales no triviales de dos vectores en otras dimensiones está relacionada con el resultado del teorema de Hurwitz de que las únicas álgebras de división normadas son aquellas con dimensión 1, 2, 4 y 8.

Producto exterior

En la dimensión general, no existe un análogo directo del producto vectorial binario que produzca específicamente un vector. Sin embargo, existe el producto exterior, que tiene propiedades similares, excepto que el producto exterior de dos vectores es ahora un 2-vector en lugar de un vector ordinario. Como se mencionó anteriormente, el producto vectorial se puede interpretar como el producto exterior en tres dimensiones utilizando el operador de estrella de Hodge para convertir los 2-vectores en vectores. El dual de Hodge del producto exterior produce un ( n − 2) -vector, que es una generalización natural del producto vectorial en cualquier número de dimensiones.

El producto exterior y el producto escalar se pueden combinar (mediante la suma) para formar el producto geométrico en álgebra geométrica.

Producto externo

Como se mencionó anteriormente, el producto vectorial puede interpretarse en tres dimensiones como el dual de Hodge del producto exterior. En cualquier dimensión finita n , el dual de Hodge del producto exterior de n − 1 vectores es un vector. Por lo tanto, en lugar de una operación binaria, en dimensiones finitas arbitrarias, el producto vectorial se generaliza como el dual de Hodge del producto exterior de algunos n − 1 vectores dados. Esta generalización se llama producto externo . ^[20]

Producto conmutador

Interpretando el espacio vectorial tridimensional del álgebra como la subálgebra de 2 vectores (no de 1 vector) del álgebra geométrica tridimensional, donde , , y , el producto vectorial corresponde exactamente al producto conmutador en álgebra geométrica y ambos utilizan el mismo símbolo . El producto conmutador se define para 2 vectores y en álgebra geométrica como: ${\displaystyle \mathbf {i} =\mathbf {e_{2}} \mathbf {e_{3}} }$ ${\displaystyle \mathbf {j} =\mathbf {e_{1}} \mathbf {e_{3}} }$ ${\displaystyle \mathbf {k} =\mathbf {e_{1}} \mathbf {e_{2}} }$ ${\displaystyle \times }$ ${\displaystyle A}$ ${\displaystyle B}$

${\displaystyle A\times B={\tfrac {1}{2}}(AB-BA),}$

donde es el producto geométrico. ^[21] ${\displaystyle AB}$

El producto conmutador podría generalizarse a multivectores arbitrarios en tres dimensiones, lo que da como resultado un multivector que consta únicamente de elementos de grado 1 (1-vectores/vectores verdaderos) y 2 (2-vectores/pseudovectores). Si bien el producto conmutador de dos 1-vectores es, de hecho, el mismo que el producto exterior y produce un 2-vector, el conmutador de un 1-vector y un 2-vector produce un vector verdadero, que corresponde en cambio a las contracciones izquierda y derecha en álgebra geométrica. El producto conmutador de dos 2-vectores no tiene un producto equivalente correspondiente, por lo que el producto conmutador se define en primer lugar para 2-vectores. Además, el triple producto conmutador de tres 2-vectores es el mismo que el triple producto vectorial de los mismos tres pseudovectores en álgebra vectorial. Sin embargo, el producto triple conmutador de tres 1-vectores en álgebra geométrica es en cambio el negativo del producto triple vectorial de los mismos tres vectores verdaderos en álgebra vectorial.

Las generalizaciones a dimensiones superiores se obtienen mediante el mismo producto conmutador de 2 vectores en álgebras geométricas de dimensiones superiores, pero los 2 vectores ya no son pseudovectores. Así como el producto conmutador/producto vectorial de 2 vectores en tres dimensiones corresponde al álgebra de Lie más simple, las subálgebras de 2 vectores del álgebra geométrica de dimensiones superiores equipadas con el producto conmutador también corresponden a las álgebras de Lie. ^[22] Asimismo, como en tres dimensiones, el producto conmutador podría generalizarse aún más a multivectores arbitrarios.

Álgebra multilineal

En el contexto del álgebra multilineal , el producto vectorial puede verse como el tensor (1,2) (un tensor mixto , específicamente una función bilineal ) obtenido a partir de la forma de volumen tridimensional , ^{[nota 2]} un tensor (0,3), al elevar un índice .

En detalle, la forma de volumen tridimensional define un producto tomando el determinante de la matriz dada por estos 3 vectores. Por dualidad , esto es equivalente a una función (fijar dos entradas cualesquiera da una función evaluando en la tercera entrada) y en presencia de un producto interno (como el producto escalar; más generalmente, una forma bilineal no degenerada), tenemos un isomorfismo y por lo tanto esto produce una función que es el producto vectorial: un (0,3)-tensor (3 entradas vectoriales, salida escalar) se ha transformado en un (1,2)-tensor (2 entradas vectoriales, 1 salida vectorial) al "elevar un índice". ${\displaystyle V\times V\times V\to \mathbf {R} ,}$ ${\displaystyle V\times V\to V^{*},}$ ${\displaystyle V\to \mathbf {R} }$ ${\displaystyle V\to V^{*},}$ ${\displaystyle V\times V\to V,}$

Traduciendo el álgebra anterior a geometría, la función "volumen del paralelepípedo definido por " (donde los dos primeros vectores son fijos y el último es una entrada), que define una función , se puede representar de forma única como el producto escalar con un vector: este vector es el producto vectorial Desde esta perspectiva, el producto vectorial se define por el triple producto escalar , ${\displaystyle (a,b,-)}$ ${\displaystyle V\to \mathbf {R} }$ ${\displaystyle a\times b.}$ ${\displaystyle \mathrm {Vol} (a,b,c)=(a\times b)\cdot c.}$

De la misma manera, en dimensiones superiores se pueden definir productos cruzados generalizados elevando los índices de la forma de volumen n -dimensional, que es un tensor. Las generalizaciones más directas del producto cruzado consisten en definir: ${\displaystyle (0,n)}$

• un -tensor, que toma como entrada vectores y da como salida 1 vector – un producto vectorial -ario, o ${\displaystyle (1,n-1)}$ ${\displaystyle n-1}$ ${\displaystyle (n-1)}$
• un tensor que toma como entrada 2 vectores y da como salida un tensor antisimétrico de rango n − 2 , un producto binario con valores de tensor de rango n − 2. También se pueden definir tensores para otros k . ${\displaystyle (n-2,2)}$ ${\displaystyle (k,n-k)}$

Todos estos productos son multilineales y antisimétricos, y pueden definirse en términos del determinante y la paridad .

El producto -ario se puede describir de la siguiente manera: dados los vectores en definen su producto vectorial generalizado como: ${\displaystyle (n-1)}$ ${\displaystyle n-1}$ ${\displaystyle v_{1},\dots ,v_{n-1}}$ ${\displaystyle \mathbf {R} ^{n},}$ ${\displaystyle v_{n}=v_{1}\times \cdots \times v_{n-1}}$

• perpendicular al hiperplano definido por el ${\displaystyle v_{i},}$
• magnitud es el volumen del paralelotopo definido por el cual se puede calcular como el determinante de Gram de la ${\displaystyle v_{i},}$ ${\displaystyle v_{i},}$
• Orientado de manera que esté orientado positivamente. ${\displaystyle v_{1},\dots ,v_{n}}$

Este es el único producto alterno multilineal que evalúa como , y así sucesivamente para permutaciones cíclicas de índices. ${\displaystyle e_{1}\times \cdots \times e_{n-1}=e_{n}}$ ${\displaystyle e_{2}\times \cdots \times e_{n}=e_{1},}$

En coordenadas, se puede dar una fórmula para este análogo -ario del producto vectorial en R ⁿ mediante: ${\displaystyle (n-1)}$

${\displaystyle \bigwedge _{i=0}^{n-1}\mathbf {v} _{i}={\begin{vmatrix}v_{1}{}^{1}&\cdots &v_{1}{}^{n}\\\vdots &\ddots &\vdots \\v_{n-1}{}^{1}&\cdots &v_{n-1}{}^{n}\\\mathbf {e} _{1}&\cdots &\mathbf {e} _{n}\end{vmatrix}}.}$

Esta fórmula es idéntica en estructura a la fórmula del determinante para el producto vectorial normal en R ^3, excepto que la fila de vectores base es la última fila del determinante en lugar de la primera. La razón de esto es asegurar que los vectores ordenados ( v ₁ , ..., v _{n −1} , Λ^{n –1}
_i=0v _i ) tienen una orientación positiva con respecto a ( e ₁ , ..., e _n ). Si n es impar, esta modificación deja el valor sin cambios, por lo que esta convención concuerda con la definición normal del producto binario. Sin embargo, en el caso de que n sea par, debe mantenerse la distinción. Esta forma -aria disfruta de muchas de las mismas propiedades que el producto vectorial: es alternante y lineal en sus argumentos, es perpendicular a cada argumento y su magnitud da el hipervolumen de la región limitada por los argumentos. Y al igual que el producto vectorial, puede definirse de una manera independiente de las coordenadas como el dual de Hodge del producto en cuña de los argumentos. Además, el producto satisface la identidad de Filippov, ${\displaystyle (n-1)}$ ${\displaystyle [v_{1},\ldots ,v_{n}]:=\bigwedge _{i=0}^{n}v_{i}}$

${\displaystyle [[x_{1},\ldots ,x_{n}],y_{2},\ldots ,y_{n}]]=\sum _{i=1}^{n}[x_{1},\ldots ,x_{i-1},[x_{i},y_{2},\ldots ,y_{n}],x_{i+1},\ldots ,x_{n}],}$

y por lo tanto dota a R ⁿ⁺¹ de una estructura de álgebra de n-Lie (véase la Proposición 1 de ^[23] ).

Historia

En 1773, Joseph-Louis Lagrange utilizó la forma componente de los productos puntual y vectorial para estudiar el tetraedro en tres dimensiones. ^{[24] [nota 3]}

En 1843, William Rowan Hamilton introdujo el producto cuaternionario y, con él, los términos vector y escalar . Dados dos cuaterniones [0, u ] y [0, v ] , donde u y v son vectores en R ³ , su producto cuaternionario se puede resumir como [− u ⋅ v , u × v ] . James Clerk Maxwell utilizó las herramientas cuaternionarias de Hamilton para desarrollar sus famosas ecuaciones de electromagnetismo y, por esta y otras razones, los cuaterniones fueron durante un tiempo una parte esencial de la enseñanza de la física.

En 1844, Hermann Grassmann publicó un álgebra geométrica que no estaba vinculada a la dimensión dos o tres. Grassmann desarrolló varios productos, incluido un producto vectorial representado entonces por [uv] . ^[25] ( Véase también: álgebra exterior . )

En 1853, Augustin-Louis Cauchy , contemporáneo de Grassmann, publicó un artículo sobre claves algebraicas que se usaban para resolver ecuaciones y tenían las mismas propiedades de multiplicación que el producto vectorial. ^{[26] [27]}

En 1878, William Kingdon Clifford , conocido por ser un precursor del álgebra de Clifford nombrada en su honor, publicó Elements of Dynamic , en el que se atestigua el término producto vectorial . En el libro, se define que este producto de dos vectores tiene una magnitud igual al área del paralelogramo del que son dos lados y una dirección perpendicular a su plano. ^[28]

En sus notas de clase de 1881, Gibbs representó el producto vectorial por y lo llamó producto oblicuo . ^{[29] [30]} En 1901, el alumno de Gibb, Edwin Bidwell Wilson, editó y amplió estas notas de clase en el libro de texto Análisis vectorial . Wilson mantuvo el término producto oblicuo , pero observó que los términos alternativos producto vectorial ^{[nota 4]} y producto vectorial eran más frecuentes. ^[31] ${\displaystyle u\times v}$

En 1908, Cesare Burali-Forti y Roberto Marcolongo introdujeron la notación del producto vectorial u ∧ v . ^[25] Esta se utiliza en Francia y otras áreas hasta el día de hoy, ya que el símbolo ya se usa para denotar la multiplicación y el producto cartesiano . ^{[ cita requerida ]} ${\displaystyle \times }$

Véase también

• Producto cartesiano : producto de dos conjuntos
• Álgebra geométrica: sistemas rotatorios
• Productos cruzados múltiples : productos que involucran más de tres vectores
• Multiplicación de vectores
• Producto cuádruple
• × (el símbolo)

Notas

1. Aquí, "formal" significa que esta notación tiene la forma de un determinante, pero no se adhiere estrictamente a la definición; es una mnemotecnia utilizada para recordar la expansión del producto vectorial.
2. Por forma de volumen se entiende una función que toma n vectores y da como resultado un escalar, el volumen del paralelotopo definido por los vectores: Esta es una forma antisimétrica multilineal n -aria. En presencia de una base, como en esta viene dada por el determinante, pero en un espacio vectorial abstracto, esta es una estructura añadida. En términos de G -estructuras , una forma de volumen es una -estructura. ${\displaystyle V\times \cdots \times V\to \mathbf {R} .}$ ${\displaystyle \mathbf {R} ^{n},}$ ${\displaystyle SL}$
3. En notación moderna, Lagrange define , y . Por lo tanto, la notación moderna corresponde a las tres variables en la notación de Lagrange. ${\displaystyle \mathbf {\xi } =\mathbf {y} \times \mathbf {z} }$ ${\displaystyle {\boldsymbol {\eta }}=\mathbf {z} \times \mathbf {x} }$ ${\displaystyle {\boldsymbol {\zeta }}=\mathbf {x} \times {\boldsymbol {y}}}$ ${\displaystyle \mathbf {x} }$ ${\displaystyle (x,x',x'')}$
4. ya que A × B se lee como " A cruz B "

Referencias

1. Weisstein, Eric W. "Producto vectorial". Wolfram MathWorld . Consultado el 6 de septiembre de 2020 .
2. "Producto vectorial". www.mathsisfun.com . Consultado el 6 de septiembre de 2020 .
3. Massey, William S. (diciembre de 1983). "Productos cruzados de vectores en espacios euclidianos de dimensiones superiores" (PDF) . The American Mathematical Monthly . 90 (10): 697–701. doi :10.2307/2323537. JSTOR  2323537. S2CID  43318100. Archivado desde el original (PDF) el 26 de febrero de 2021. Si se requieren solo tres propiedades básicas del producto vectorial... resulta que el producto vectorial de vectores solo existe en espacios euclidianos tridimensionales y heptadimensionales.
4. Arfken, George B. Métodos matemáticos para físicos (4ª ed.). Elsevier.
5. Jeffreys, H.; Jeffreys, BS (1999). Métodos de física matemática . Cambridge University Press. OCLC  41158050.
6. Acheson, DJ (1990). Dinámica de fluidos elemental . Oxford University Press. ISBN 0198596790.
7. Howison, Sam (2005). Matemáticas prácticas y aplicadas . Cambridge University Press. ISBN 0521842743.
8. Wilson 1901, pág. 60–61.
9. Dennis G. Zill; Michael R. Cullen (2006). "Definición 7.4: Producto vectorial de dos vectores". Matemáticas avanzadas para ingeniería (3.ª ed.). Jones & Bartlett Learning. pág. 324. ISBN 0-7637-4591-X.
10. Edwin Bidwell Wilson (1913). "Capítulo II. Productos directos y oblicuos de vectores". Análisis vectorial . Basado en las conferencias de J. William Gibbs. New Haven: Yale University Press.El producto escalar se denomina "producto directo" y el producto vectorial se denomina "producto sesgado".
11. Una historia del análisis vectorial por Michael J. Crowe, Matemáticas. UC Davis.
12. Señor Spiegel; S. Lipschutz; D. Spellman (2009). Análisis vectorial . Los esquemas de Schaum. McGraw-Hill. pag. 29.ISBN​ 978-0-07-161545-7.
13. WS Massey (diciembre de 1983). "Productos cruzados de vectores en espacios euclidianos de dimensiones superiores". The American Mathematical Monthly . 90 (10). The American Mathematical Monthly, vol. 90, n.º 10: 697–701. doi :10.2307/2323537. JSTOR  2323537.
14. Vladimir A. Boichenko; Gennadiĭ Alekseevich Leonov; Volker Reitmann (2005). Teoría de dimensiones para ecuaciones diferenciales ordinarias. Vieweg+Teubner Verlag. pag. 26.ISBN​ 3-519-00437-2.
15. Pertti Lounesto (2001). Álgebras y espinores de Clifford (2.ª ed.). Cambridge University Press. pág. 94. ISBN 0-521-00551-5.
16. Shuangzhe Liu; Gõtz Trenkler (2008). "Hadamard, Khatri-Rao, Kronecker y otros productos matriciales". Int J Information and Systems Sciences . 4 (1). Instituto de informática científica y educación: 160–177.
17. por Eric W. Weisstein (2003). "Identidad Binet-Cauchy". Enciclopedia concisa de matemáticas del CRC (2.ª ed.). CRC Press. pág. 228. ISBN 1-58488-347-2.
18. Lounesto, Pertti (2001). Álgebras y espinores de Clifford . Cambridge: Cambridge University Press. pp. 193. ISBN. 978-0-521-00551-7.
19. Greub, W. (1978). Álgebra multilineal .
20. Hogben, L , ed. (2007). Manual de álgebra lineal .^{[ página necesaria ]}
21. Arthur, John W. (2011). Comprensión del álgebra geométrica para la teoría electromagnética. IEEE Press . pág. 49. ISBN 978-0470941638.
22. Doran, Chris; Lasenby, Anthony (2003). Álgebra geométrica para físicos. Cambridge University Press . pp. 401–408. ISBN 978-0521715959.
23. Filippov, VT (1985). "Álgebras de n-Lie". Sibirsk. Estera. Zh . 26 (6): 879–891. doi :10.1007/BF00969110. S2CID  125051596.
24. Lagrange, Joseph-Louis (1773). "Soluciones analíticas de quelques problèmes sur les pirámides triangulares". Obras. vol. 3. pág. 661.
25. Cajori (1929), pág. 134.
26. Crowe (1994), pág. 83.
27. Cauchy, Augustin-Louis (1900). Obras . vol. 12. pág. 16.
28. Clifford, William Kingdon (1878). "Elementos de dinámica, Parte I". Londres: MacMillan & Co. pág. 95.
29. Gibbs, Josiah Willard (1884). Elementos de análisis vectorial: preparado para uso de estudiantes de física. New Haven: Impreso por Tuttle, Morehouse & Taylor.
30. Crowe (1994), pág. 154.
31. Wilson (1901), pág. 61.

Bibliografía

• Cajori, Florian (1929). Una historia de las notaciones matemáticas, volumen II. Open Court Publishing , pág. 134. ISBN 978-0-486-67766-8.
• Crowe, Michael J. (1994). Una historia del análisis vectorial . Dover. ISBN 0-486-67910-1.
• EA Milne (1948) Mecánica vectorial , Capítulo 2: Producto vectorial, págs. 11-31, Londres: Methuen Publishing .
• Wilson, Edwin Bidwell (1901). Análisis vectorial: libro de texto para estudiantes de matemáticas y física, basado en las conferencias de J. Willard Gibbs. Yale University Press .
• T. Levi-Civita; U. Amaldi (1949). Lezioni di meccanica razionale (en italiano). Bolonia: Zanichelli editore.

Enlaces externos

• "Producto vectorial", Enciclopedia de Matemáticas , EMS Press , 2001 [1994]
• Una rápida derivación geométrica e interpretación de productos cruzados
• Un tutorial interactivo creado en la Universidad de Syracuse (requiere Java )
• W. Kahan (2007). Productos cruzados y rotaciones en espacios euclidianos de 2 y 3 dimensiones. Universidad de California, Berkeley (PDF).
• El producto vectorial, Mathcentre (Reino Unido), 2009