向量叉积的拉格朗日恒等式|a×b|²=|a|²|b|²-(a·b)²

第一步：理解公式的组成要素

在动手验证这个等式之前，先拆解 它的每一个符号。你的目标是确保看到公式时，能立刻知道它在说什么，而不是被符号吓到。

1. 认识主角：a 和 b 是两个三维空间中的向量。你可以把它们想象成带有方向和长度的箭头。
2. 抓住核心：
   • |a×b| 是向量 a 和 b 叉积 的模长。叉积的结果是一个新向量，这个新向量垂直于 a 和 b 所在的平面。它的“长度”（模长）在几何上等于以 a 和 b 为邻边的平行四边形的面积。
   • |a| 和 |b| 分别是向量 a 和 b 的模长，也就是它们的“长度”。
   • a·b 是向量 a 和 b 的点积。点积的结果是一个数（标量），它衡量了两个向量在方向上的相似程度。
3. 理解恒等式目标：这个拉格朗日恒等式说：向量叉积模长的平方，等于它们各自模长平方的乘积，减去它们点积的平方。它把叉积（几何上的面积）和点积（代数的投影）用公式完美地联系在了一起。

第二步：从代数定义出发进行推导

现在，设 向量 a 和 b 在三维坐标系中的分量形式。如果文字能解释清楚，绝不先套公式。

1. 写分量：假设 a = (a₁, a₂, a₃) 和 b = (b₁, b₂, b₃)。这是向量在空间中具体坐标的表示方法。

2. 计算左边：首先，计算 叉积的模长平方 |a×b|²。根据叉积的定义，a×b 的分量为 (a₂b₃ - a₃b₂, a₃b₁ - a₁b₃, a₁b₂ - a₂b₁)。然后，求 这个新向量每个分量的平方和，得到：

   |a×b|² = (a₂b₃ - a₃b₂)² + (a₃b₁ - a₁b₃)² + (a₁b₂ - a₂b₁)²

   这里使用公式，是因为展开这个多项式是推导关键，用文字描述过于复杂。

3. 展开并整理：展开 上面式子中的所有平方项。例如，(a₂b₃ - a₃b₂)² = a₂²b₃² - 2a₂a₃b₂b₃ + a₃²b₂²。对三个项都做同样的操作后，你会得到：

   |a×b|² = a₁²b₂² + a₁²b₃² + a₂²b₁² + a₂²b₃² + a₃²b₁² + a₃²b₂² - 2(a₁a₂b₁b₂ + a₁a₃b₁b₃ + a₂a₃b₂b₃)

4. 计算右边：然后，计算 右边的值 |a|²|b|² - (a·b)²。

   • 首先，|a|² = a₁² + a₂² + a₃²，|b|² = b₁² + b₂² + b₃²。
   • 其次，a·b = a₁b₁ + a₂b₂ + a₃b₃。
   • 代入 得：

   |a|²|b|² - (a·b)² = (a₁² + a₂² + a₃²)(b₁² + b₂² + b₃²) - (a₁b₁ + a₂b₂ + a₃b₃)²

5. 展开并对比：展开 右边这个多项式。

   • 第一部分展开为：a₁²b₁² + a₁²b₂² + a₁²b₃² + a₂²b₁² + a₂²b₂² + a₂²b₃² + a₃²b₁² + a₃²b₂² + a₃²b₃²
   • 第二部分展开为：a₁²b₁² + a₂²b₂² + a₃²b₃² + 2(a₁a₂b₁b₂ + a₁a₃b₁b₃ + a₂a₃b₂b₃)
   • 用 第一部分的结果 减去 第二部分的结果。你会看到 a₁²b₁²、a₂²b₂²、a₃²b₃² 这三项被抵消，最终右边剩下的多项式与第三步计算得到的左边多项式完全一致。

第三步：理解几何意义与直接验证

代数推导证明了公式，但你还可以通过几何意义 来加深理解，这比死记硬背更有效。

1. 引入夹角：设 向量 a 和 b 之间的夹角为 θ（读作“西塔”）。

2. 用角度重写：

   • 重写 点积：a·b = |a||b|cosθ。
   • 重写 叉积模长：|a×b| = |a||b|sinθ。（因为叉积模长是平行四边形面积 = 底边乘高 = |a||b|sinθ）

3. 代入验证：将 这两个角度表达式 代入 拉格朗日恒等式。

   |a×b|² = (|a||b|sinθ)² = |a|²|b|²sin²θ

   而右边是 |a|²|b|² - (|a||b|cosθ)² = |a|²|b|²(1 - cos²θ) = |a|²|b|²sin²θ

4. 得出结论：左边和右边都等于 |a|²|b|²sin²θ。这个推导不仅证明了恒等式，更直接揭示了它的核心：它本质上是三角函数恒等式 sin²θ + cos²θ = 1 在向量空间中的表现形式。

第四步：用数值例子进行实操验证

为彻底放心，编写 一个简单的例子，代入具体数字来验证。这种方法最直观，也最不容易出错。

1. 选择简单向量：取 a = (1, 0, 0) 和 b = (0, 1, 0)。这是两个最简单的垂直向量。

2. 计算每个部分：

   • |a×b|：a×b = (0, 0, 1)，所以 |a×b|² = 1² = 1。
   • |a|² 和 |b|²：|a|² = 1，|b|² = 1，所以 |a|²|b|² = 1 * 1 = 1。
   • a·b：1*0 + 0*1 + 0*0 = 0，所以 (a·b)² = 0。

3. 带入恒等式：左边是 1，右边是 1 - 0 = 1。左右相等，等式成立。

4. 再选一组非正交的例子：用 a = (1, 2, 3) 和 b = (4, 5, 6) 测试。

   • 计算 a×b = (2*6 - 3*5, 3*4 - 1*6, 1*5 - 2*4) = (12-15, 12-6, 5-8) = (-3, 6, -3)，所以 |a×b|² = 9 + 36 + 9 = 54。
   • 计算 |a|² = 1 + 4 + 9 = 14，|b|² = 16 + 25 + 36 = 77，所以 |a|²|b|² = 14 * 77 = 1078。
   • 计算 a·b = 1*4 + 2*5 + 3*6 = 4 + 10 + 18 = 32，所以 (a·b)² = 1024。
   • 带入 右边：1078 - 1024 = 54。两边再次相等，恒等式无误。

第五步：用编程语言自动化验证（可选）

如果你想一劳永逸，复制 以下 Python 代码到你的环境中运行。它使用 numpy 库，能自动对任意随机向量进行验证，彻底杜绝手算失误。

1. 确保环境就绪：安装 numpy 库（如果未安装）。

2. 输入并运行代码：粘贴 下方代码并执行。

   import numpy as np
   
   # 生成两个随机三维向量
   a = np.random.randn(3)
   b = np.random.randn(3)
   
   # 计算左边：叉积模长的平方
   left_side = np.linalg.norm(np.cross(a, b))**2
   
   # 计算右边：模长平方乘积减去点积平方
   right_side = (np.linalg.norm(a)**2) * (np.linalg.norm(b)**2) - (np.dot(a, b)**2)
   
   # 打印结果，检查是否相等（由于浮点数误差，允许一个极小的误差范围）
   print(f"左边 (|a×b|²): {left_side}")
   print(f"右边 (|a|²|b|² - (a·b)²): {right_side}")
   print(f"验证结果 (两者之差): {abs(left_side - right_side)}")

3. 解读输出：如果 两者之差 非常接近 0（例如 1e-15 量级），即确认验证通过。这证明了恒等式对于任意向量的普适性。