文章目录
- 一、向量点乘(内积)
- 1.1 几何意义
- 1.2 点乘的代数定义,推导几何定义(用于求向量夹角)
- 1.2.1 余弦定理
- 1.3 程序计算
- 二、向量叉乘(外积)
- 2.1 几何意义
- 三、通俗理解内积和外积
- 四、向量的模长
向量点乘、叉乘的概念和意义
一、向量点乘(内积)
点乘(Dot Product)的结果是点积,又称数量积或标量积(Scalar Product)。
1.1 几何意义
1.2 点乘的代数定义,推导几何定义(用于求向量夹角)
1.2.1 余弦定理
余弦定理
1.3 程序计算
vector1 = [1.1, 2.2, 3.3]
vector2 = [4, 6, 7]
dot_product = np.dot(vector1, vector2) # 算向量内积
norm1, norm2 = np.linalg.norm(vector1), np.linalg.norm(vector2) # 算向量模长
similarity = dot_product / (norm1 * norm2) # 算向量间的余弦相似度
向量的内积也被称为点积,是两个向量相乘的一种方式。对于两个n维的向量,比如向量a=(a1, a2, …, an)和向量b=(b1, b2, …, bn),它们的内积可以通过以下公式计算:
a·b = a1b1 + a2b2 + … + an*bn
这个公式表示的是将两个向量对应位置的元素相乘,然后将所有的乘积相加。结果是一个标量,而不是一个向量。
这个计算在很多领域都有重要应用,比如在物理学中,力的内积可以用来计算功,而在计算机科学中,内积常常被用于计算向量的相似度。
package main
import ("fmt""math"
)func vectorMagnitude(vec []float64) float64 {sum := 0.0for _, v := range vec {sum += v * v}return math.Sqrt(sum)
}func main() {vec := []float64{1, 2, 3}fmt.Println("Magnitude of the vector:", vectorMagnitude(vec))
}
二、向量叉乘(外积)
叉乘(Cross Product)又称向量积(Vector Product)
2.1 几何意义
三、通俗理解内积和外积
内积是把a向量投影到b向量上面,让两者同向或者反向,让a向量箭头指向b向量里面,所以叫内积,(非官方,本人感受,同直线情况广义指向内里),外积是把a向量投影到b向量的法线方向,所以你看,投影完箭头指向了b向量的外面,所以你看透彻理解多重要,字面意思就都理解了有木有,另外,内积两个向量谁投影谁都没关系,因为最后是一个数值,不影响结果,外积就不一样了,一定是1投影2,因为要用右手确定结果3向量的方向,有前后顺序之分,更像是1带2的扭矩方向的感觉
四、向量的模长
向量的模长,也被称作向量的大小或者绝对值,是用来描述向量的长度的数学概念。在二维平面上,一个向量可以被视作箭头或者线段,而向量的模长就是箭头或线段的长度。在高维空间中,虽然我们无法直观地看到向量,但是我们仍然可以通过计算来得到向量的模长。
对于一个n维向量v = (v1, v2, …, vn),其模长||v||可以通过以下公式计算:
∣ ∣ v ∣ ∣ = s q r t ( v 1 2 + v 2 2 + . . . + v n 2 ) ||v|| = sqrt(v1^2 + v2^2 + ... + vn^2) ∣∣v∣∣=sqrt(v12+v22+...+vn2)
这里的sqrt表示平方根函数。所以,向量的模长实际上就是其各分量平方和的平方根。