目录

什么是点积?

点积运算

向量与角的联系

向量和它本身


什么是点积?

两个向量相乘,我们应该会想到如下场景:

但这个在现实生活中,用处不大。 但是其他乘法形式很有用。

最重要的是一种向量运算方式是内积。也成为点积

点积,是因为我们通常表示为:在两个相乘的向量之间加个点。如图:

从几何角度来看,这一运算很重要。使我们能够计算两个不同向量形成的角度。

更加准确的说,在欧几里得空间里,向量v 和 w 的内积满足以下特征:

(夹角是锐角,另外一边是钝角)

请注意,两个向量的内积只是一个数字,不是向量。

因此,我们可以使用余弦函数的对立函数即反余弦函数,我们可以算这个角,它等于反余弦v和w的点积 除以 v和w的大小点积:

还可以理解为 反余弦v的标准化点积 w的标准化点积:

点积运算

好了,我们要采用更好的方式来计算内积(点积)。

要计算v w ,我们可以将v 和 w的相应坐标相乘,然后相加:

例如:

那么结合之前学过的求角的等式,来看例子:

向量与角的联系

两个向量之间的点积和角之间的联系,会出现比较有趣的结果。

我们来看看,如图:

上图的x无论有多大,它小于等于1。

根据之前的等式:

我们知道:

再把它精简为下图,这就是著名的不等式:柯西-许西尔兹不等式(Cauchy - Schwarz Inequality)

你会发现线性代数和普通数学中经常出现这一不等式。

假设 v 和 w 都不是零向量。如果为零向量,它们的点积会自动化为 0。

1.

如果下面等式成立:

对之前的等式这意味着:

所以,它们的方向指向同一方向:

2.

如果下面等式成立:

对之前的等式这意味着:

所以,v 和 w 是相反方向:

3.

如果  等于0 呢?

那证明:

所以, v 和 w 互为直角:

向量和它本身

向量与它本身的点积是多少呢?如图:

这种情况下,两个相同的向量的角肯定是0度:

cos0 = 1,所以:

调整后:

这样就多一个角度来看求向量的大小了。


程序员的一生时间90%是用在编程上,而剩余的10%是活在世界上。

向量的内积,与角的关系,向量与它本身点积_4相关推荐

  1. 线性代数 05.01 向量的内积

    第五章相似矩阵及二次型 \color{blue}{第五章 相似矩阵及二次型} §第五章第一节向量的内积 \color{blue}{\S 第五章 第一节 向量的内积} 一.向量的内积 \color{bl ...

  2. 向量内积和夹角的关系

    最近在做文本聚类,用到了奇异值分解,可是我不明白原理,于是复习线性代数.遇到了向量内积和夹角的关系,不太明白. 向量内积,也叫做向量的点积,是两个向量对应分量乘积之和. 如果两个向量是垂直的,那么点积 ...

  3. 一文读懂标量、向量、矩阵、张量的关系

    文章目录 一.标量 百度百科和维基百科 二.向量 向量的四种表示方法 代数表示 几何表示 坐标表示 矩阵表示 百度百科和维基百科 三.矩阵 百度百科和维基百科 四.张量 百度百科和维基百科 五.标量. ...

  4. 向量的内积外积哈达玛积

    1.向量的内积 1.1 定义 从代数角度看,先对两个数字序列中的每组对应元素求积,再对所有积求和,结果即为点积.从几何角度看,点积则是两个向量的长度与它们夹角余弦的积. 表示形式: A T B A^T ...

  5. 向量的内积(点乘)与 向量的外积(叉乘)

    向量的内积(点乘) 定义 概括地说,向量的内积(点乘/数量积).对两个向量执行点乘运算,就是对这两个向量对应位一一相乘之后求和的操作,如下所示,对于向量a和向量b: a和b的点积公式为: 这里要求一维 ...

  6. 线性代数:第五章 相似矩阵及二次型(1)向量的内积 方阵的特征值与特征向量 相似矩阵

    第一节  向量的内积 一.数学概念 1. 内积:设有n维向量 令         , 则称[x,y]为向量x与y的内积. 2. 范数:称  为向量x的范数(或长度). 3. 单位向量:称  时的向量x ...

  7. 线性代数一之矩阵转向量随机化求解——神奇的矩阵(BZOJ)+向量内积

    向量随机化 神奇的矩阵 description solution code [NOI2013]向量内积 description solution code 矩阵既可以看成是一张数位表,也可以看成是若干 ...

  8. 两个向量之间的夹角公式_向量的内积

    向量的内积也叫向量的数量积.点积.我们定义两个向量的内积是一个数: 其中 是这两个向量的夹角. 对于向量的内积,最重要的一个结论是: 定理1:两向量垂直的充分必要条件是它们的内积为 0,即 这个定理我 ...

  9. 论文浅尝 | PairRE: 通过成对的关系向量实现知识图谱嵌入

    笔记整理:黎洲波,浙江大学硕士,研究方向为自然语言处理.知识图谱. 研究背景 知识图谱因其在问答.语义解析和命名实体消歧等任务取得了良好的效果而受到广泛关注,而大部分知识图谱都存在不全和缺失实体链接的 ...

最新文章

  1. 原创 | 斯坦福Machine Learning with Graphs 学习笔记(第一讲)
  2. java textlistener_Java TextView.setOnEditorActionListener方法代码示例
  3. 左右无缝轮播图的实现
  4. bzoj2067: [Poi2004]SZN
  5. 如何恢复matlab关联,恢复matlab文件关联
  6. 前端怎样在浏览器上调整样式找到style来源
  7. Java常用API例子_Java常用API及Math类
  8. mysql mos login_MySQL 中常用的函数
  9. HTML5 桌面通知:Notification API的基础用法
  10. OpenDDS典型idl举例(系统)
  11. 线代 [3]|从增广矩阵漫谈矩阵转置对向量在四个向量子空间内的“飞舞”(第三篇)
  12. Java中日期格式化yyyyMMdd和YYYYMMdd的区别
  13. 机器学习笔记笔记之三——文本类型处理-词袋法、TF-IDF理解
  14. Web前端之HTML+CSS的知识总结
  15. 【解决方案】关于自动生成表hibernate_sequence的问题
  16. ITIL 4Foundation认证
  17. contiki-6lowpan开发环境之搭建
  18. 如何用Serverless搭建Mock Server?
  19. simulink 风电调频,双馈风机调频,VSG虚拟同步机控制
  20. es6语法 箭头函数

热门文章

  1. 关于计算机硬盘属性对话框中,计算机文化基础练习题(2).docx
  2. java中 与%_java中“/”与“%”的区别
  3. 代数学笔记4: Galois基本定理
  4. C++ STL容器vector篇(四) vector容器交换, 预留空间
  5. 安装uwsgi报错:error linking uWSGI解决方法
  6. PreScan中对象沿预设轨迹运动的若干方式介绍
  7. k8s查看pod的yaml文件_每天5分钟|轻松掌握开发工作中必会的k8s-yaml配置说明和常用命令...
  8. Spark之性能优化(重点:并行流数据接收)
  9. day32 java的多线程(4)synchronized
  10. pythonpil安装教程_Python 3.6 -win64环境安装PIL模块的教程