美文网首页大数据,机器学习,人工智能大数据机器学习和人工智能入门
两个向量相乘的几何意义是什么?(点乘、内积)

两个向量相乘的几何意义是什么?(点乘、内积)

作者: 脏小明 | 来源:发表于2019-08-17 12:28 被阅读2次

    两向量相乘可以表示为如下形式:

            \vec{a} · \vec{b} = \vert \vec{a} \vert\vert \vec{b} \vert\cos \theta     

    其中,\theta 为向量 \vec{a}  和向量 \vec{b} 之间的夹角。

    上式右边的意思为,一个向量在另一个向量方向上的射影乘以另一个向量的长度。

    即,

    \vec{b}  为单位向量时,两向量的点积为,向量 \vec{a}  在向量 \vec{b} 方向上 “贡献” 长度的多少;

    in general,

    两向量相乘的几何意义可以理解为:

    在以\vert \vec{b}  \vert 为单位长度时,向量\vec{a} 在向量\vec{b} 方向上的贡献长度;

    或在以\vec{a} 为单位长度时,向量\vec{b}在向量\vec{a}方向上贡献的长度。

    另外,如果当两个向量长度相等,或者将两个向量 化为其所在方向的单位向量(如:\frac{\vec{a} }{\vert \vec{a}  \vert } \frac{\vec{b} }{\vert \vec{b}  \vert } )时,两个向量的点积得到的结果为两向量的夹角\cos \theta ,可以通过这个夹角的大小来判断两个向量的相似性。即,当两个向量为单位向量时,它们点积的几何意义也可以理解为他们的相似性(越大越相似,越小越不相似。这个原理常被用于判断文本的相似性)。

    相关文章

      网友评论

        本文标题:两个向量相乘的几何意义是什么?(点乘、内积)

        本文链接:https://www.haomeiwen.com/subject/gpbhsctx.html