向量內積

向量內積

在數學中,數量積(dot product; scalar product,也稱為點積)是接受在實數R上的兩個向量並返回一個實數值標量的二元運算。它是歐幾里得空間的標準內積。 兩個向量a = [a1, a2,…, an]和b = [b1, b2,…, bn]的點積定義為: a·b=a1b1 a2b2 …… anbn。 使用矩陣乘法並把(縱列)向量當作n×1 矩陣,點積還可以寫為: a·b=a^T*b,這裡的a^T指示矩陣a的轉置。

基本信息

定義

代數定義

設二維空間內有兩個向量和定義它們的數量積(又叫內積、點積)為以下實數:
公式公式

更一般地,n維向量的內積定義如下:
公式公式

等價性

以三維空間為例子
①幾何定義推導代數定義
根據向量坐標的意義可知
根據點乘的分配律得
又,
所以
注意:點乘的分配律在空間內可通過幾何證明,無需藉助向量關係,因此不屬於循環推導。
②代數定義推導幾何定義
設,,它們的終點分別為和,原點為O,夾角為。則
在△OAB中,由余弦定理得:
利用距離公式對這個等式稍作處理,得
去括弧、合併得
注意:餘弦定理和距離公式亦無需向量知識
點積的值編輯
u的大小、v的大小、u,v夾角的餘弦。在u,v非零的前提下,點積如果為負,則u,v形成的角大於90度;如果為零,那么u,v垂直;如果為正,那么u,v形成的角為銳角。
點積
點積
兩個單位向量的點積得到兩個向量的夾角的cos值,通過它可以知道兩個向量的相似性,利用點積可判斷一個多邊形是否面向攝像機還是背向攝像機。
向量的點積與它們夾角的餘弦成正比,因此在聚光燈的效果計算中,可以根據點積來得到光照效果,如果點積越大,說明夾角越小,則物理離光照的軸線越近,光照越強。
運算律編輯
交換律:
分配律:
結合律:,其中m是實數。
套用編輯
平面向量的數量積a·b是一個非常重要的概念,利用它可以很容易地證明平面幾何的許多命題,例如勾股定理、菱形的對角線相互垂直、矩形的對角線相等等。如證明:
(1)勾股定理: Rt△ABC中,∠C=90°,則
|CA|²+|CB|²=|AB|²。
∵AB=CB-CA
∴AB²=(CB-CA)²=CB·CB-2CA·CB+CA·CA
又∵∠C=90°,有CA⊥CB,於是CA·CB=0
∴AB²=AC²+BC²
(2)菱形對角線相互垂直:菱形ABCD中,點O為對角線AC、BD的交點,求證AC⊥BD。
設|AB|=|BC|=|CD|=|DA|=a
∵AC=(AB+BC),BD=(BC+CD)
∴AC·BD=(AB+BC)·(BC+CD)=a²cos(π-α)+a²-a²+a²cosα
又∵cosα=-cos(π-α)
∴AC·BD=(AB+BC)·(BC+CD)=0
∴AC⊥BD
在生產生活中,點積同樣套用廣泛。利用點積可判斷一個多邊形是否面向攝像機還是背向攝像機。向量的點積與它們夾角的餘弦成正比,因此在聚光燈的效果計算中,可以根據點積來得到光照效果,如果點積越大,說明夾角越小,則物理離光照的軸線越近,光照越強。物理中,點積可以用來計算合力和功。若b為單位矢量,則點積即為a在方向b的投影,即給出了力在這個方向上的分解。功即是力和位移的點積。計算機圖形學常用來進行方向性判斷,如兩矢量點積大於0,則它們的方向朝向相近;如果小於0,則方向相反。矢量內積是人工智慧領域中的神經網路技術的數學基礎之一,此方法還被用於動畫渲染(Animation-Rendering)。
線性變換中點積的意義:
根據點積的代數公式:a·b=a1b1+a2b2+……+anbn,假設a為給定權重向量,b為特徵向量,則a·b其實為一種線性組合,函式F(a·b)則可以構建一個基於a·b+c=0(c為偏移)的某一超平面的線性分類器,F是個簡單函式,會將超過一定閾值的值對應到第一類,其它的值對應到第二類。

熱門詞條

聯絡我們