向量知识

高等数学:向量 另一个重要的情况是一个向量和自己点积,这时候点积的结果就是向量长度的平方,或者说向量的长度就等于与自身点积的平方根。在二维平面中,一个二维向量可以用一个箭头来表示,这个箭头起始于原点,终点坐标。三维向量和二维向量类似,可以表示为三维平面中的一个箭头,只不过坐标变成了。如果两个的向量的点积为零,说明这两个向量是垂直的,它们之间的角度为。我们可以直观地看到这种情况,当这两个向量分别为单位向量。而当两个向量之间的角度等于。当两个向量之间的角度大于。分别为向量中的两个元素,而。当两个向量之间的角度小于。 阅读详情

转载于:
http://www.cnblogs.com/mytudousi/archive/2011/10/24/2223052.html


看到向量和矩阵在三维开发中的重要性,我就发现当时在上学的时候学的线性代数是多么重要。高中的时候似乎也学了一点向量。要知道那么重要的话,就不混学分了。再说谁知道现在我会对三维感兴趣,去搞三维呢。

向量和矩阵是三维里面很重要很基础的数据知识。在数学家眼里,向量是一个数字列表,在程序员眼里,向量就是一个数组,而在几何意义上,向量就是一个有方向的值。在理解上,我们通过数字列表和数组可能不太好理解,但通过几何图形,就可能清晰很多。我觉得应该绝大部分人都学过线性代数,只是还能记得多少呗了。

标量

标量是我们日常用的最多的,它是对我们平常所用的数字技术的称谓。例如我们买的菜多少斤,房子多少平。但这些例子不好和向量比较。速度和速率是我们经常拿来比较向量和标量的例子。记得我们高中时候做得物理题吗?是不是那些出题的老师经常拿速度和速率忽悠我们,引我们上当?速度,我们可以说我们正以每小时60千米的速度行驶,而速率就是我们以每小时60千米的速度向东行驶。是的,速率就是在速度的基础上加了个方向。同样向量也是在标量的基础上加了个方向。

向量

我们先从简单的二维向量说起。二维向量就是在二维平面上的一个线段箭头。线段存储了向量的长度,箭头指明了向量的方向。那向量存在什么地方?很遗憾,向量是没有位置信息的,它只有大小和方向。这听起来是不是很不可思议?举个例子就明白了,还是汽车行驶的例子。汽车正以每小时60千米的速度向东行驶,你需要问每小时60千米向东在什么位置吗?你要问了,别人要么认为你是一个哲学家,在思考一个正常人不敢想象的哲学问题,要么你可能被认为是精神出了问题。就向,我们要实现共产主义,这似乎也是一个哲学问题。

这样大家应该明白向量是一个什么东西了。三维向量就是由三个值组成,可以表示物体在三维世界中的位移或方向等。但向量的维数是不定的,但到四维的时候,我就没有办法通过几何来表示了,似乎在脑子里也很难想象,现实的空间范围已经不够用了。就想小孩子算算术,无法用自己的十个手指表示了。再往上时,就得需要从数学上理解了,于是出现了很多的数学公式。

向量的长度

这个很多人应该都明白,直角三角形,勾股定理就算出来了,算是比较简单好理解的。即使在三维范围内,也是一样。向量大小是一个非负的标量。

二三维向量的长度公式

标量与向量的乘法

标量与向量的乘法非常直接,把标量和向量里面的值分别相乘即可,得到的结果是一个向量。

N维向量与标量相乘公式

在三维情况下,相乘的公式如下:

三维向量与标量相乘公式

标量和向量相乘的几何意义。标量和向量相乘相当于改变向量的长度。例如要把向量长度加倍,应该乘以2,如果向量长度要缩短一半,需要乘以0.5。当标量小于0时,向量的方向会指向反方向。例如向量的长度要缩短一半,方向反向,需要乘以-0.5。

标准化向量

有时候,我们只关心方向,而不关心向量的大小。例如在设置摄像机头方向时,只需要设置摄像头顶朝向时,只需要设置头顶的方向就可以了,不需要知道其大小。还有水面的反射,折射等,也只需要知道方向即可。标准化向量也叫单位向量,也有时被称为法线。单位向量可以从名字上看出来,就是长度为1的向量。要标准化某个向量,只需要用该向量除以其长度即可。零向量是不允许标准化的,这会导致除以0,在数学上无意义。在几何学上来说,零向量本身就没有方向,所以其也不存在单位向量这么一说。标准化公式如下:

向量标准化代数公式

在几何学上,二维单位向量就是以原点为圆心,以1为半径画得圆,从原点指向画得圆的边线的向量都是单位向量。在三维上,就是以原点为圆心,以1为半径生成的球,从原点到球面的向量为单位向量。再次强调,向量只有方向和大小,没有位置。

二维单位向量

向量的加法和减法

即使最复杂的向量加法和减法也可以拆成两个向量相加的组合。不过对于向量的加减法,我记得似乎在高中时就学过,我对它的几何意义记得很还很清楚。所以,我觉得从几何上带图像的东西来解释某种知识还是很有好处的。而且我也觉得,数学真的很神奇,把代数和几何能够那么融洽的关联到了一起。

首先,如果两个向量的维数不一致,是不能进行加减运算的。下图为向量加法公式:

向量相加代数公式

即使最复杂的向量加法和减法也可以拆成两个向量相加的组合。为什么这么说?其实a-b=a+(-b)=a+(-1b),首先把b和标量-1相乘,然后再和向量a相加。向量相减公式如下:

向量相减代数公式

以上都是一些干巴巴的数学公式,我在高中刚学这个东西的时候就很不明白,算这个东西到底哟偶什么用。随后我们就学了几何,在几何里面用到了向量,我才发现数学很神奇。

下面就介绍一下,我觉得数学神奇四个阶段。

第一个阶段我上小学的时候,那时候计数已经学到了N位数,虽然读起来很费劲,我觉得数学不就是加减乘除吗?数字又能无限大,似乎用这些知识所有的问题都能解决。后来学了分数和方程,三分之一竟然除不尽。哪有这样的数,这样的数存在有意义吗?然后就是方程带给我的震撼,可以设置那么多位置的数,按照已知的规则组成方程,算算就出来了,要是用以前的算术怎么都算不出来。

第二次是上初中学抛物线,那时候觉得一个那样的方程能生成那么漂亮的线,而且还是抛物的,呵呵。线上的点都能满足这个公式。就是因为我的抛物线学的好,初中时成绩一下上来了。不过现在都忘得差不多了。

第三次就是高中时,把代数和几何结合起来了。我上高中时(01-03),代数和几何时两门课,两个老师交。代数讲的好像是数组啥的,我觉得这玩意公式,有什么用?后来学到几何了,一下子和代数讲得知识关联起来了。很神奇。

最后一次,就是高中是接触了一点,大学时才学得微积分。终于似乎有些理解无限逼近,却总也到不了是什么情况。也很神奇。我觉得微积分不仅交给你了他本身的知识,可能也回影响你的思维方式和世界观。以前我老给自己较劲,老是想宇宙的边缘到底在哪里?现在知道就是你老想到,永远也到不到的地方。那到底是哪里?这关我鸟事…

好了,瞎扯完了,继续了…

在几何上,a+b是什么情况呢?首先先平移b向量,把向量b的头平移到a向量的尾巴上。然后从a向量的头向b向量的尾巴画一个向量,头是a的头,尾是平移后向量b的尾。新画得这个向量就是a+b的结果。这个新的向量用代数表示就是上面的公式结果。恩,真的很神奇…

向量相加几何表示

一个点到另一个点得向量

点表示一个位置,如果把位置从一个点移动到另一个点怎么移动?我们还是以比较简答的二维为例来解释。A点得坐标是ax,ay,B点的坐标是bx,by。从A点到B点其实就是B-A。如果我们把A点得值看成是原点到A点得向量呢?就是向量A,值就是[ax,ay],向量B,值就是[bx,by]。从位置A到位置B所移动的向量就是向量B-向量A。这个从几何图形上很容易看出。况且我们在高中应该都学过这些知识。得到值是从A点到B点的向量,要知道向量是有方向的。如果有人说两点之间的向量,那么这个说法本身就是错的。

向量点乘

向量点乘又称向量内积。一说内积我想大家可能会熟悉一些。我记得上学时好像有这么个概念。但具体是干嘛的,就不知道了。下图为向量点乘的代数公式:

向量点乘公式

可见,我们得到的结果是一个标量,但得到的这个标量值代表什么意思呢?

有了代数公式,就要有几何解释。我觉得代数整理那么多公式就是为几何服务的。如果没有几何意义,估计代数上也就不会由这个公式了。点乘结果描述了两个向量的相似程度,得到的结果越大,两个向量就越相近。点乘的结果和向量的夹角有关系。

点乘结果和向量夹角之间的关系

在实际应用中,我们可以通过点乘来求两个向量之间的夹角。下图为公式推导:

两向量夹角公式推导过程

下图为点乘结果符号与角度的关系统计表:

两向量点乘结果符号与角度之间的关系

向量点乘结果的符号和向量的大小没有关系,只和两向量的角度有关系。当两个向量垂直时,两向量点乘结果为0。零向量和任何向量点乘都为0,在几何上我们可以认为零向量和任何向量都垂直。

写到这儿,我已经十分确定,点乘,也就是内积,是在高中是学的。^_^

向量投影

记得我们在高中的时候学物理,用一个绳子拉着小车前进。力作用于绳子是与水平面成30度夹角,力为N牛顿,问小车的加速度是多少。这时我们在计算的时候,就需要分解这个力在水平方向上的分量和垂直方向上的分量。如果说水平方向向前为向量A的话,拉力为向量B,分解到水平方向上的向量为C,那么我们就可以说C是向量B在向量A上的投影。这下就明白多了吧。下图为一个示意图:

向量投影示意图

向量差乘

这个东西…似乎在我记忆里面,高中时也学过。那时候不叫叉乘,好像叫叉积。叉乘只针对三维向量,什么原因,从他们的作用就可以看出来了。在三维中,两个向量就可以确定一个面。有人会问,不是三个点就能确定一个面吗?两个向量可有四个点。那就让我们再说一遍,向量是没有位置的,只有方向和大小,如果你把一个向量的起点和终点关联到一起,不就成三个点了,这三个点形成的面,就是这两个向量形成的面。叉乘是干嘛的呢?叉乘就是求这个面的垂直向量的。

叉乘代数公式

叉乘几何意义示意图

叉乘在实际中,最重要的作用就是创建垂直于平面、三角形、多边形的向量。


转载于:
一维与二维向量vector的使用 在之前一段之间学习相机标定的时候,经常碰到二维向量,查阅了许多博客和相关书籍,书本上只提及到一维向量,二维向量没有相关介绍。网上的博客大多也都写的一知半解,很粗糙,晦涩难懂。今天在几篇好的博文中,又学习了下,有些收获感悟,做下记录,方便以后自己的查阅与学习。 可将向量(vector)视为能在程序运行时改变长度(增大和缩小)的数组。 初始化向量 vector<int&gt... 阅读详情

相关推荐

本地部署deepseek-r1建立向量知识库和知识库检索实践【代码】

本地部署DeepSeek-r1后,进行探索本地知识库,向量数据库的建立,文档的解析,利用知识库和大模型进行集成检索。

AI人人懂 3125

线性代数之——向量简介

1. 二维向量 在二维平面中,一个二维向量可以用一个箭头来表示,这个箭头起始于原点,终点坐标 (x,y)(x, y)(x,y) 分别为向量中的两个元素,而 cvc\boldsymbol{v}cv 与 dwd\boldsymbol{w}dw 的和则是向量 v\boldsymbol{v}v 和 w\boldsymbol{w}w的线性组合。 2. 三维向量 三维向量和二维向量类似,可以表示为三维平面中...

seniusen的博客 7704

构建以向量数据库为中心的动态知识库

1. 背景介绍 随着人工智能和大数据技术的迅速发展,知识图谱作为一种重要的知识表示和管理工具,得到了越来越广泛的应用。知识图谱可以将各种领域的知识进行整合和关联,为智能应用提供丰富的语义信息。然而,传统的知识图谱在处理大规模、动态和复杂的知识时面临着一些挑战,例如知识存储和查询效率低下、知识更新困难等。为了解决这些问题,本文提出了一种基于向量数据库的

AI天才研究院 1351

UnityShader学习笔记(二维数学知识)

UnityShader学习笔记(数学知识) 二维(笛卡尔)坐标系 二维向量(矢量) 具有方向的线段叫做有向线段,以A为起点、B为终点的有向线段作为向量,可以记作 v = B - A。区别于有向线段,在一般的数学研究中,向量是可以平移的。 一个向量的坐标等于表示此向量的有向线段的终点坐标减去始点的坐标。 二维向量运算(加法) 二维向量运算(加法) 二维向量运算(减法) 二维向量运算(点乘) 根据这个公式就可以计算向量a和向量b之间的夹角。从而就可以进一步判断这两个向量是否是同一方向,是否正交(也就是

再学一个就睡的博客 771

知识图谱的知识表示:向量表示方法

知识向量表示

满腹的小不甘 2423

innovus 命令每日精要 | 掌控Innovus布线的利器——setNanoRouteMode详解

在数字IC后端设计的复杂世界里,布线优化是至关重要的一步。今天,我来给大家深入讲解Innovus工具中setNanoRouteMode命令的精妙之处,让你轻松驾驭布线策略,提升设计质量。setNanoRouteMode是Innovus中用于配置NanoRoute绕线行为的关键命令。通过其丰富的参数,你可以精细控制布局后阶段的绕线策略、信号完整性优化、工艺适配及设计规则修复等流程。下面,我将按功能分类总结其核心选项,并针对不同场景给出建议。

weixin_50820814的博客 3528

3D数学基础——向量与矩阵变换

向量相乘 1. 点乘 两个向量的点乘等于他们的数乘结果乘以两个向量之间家教的余弦值。 v¯⋅k¯=||v¯||⋅||k¯||⋅cosθ cosθ=v¯⋅k¯||v¯||⋅||k¯|| 通过点乘的结果计算两个非单位向量的夹角 2. 叉乘 叉乘只在3d空间中有定义,他需要两个不平行向量作为输入,生成一个正交于两个输入向量的第三个向量 矩阵相乘 1. 矩阵相乘的限制: a. 只有当左侧矩阵的列数与右侧矩阵...

qq_25065595的博客 1537

强化学习入门8—深入理解DDPG

本文是强化学习入门系列的第八篇,前面我们讲Actor-Critic时提到了DDPG。DDPG是google DeepMind团队提出的一种用于输出确定性动作的算法,它解决了Actor-Critic 神经网络每次参数更新前后都存在相关性,导致神经网络只能片面的看待问题这一缺点。同时也解决了DQN不能用于连续性动作的缺点。

小菜羊的博客 4314

向量及向量知识库介绍

向量数据库是用于高效计算和管理大量向量数据的解决方案。向量数据库是一种专门用于存储和检索向量数据(embedding)的数据库系统。它与传统的基于关系模型的数据库不同,它主要关注的是向量数据的特性和相似性。在向量数据库中,数据被表示为向量形式,每个向量代表一个数据项。这些向量可以是数字、文本、图像或其他类型的数据。向量数据库使用高效的索引和查询算法来加速向量数据的存储和检索过程。

weixin_40280870的博客 1777

保姆级教程:SAP ABAPer如何为VF01销售发票和MIRO发票校验配置凭证替代(含AC_DOCUMENT BADI完整代码示例)

本文详细解析了SAP ABAP中通过AC_DOCUMENT BADI实现VF01销售发票和MIRO发票校验的凭证替代技术。从技术选型到BADI实施步骤,再到核心逻辑代码示例,为ABAP开发者提供了一套完整的解决方案,帮助应对财务部门复杂的业务需求。

weixin_30421809的博客 350

论文阅读:SuperGaussians: Enhancing Gaussian Splatting Using Primitives with Spatially Varying Colors

Gaussian Splattings 在基于高斯显式表示的多视图重建中展示出了令人印象深刻的结果。然而,当前的高斯基元只有单视图依赖的颜色和不透明度来表示场景的外观和几何形状,导致了一种非紧凑的表示。在本文中,我们引入了一种名为“超高斯(SuperGaussians)”的新方法,它在单个高斯基元中利用空间变化的颜色和不透明度来提高其表示能力。我们实现了双线性插值、移动核,甚至是小型神经网络作为空间变化函数。

m0_48319749的博客 1508

细说向量化知识库

向量化知识库本质上是优化检索和信息组织的方式,它通过**语义向量化(Embedding)技术,将文本内容转换成数学向量存储在向量数据库(Vector Database)**中,便于大模型进行高效查询和匹配。突破 LLM 训练时间点的限制,让 AI 能够访问新信息。优化 Prompt 长度,减少无关内容,降低 Token 费用。节省计算资源,相比直接传输完整文档,更节省算力。与其把整个知识库硬塞进 LLM 的 Prompt,不如用向量化检索。

weixin_47420447的博客 3883

拆解大疆M300电池BMS:基于TI TIDA-010030方案的硬件架构深度分析

本文深度解析了大疆M300无人机电池管理系统(BMS)基于TI TIDA-010030参考设计的硬件架构。通过对比TI方案与大疆实现的差异,详细介绍了BQ7694003监控前端和BQ34Z100电量计的优化设计,以及通信架构的可靠性改进。文章还揭示了大疆在成本、空间和标准化方面的工程妥协与创新平衡,为锂电池保护方案提供了实践参考。

weixin_27066963的博客 237

【AI大模型】向量及向量知识库

向量数据库是用于高效计算和管理大量向量数据的解决方案。向量数据库是一种专门用于存储和检索向量数据(embedding)的数据库系统。它与传统的基于关系模型的数据库不同,它主要关注的是向量数据的特性和相似性。在向量数据库中,数据被表示为向量形式,每个向量代表一个数据项。这些向量可以是数字、文本、图像或其他类型的数据。向量数据库使用高效的索引和查询算法来加速向量数据的存储和检索过程。

weixin_42548337的博客 1580

基于 ESP32 与 TDS 传感器的水培营养液离子浓度自动配比系统设计与实现

本系统以 ESP32 为主控芯片,结合 TDS(总溶解固体)传感器实时监测水培营养液中的离子浓度,通过蠕动泵自动补充浓缩营养液或清水,实现营养液 EC 值的闭环自动配比。系统适用于家庭及小型农场的水培种植场景,可稳定维持营养液浓度在作物生长所需的最佳区间。

weixin_42300449的博客 77

基于STFT和卷积神经网络的时序数据分类

我们提供了相应的代码和数据,读者可以直接运行并尝试在自己的数据集上进行分类实验。在本文中,我们将介绍一种基于短时傅里叶变换(STFT)和卷积神经网络(CNN)的时序数据分类方法。我们将提供可直接运行的代码和数据,以帮助读者理解和实现这一方法。STFT可以提取信号的频谱信息,有助于捕捉时序数据中的关键特征。在这个例子中,我们将使用一个简化的手势识别数据集作为示例。在这段代码中,我们使用Adam优化器和稀疏分类交叉熵损失函数进行模型的编译。然后,我们使用训练集进行模型的训练,同时使用测试集进行模型性能的验证。

CodeWOW的博客 694

关于embedding向量模型的知识

embedding。

本博客,博文仅代表个人操作经验,不能完全解决你的问题,仅供参考,佛系回复。 1838

FPGA JTAG接口设计全解析

JTAG是FPGA开发的核心接口,主要用于代码下载和在线调试。14-pin设计中包含TCK、TMS、TDI、TDO四个关键信号,采用信号-地布局增强抗干扰能力,TCK建议串联电阻。10-pin设计需注意转接适配,并推荐使用RCLAMP0524P等低电容TVS二极管进行ESD防护。两种接口设计都强调信号完整性和可靠性,建议PCB布局时保持JTAG走线短且预留调整空间。

在读研究生,FPGA电路设计与功能开发。 2181

向量知识库到底是什么?AI时代下的智能知识管理方式

向量知识库(Vector Knowledge Base)是一种基于语义理解,将文本信息转化为“向量”(即数值形式)并存储于数据库中的智能知识库。它通过向量检索技术,让系统“理解”用户意图,实现更精准的信息匹配和推荐。简单来说,向量知识库让“知识不再只是文字”,而是具备了“被机器理解”的能力。在AI时代,向量知识库不仅是技术革新,更是企业提升知识管理效率、增强员工赋能的关键。通过引入向量化搜索与智能推荐,企业能够释放知识的真正价值。如果你正在寻找一款支持向量知识库的SaaS工具,不妨试试HelpLook。

LookLook同学的博客 1233

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

知识图谱从入门到应用——知识图谱的知识表示:向量表示方法

前文已经介绍过,向量化的表示已经在人工智能的其他领域非常常见,例如在自然语言处理中,可以为句子中的每个词学习一个向量表示(Word Embedding),在图像视频中也可以为每个视觉对象学习一个向量表示。对于知识图谱,也可以为其中的每一个实体和关系学习一个向量表示,并利用向量、矩阵或张量之间的计算,实现高效的推理计算。

冯·诺依曼 1万+

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

第三章 搭建向量知识库 -notes

本文是llm-universe项目第三章的读书笔记

soildbasil_的博客 1940

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

知识库②——向量化 (Embedding):从文本片段到语义向量

中文/多语 + 本地部署:优先BGE-M3云端稳定 + 免运维:选已有 E5 系统或轻量多语:可用从文本片段 → 向量知识库文本切片 (Chunks)↓ Embedding 模型编码 → 向量表示↓ 存储与索引 (Vector DB: FAISS / Pinecone / Weaviate / Chroma / Milvus / Qdrant)↓ Chunk ↔ Metadata 绑定↓ 可检索的语义知识库Embedding 模型选择决定了检索精度、语言适配性与部署方式:中文/多语本地 →。

weixin_47420447的博客 1335

基于睡眠知识的RAG知识向量库构建

大模型本身知识存在“幻觉”(hallucination)问题,RAG通过外部检索获取最新、权威的信息,能显著降低错误回答。传统大模型一旦训练完成,知识就固定。RAG不需要重新训练,只需更新外部知识库即可保持模型知识的实时性和扩展性。不需要把所有领域知识都训练进模型参数,而是通过外部文档检索补充,大大减少了对超大规模模型的依赖。可以快速接入专业领域知识库(医学、法律、金融等),让通用大模型具备专业问答能力,而无需昂贵的再训练。回答时能给出对应的检索文档或出处,便于用户追溯信息来源,提高可信度。

GSD_liu的博客 1116

向量知识库提升测试准确性

AITS智能测试平台通过构建向量知识库,将分散的测试知识(业务逻辑、UI元素、接口规范等)转化为结构化语义信息,显著提升自动化测试的准确性和效率。该知识库支持精准语义检索,赋能大模型生成符合业务场景的测试用例,实现"智能解析+精准定位"的UI自动化和接口流程编排。平台采用AI生成与人工审核的闭环机制,持续优化知识库质量,形成"越用越准"的良性循环,有效解决了传统自动化测试中元素定位模糊、逻辑偏差等问题。

行者 426

知识库配置-向量模型和向量维度

在配置知识库的时候,常常遇到的配置项就是向量模型和向量维度,他们分别代表什么意思呢?

m0_59235245的博客 412

笔记langchain-知识向量库构建

实现自kaggle。

weixin_63144777的博客 1083
上一篇: 理解矩阵(二)
下一篇: 理解矩阵(三)
CCCStudyer
博客等级 码龄16年 14粉丝 9原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值