线性代数:向量点乘的意义

1、向量的点乘的意义:

解决不同方向向量间存在的方向问题,不同方向的向量直接乘运算是没有意义的。通过投影的方式,让向量间指向同一方向,向量相乘起来才有了意义。向量的点乘结果为一个标量,向量点乘亦称为向量的内积

在二维空间中,向量的内积有: u ⃗ ⋅ v ⃗ = ∥ u ⃗ ∥ ⋅ ( ∥ v ⃗ ∥ ⋅ c o s θ ) \vec {u} · \vec {v}=\|\vec {u}\|·(\|\vec {v}\|·cos\theta) u v =u (v cosθ)

2、向量点乘在分类上的反映

向量的点乘结果反映在分量上是向量间同属性分量的乘积的和,如 u ⃗ ⋅ v ⃗ = x 1 ⋅ x 2 + y 1 ⋅ y 2 \vec {u} · \vec {v}=x_1 \cdot x_2 + y_1 \cdot y_2 u v =x1x2+y1y2,其中 x 1 ⋅ x 2 x_1 \cdot x_2 x1x2 y 1 ⋅ y 2 y_1 \cdot y_2 y1y2分别是两向量 u ⃗ , v ⃗ \vec {u} ,\vec {v} u v 在参考坐标系的基向量上的投影的乘积,当基向量互相垂直的情况下,两向量的不同属性的分量(如 x 1 ⋅ y y x_1 \cdot y_y x1yy)的相乘是无意义的,分量间的夹角 θ = 9 0 ∘ \theta = 90^{\circ} θ=90,所以不同属分量乘积是0。

3、向量点乘的应用

主要用来计算向量间的夹角 θ \theta θ c o s θ = u ⃗ ⋅ v ⃗ ∥ u ⃗ ∥ ⋅ ∥ v ⃗ ∥ cos\theta=\frac {\vec u \cdot \vec v} {\|\vec u\| \cdot \|\vec v\|} cosθ=u v u v

向量夹角 θ \theta θ 可以用来衡量两个向量的相似程度(余弦相似度的应用)
[ θ < 9 0 ∘ 相似 ; θ = 9 0 ∘ 无关 ; θ > 9 0 ∘ 背离 \theta < 90^\circ 相似 ; \theta = 90^\circ 无关 ; \theta > 90^\circ 背离 θ<90相似;θ=90无关;θ>90背离]
→ \rightarrow 应用领域如推荐系统,商品,电影,音乐的推荐

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

倪桦

有帮助的话请杯咖啡吧,谢谢!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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