内积和外积的物理意义-数学

本文深入解析了向量的内积和外积在物理及几何中的应用。内积反映两向量方向接近程度,其值揭示了同方向积及坐标轴上的投影。外积生成垂直于两向量平面的新向量,遵循右手法则。这些概念是理解傅立叶分析等高级数学理论的基础。

内积和外积的物理意义

Persistently 关注
字数 277 阅读 6,276
  1. 向量的内积
    ab=ab cos(θ)

     向量a和b的长度之积再乘以它们之间的夹角的余弦;
     向量内积的几何解释就是一个向量在另一个向量上的投影的积,
     也就是同方向的积特别的。
     如果一个向量如a是某个坐标轴的单位坐标向量,
     那么,两个向量的内积就是向量b在此坐标轴上的坐标值。
     这个结论非常重要,这是傅立叶分析的理论基础。
     ----------------------------------------------------------
     其他几何意义:从内积数值上我们可以看出两个向量的在方向上的接近程度。
     当内积值为正值时,两个向量大致指向相同的方向(方向夹角小于90度);
     当内积值为负值时,两个向量大致指向相反的方向(方向角大于90度);
     当内积值为0时,两个向量互相垂直
    

2.向量的外积
ab=ab sin(θ)

  a × b为一个新生成的向量,这个向量垂直于a 和 b展成的平面 
 (图中的虚线平行四边形,由线段oa和ob 所确定的平面);  
  同样向量b × a也垂直这个平面,
  但方向与a × b所指的方向相反,
  即 a × b = b × a;(右手法则)

reference: 向量的基本几何意义

0人点赞
"小礼物走一走,来简书关注我"
赞赏支持 还没有人赞赏,支持一下
总资产2 (约0.17元) 共写了3.2W字 获得39个赞 共27个粉丝
关注
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200229211337432.jpg)
向量内积外积范数在不同方面有着重要意义- **向量内积**:虽然给定引用中未直接提及内积意义,但向量内积数学物理领域有重要意义。在数学上,向量内积衡量了两个向量的相似程度。若两个向量内积为0,则两向量正交(垂直)。在物理中,内积可用于计算力所做的功,功等于力向量位移向量的内积。在机器学习领域,内积用于计算样本之间的相似度,如余弦相似度就是基于内积来衡量两个向量方向上的相似性。 - **向量外积**:从引用[4]可知,向量外积结果是一个向量,其模长等于以这两个向量为邻边的平行四边形的面积,即 $|\vec{a}\times\vec{b}| = |\vec{a}|\times|\vec{b}|\sin\theta$,其中 $\theta$ 为两向量的夹角。当 $\theta = 0^{\circ}$ 或 $180^{\circ}$ 时,外积为零向量,可据此判断两向量是否平行。在三维空间中,外积的方向遵循右手定则,它可用于确定平面的法向量等,在物理学中可用于计算力矩等物理量。 - **向量范数**:根据引用[1],向量范数是将向量映射到标量的函数,它衡量了向量的大小或长度。不同类型的范数有不同的意义用途。如引用[3]提到的 $\ell^1$ 范数(曼哈顿范数)较小的向量表现为稀疏的,即大部分元素为零,在机器学习的特征选择中,可通过最小化 $\ell^1$ 范数来实现特征的稀疏化;$\ell^2$ 范数(欧氏范数)较小的向量包含很多较小分量,最小化 $\ell^2$ 范数类似于最小二乘法,常用于回归分析中的误差最小化;$\ell^{\infty}$ 范数表示向量元素绝对值的最大值,可用于衡量向量元素的最大幅度。 ```python import numpy as np # 定义向量 a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) # 计算向量内积 dot_product = np.dot(a, b) print("向量内积:", dot_product) # 计算向量外积(仅适用于三维向量) cross_product = np.cross(a, b) print("向量外积:", cross_product) # 计算向量的不同范数 l1_norm_a = np.linalg.norm(a, 1) l2_norm_a = np.linalg.norm(a, 2) linf_norm_a = np.linalg.norm(a, np.inf) print("向量 a 的 l1 范数:", l1_norm_a) print("向量 a 的 l2 范数:", l2_norm_a) print("向量 a 的 l∞ 范数:", linf_norm_a) ```
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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
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