人工智能数学基础-线性代数2:向量的点积、內积、数量积和外积
☞ ░ 老猿Python博文目录░
一、内积
1.1、定义
内积(inner product)又称数量积( scalar product)、点积(dot product),是指接受在实数R上的两个向量并返回一个实数值标量的二元运算。
两个向量a = [a1, a2,…, an]和b = [b1, b2,…, bn]的点积定义为:
a·b=a1b1+a2b2+……+an*bn。
使用矩阵乘法并把(纵列)向量当作n×1 矩阵,点积还可以写为:
以上定义方法为代数定义,表示向量a和b的点积等于a的转置矩阵和矩阵b的乘积。向量是将几何问题转化为代数问题的桥梁,向量点积的计算其实也可以使用几何方式计算。
1.2、內积的几何计算方法
设二维空间内有两个向量a 和b ,它们的夹角为 θ(区间为[0,π]),则内积定义为以下实数:
特别地,如果向量a和自己自乘,此时θ为0,cosθ=1,右边就变成了向量a的模的平方,左边变成了向量a的转置矩阵和a自身的乘积,所以才有上节的单位向量等式:
相关符号表示请参考《https://blog.csdn.net/LaoYuanPython/article/details/112410587 人工智能数学基础-线性代数1:向量的定义及向量加减法》的介绍。
注意:该定义只对二维和三维空间有效。
1.3、运算律
更多内容请参考百度文库关于点积的介绍
1.4、正交向量
正交向量指点积为零的两个或多个向量。
如果两个向量正交意味着它们是相互垂直的,若向量α与β正交,则记为α⊥β。
正交向量组是一组非零的两两正交即内积为0的向量构成的向量组。
如果正交向量组对应的每个向量都是单位向量,则称这些向量为单位正交向量。
设y1,…,yn为n单位正交向量组,则其中的任意两个向量的內积为:
其中(yi,yj)表示yi和yj的內积。
二、外积
2.1、外积定义
外积(outer product)又称为矢量积、叉积、矢积、叉乘、向量积,向量a和向量b的外积形成一个垂直于原来的向量a、b的向量c,c的长度等于a、b构成的平行四边形的面积。两个向量a、b的外积表示为:
向量a、b外积的模与向量a的模和向量b的模的关系如下:
其中θ为向量a和向量b的夹角。
2.2、右手定则及外积方向
在三维坐标系中x、y、z为三个坐标轴,右手定则为伸开右手手掌,四个手指从x轴正方向方向转到y轴正方面,则大拇指方向即为z正轴方向。
向量a、b的外积向量c垂直于向量a和向量b,方向符合右手定则。
2.3、外积的代数表示
假设三维坐标系中,向量a(x1,y1,z1)、向量b(x2,y2,z2)的外积坐标可以通过如下方式计算得出:
a × b = (x1,y1,z1)×(x2,y2,z2)=(y1*z2-y2*z1,z1*x2-z2*x1,x1*y2-x2*y1)
2.4、外积相关公式
由于输入的问题,下面公式中的英文字母如非特别说明表示向量:
- 反对称性:a × b= - b× a
- 分配律:a × (b+c) = a ×b +a ×c
- 二重(双重)外积公式:
a × (b×c )= b(a · c) − c(a ·b) 或 a×(b×c)=-(b×c)×a=(a·c)b-(a·b)c
- a × a= 0
- (ka)× b = a × (kb) = k(a × b ),其中k为实数,a、b为向量
更多外积参考资料请参考百度百科关于外积的解释。
三、小结
本文介绍了向量的內积和外积的概念,以及相关的运算公式。
写博不易,敬请支持:
如果阅读本文于您有所获,敬请点赞、评论、收藏,谢谢大家的支持!
更多人工智能数学基础的介绍请参考专栏《人工智能数学基础 》
专栏网址:https://blog.csdn.net/laoyuanpython/category_10382948.html
关于老猿的付费专栏
- 付费专栏《https://blog.csdn.net/laoyuanpython/category_9607725.html 使用PyQt开发图形界面Python应用》专门介绍基于Python的PyQt图形界面开发基础教程,对应文章目录为《 https://blog.csdn.net/LaoYuanPython/article/details/107580932 使用PyQt开发图形界面Python应用专栏目录》;
- 付费专栏《https://blog.csdn.net/laoyuanpython/category_10232926.html moviepy音视频开发专栏 )详细介绍moviepy音视频剪辑合成处理的类相关方法及使用相关方法进行相关剪辑合成场景的处理,对应文章目录为《https://blog.csdn.net/LaoYuanPython/article/details/107574583 moviepy音视频开发专栏文章目录》;
- 付费专栏《https://blog.csdn.net/laoyuanpython/category_10581071.html OpenCV-Python初学者疑难问题集》为《https://blog.csdn.net/laoyuanpython/category_9979286.html OpenCV-Python图形图像处理 》的伴生专栏,是笔者对OpenCV-Python图形图像处理学习中遇到的一些问题个人感悟的整合,相关资料基本上都是老猿反复研究的成果,有助于OpenCV-Python初学者比较深入地理解OpenCV,对应文章目录为《https://blog.csdn.net/LaoYuanPython/article/details/109713407 OpenCV-Python初学者疑难问题集专栏目录 》。
前两个专栏都适合有一定Python基础但无相关知识的小白读者学习,第三个专栏请大家结合《https://blog.csdn.net/laoyuanpython/category_9979286.html OpenCV-Python图形图像处理 》的学习使用。
对于缺乏Python基础的同仁,可以通过老猿的免费专栏《https://blog.csdn.net/laoyuanpython/category_9831699.html 专栏:Python基础教程目录)从零开始学习Python。
如果有兴趣也愿意支持老猿的读者,欢迎购买付费专栏。
跟老猿学Python!
☞ ░ 前往老猿Python博文目录 https://blog.csdn.net/LaoYuanPython ░
人工智能数学基础-线性代数2:向量的点积、內积、数量积和外积相关推荐
- 人工智能数学基础-线性代数3:线性空间、线性相关及基
☞ ░ 老猿Python博文目录░ 一.向量空间(线性空间)及基域 线性空间是在考察了大量的数学对象(如几何学与物理学中的向量,代数学中的n元向量.矩阵.多项式,分析学中的函数等)的本质属性后抽象出来 ...
- 人工智能数学基础-线性代数4:矩阵及矩阵运算
☞ ░ 老猿Python博文目录░ 本节用到了行列式的相关知识,而在行列式中用到了矩阵知识,但总体来说先介绍矩阵再介绍行列式更合适一些,行列式的知识大家只需要知道一个矩阵A对应的行列式记为符号|A|, ...
- 人工智能数学基础-线性代数5:行列式求解线性方程组和拉普拉斯定理
☞ ░ 老猿Python博文目录░ 一.逆序及逆序数 在一个排列中,如果一对数的前后位置与大小顺序相反,即前面的数大于后面的数,那么它们就称为一个逆序.一个排列中逆序的总数就称为这个排列的逆序数.也就 ...
- (二)从零开始学人工智能—数学基础:线性代数
线性代数 上一部分介绍了机器学习的本质是找到一个最优化的映射关系,也就是函数/模型.接下来几章我会陆续给大家介绍AI的数学基础,本章将首先给大家介绍线性代数如何应用于AI. 1. 从初等函数到高等数学 ...
- 一、人工智能数学基础——线性代数
01 向量空间 1.1定义和例子 1.2向量及其运算 1.3向量组的线性组合 1.4向量组的线性相关性 02 内积和范数 2.1内积的定义 2.2范数的定义 2.3内积的几何解释 03矩阵和线性变换 ...
- 人工智能数学基础专栏目录
☞ ░ 前往老猿Python博文目录 ░ 本专栏为人工智能数学基础,相关内容介绍人工智能相关的数学知识,在老猿学习过程中,会将一些知识的基础知识都在本专栏内体现,尽量做到本专栏涉及知识点的内容闭环. ...
- 2.1 內积与欧几里得空间
文章目录 內积与欧几里得空间 內积与欧几里得空间 V V V是实数域 R \R R上的线性空间 ∀ x , y ∈ V \forall x,y\in V ∀x,y∈V 制定某种规则使得x与y对应一个实 ...
- 人工智能数学基础之线性代数(二)
前言 本文只会记录人工智能中所用到的线性代数知识,并不会记录大学线性代数教材中的所有知识. 现在CSDN不能发超长的文章了,只能分成多篇发布. 人工智能数学基础之线性代数(一) 人工智能数学基础之线性 ...
- 机器学习和深度学习之数学基础-线性代数 第一节 向量及线性映射
转自:https://blog.csdn.net/yong_bai/article/details/80033516 yong_bai 发布于2018-04-18 21:40:15 阅读数 1440 ...
最新文章
- js填充select下拉框并选择默认值
- j2ee三大框架怎么选_【漯河衡器】怎么选地磅?新手选地磅的三大标准
- ★Kali信息收集~★6.Dmitry:汇总收集
- SQL 聚合函数一定要跟group by以及NULL的关系的案例精讲
- Maven学习(六)————企业Maven项目最佳实践
- 太原理工微型计算机控制试卷,太原理工大学微机原理考试(13届葬仪落整理).docx...
- SQL Server执行计划面试问题
- 深入了解 Loader
- 完整的微服务系统应该包括哪些功能?
- 《高质量C编程指南》读后感
- Abp Quartz配置Sqlite
- 爬取虎嗅 5 万篇文章告诉你怎么样取标题
- 启用计算机的快捷键,电脑开机启动项选择快捷键大全
- 日文windows系统 oracle数据库乱码的处理
- php挂机源码,织音QQ助手QQ互赞挂机开源版源码
- 《疯狂Java讲义》读书笔记(七):Swing编程
- ​万邦医药在创业板过会:上半年收入约1亿元,陶春蕾母子为实控人​
- 图形界面介绍——Blockage相关
- 1200PLC和Modbus485主站DCS系统通讯
- 阿里云网盘内测地址,阿里云网盘申请内测资格链接
热门文章
- Ubuntu 网络用不了
- 第二十五章 摄像保存示例
- 基于SpringBoot的阳光线上交友系统
- Python:实现inverse matrix逆矩阵算法(附完整源码)
- arm-linux-gcc编译x264
- web后端开发需要会前端吗_前端和后端Web开发之间的区别
- 十六进制颜色码大全(带图)
- 苹果手机用计算机怎么表白,隐藏在iphone短信中的自带功能,超适合表白,快学起来...
- JAVA Email——利用java完成发送电子邮件(包括附件)
- 云扩科技受邀出席苏信会CIO沙龙,RPA赋能制造业转型升级