【线性代数】1-2:点乘和长度(Dot Products and Length)

原文地址1：https://www.face2ai.com/Math-Linear-Algebra-Chapter-1-2转载请标明出处

Abstract: 介绍点乘，length
Keywords: dot product，length

点乘和长度

点乘

点乘，也就是说向量乘法不止一种，我们今天来介绍的是比较常用的点乘，出了乘法，其实里面还有加法：
定义
dot product or inner product of $\text{v}$ and $\text{w}$
That is
$$\begin{gathered} \text{v}=\left[\begin{array}{c}{v}_1\\ v_2\end{array}\right] \\ \text{w}=\left[\begin{array}{c}{w}_1\\ w_2\end{array}\right] \end{gathered}$$

$$\text{v}\cdot \text{w}=v_1\times w_1+v_2\times w_2$$

v和w和互换位置，也就是交换律存在。对于多维向量
点乘的结果是：

$$\text{v}\cdot \text{w}=\sum _{i=1}^n{v}_i\ast w_i$$

几何理解

其实代数是完全不需要借助几何图形，也能够非常严谨完备证明所有之间的内在关系，但是将代数与几何相互结合的情况下，可以比较轻松的解决一些几何问题，通过简单的数字计算

长度

长度，向量是有长度有方向的，方向，我们按照坐标起点和终点来确定的，长度也是，按照二维平面，两点之间距离（更准确的说是笛卡尔坐标系下，利用勾股定理来计算的距离）
比如 $(0,0)$ 到 $(v_1,v_2)$ 的距离 $|\text{v}|=\sqrt{v_1^2+v_2^2}$
so
$|\text{v}{|}^2=v_1^2+v_2^2$
眼熟不？厉害不？意外不？
没错就是$\text{v}\cdot \text{v}$

自己和自己的点乘结果就是向量长度的平方。

单位长度向量(Unit Vector)

长度为1的向量，获得方法，非零向量，所有分量除以自己的长度

Angles

90°

点乘结果为0的时候，两个向量夹角为直角，证明：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-EJ12xh11-1592543714284)(https://tony4ai-1251394096.cos.ap-hongkong.myqcloud.com/blog_images/Math-Linear-Algebra-Chapter-1-2/90.png)]

其他角度

后面我们使用到矩阵以后，这个夹角基本没用，但是单位长度的向量相乘，其结果是他们夹角的cos值

Conclusion

这一章讲了线性代数的核心，也就是我们知识树的根基算是讲完了，然后顺着根不断的遍历，这样先后顺序能使知识贯通，顺便吐个槽，我tm就不明白了，为啥上学的时候老师上来就干行列式，干了三个星期，直接干迷糊了，所以，我劝大家，看线性代数的书，如果前三章就有行列式了，这书就不用看了！