向量内积 (inner product),也称点积 (dot product)、标量积 (scalar product),是在线性代数中常见的一种运算,它是两个向量之间的一种数学运算。
给定两个 n 维向量 a = [a1, a2, …, an] 和 b = [b1, b2, …, bn],它们的内积定义为a · b = a1b1 + a2b2+ … + anbn。这个公式的意义是将两个向量的对应分量相乘,然后将乘积相加,从而得到它们的内积。
例如,如果有两个二维向量分别为 a = [1, 2] 和 b = [3, 4],则它们的内积为:a · b = 1 × 3 + 2 × 4 = 11。向量内积的结果是一个标量,也就是一个值,而不是向量。它可以用来计算向量之间的夹角,衡量它们的相似性,以及用于向量空间的正交分解等。
在实际应用中,向量内积被广泛用于机器学习、计算机视觉、信号处理、物理学等领域。在机器学习中,向量内积常用于计算特征之间的相似度,从而进行分类、聚类等任务。在计算机视觉中,向量内积可以用于计算两个图像之间的相似度。
向量,内,点,标。谐音:标点内向。好记了吧?