人工智能中的数学基础-内积和外积

向量内积（点积、数量积）与外积（叉积、向量积）

1.内积

a和b的点积公式为：（也就是投影）

                                     a.b=|a||b|cos（a, b） 。

1）推导下面坐标表达式： 

                           

        

                                

                                    

              

                                

                                    

2）推导余旋定理：

                                        C2=(a-b)2=a2+b2-2ab =a2+b2-2|a||b|cos（a, b）

3） 点积的集合意义： 

         1. 计算a(b)向量到b(a)向量的投影。

         2. 求两向量的是否同方向，若为不同方向，其夹角是多少。

2.外积

外积的定义为：

                  

1）推导坐标表达式（以三维举例）：

        

          为了便于计算，写成行列式的方式如下：

        

        叉积与行列式     http://www.sohu.com/a/115069003_468732

    2）推导坐标表达式（二维）：    

          如果z为0，那么向量可以看成是2维，那么axb = x1y2-x2y1 

    3） 进一步证明坐标表达式与定义是相等的。

   

         |a||b|sinQ=|a||b|sin(b-a)=|a||b|(cosasinb-sinacosb) 刚好与x1y2-x2y1相等。

     4）叉积的意义

            1. 三维叉积直接就是求法向量

           2. 不管是2维还是3维，求出来的值||a||b|sinQ|正好是这两个向量构成的平行四边形的面积。那么，三角形面积为1/2这个值。

               因为z为0三维就变成2度，同样形状的三角形，从二维拿到三维，其面积就是不变的。

2. 混合积

    

        其几何意义为：