在向量空间中,两个向量的点积(也称为内积或数量积)可以用几何方式解释。假设有两个向量 a ⃗ \vec{a} a 和 b ⃗ \vec{b} b,它们的点积为 a ⃗ ⋅ b ⃗ \vec{a}\cdot\vec{b} a⋅b,则它们的几何意义如下:
-
a ⃗ ⋅ b ⃗ \vec{a}\cdot\vec{b} a⋅b 的值等于 a ⃗ \vec{a} a 在 b ⃗ \vec{b} b 方向上的投影长度与 b ⃗ \vec{b} b 的长度的乘积。具体来说,可以将 a ⃗ \vec{a} a 沿着 b ⃗ \vec{b} b 方向拆分成两个部分:一个在 b ⃗ \vec{b} b 方向上的投影向量 p ⃗ \vec{p} p,以及一个垂直于 b ⃗ \vec{b} b 方向的向量 r ⃗ \vec{r} r。则 a ⃗ ⋅ b ⃗ \vec{a}\cdot\vec{b} a⋅b 等于 p ⃗ \vec{p} p 的长度与 b ⃗ \vec{b} b 的长度的乘积,即 a ⃗ ⋅ b ⃗ = ∣ p ⃗ ∣ ⋅ ∣ b ⃗ ∣ \vec{a}\cdot\vec{b}=|\vec{p}|\cdot|\vec{b}| a⋅b=∣p∣⋅∣b∣。
-
另一方面, a ⃗ ⋅ b ⃗ \vec{a}\cdot\vec{b} a⋅b 的值也等于 b ⃗ \vec{b} b 在 a ⃗ \vec{a} a 方向上的投影长度与 a ⃗ \vec{a} a 的长度的乘积。和上面类似,可以将 b ⃗ \vec{b} b 沿着 a ⃗ \vec{a} a 方向拆分成两个部分:一个在 a ⃗ \vec{a} a 方向上的投影向量 q ⃗ \vec{q} q,以及一个垂直于 a ⃗ \vec{a} a 方向的向量 s ⃗ \vec{s} s。则 a ⃗ ⋅ b ⃗ \vec{a}\cdot\vec{b} a⋅b 等于 q ⃗ \vec{q} q 的长度与 a ⃗ \vec{a} a 的长度的乘积,即 a ⃗ ⋅ b ⃗ = ∣ q ⃗ ∣ ⋅ ∣ a ⃗ ∣ \vec{a}\cdot\vec{b}=|\vec{q}|\cdot|\vec{a}| a⋅b=∣q∣⋅∣a∣。
-
最后,如果 a ⃗ \vec{a} a 和 b ⃗ \vec{b} b 的夹角为 θ \theta θ,则 a ⃗ ⋅ b ⃗ = ∣ a ⃗ ∣ ⋅ ∣ b ⃗ ∣ ⋅ cos θ \vec{a}\cdot\vec{b}=|\vec{a}|\cdot|\vec{b}|\cdot\cos\theta a⋅b=∣a∣⋅∣b∣⋅cosθ。这个公式说明了两个向量的点积等于它们长度的乘积与它们之间夹角的余弦值的乘积。
因此,向量的点积可以用来量化两个向量之间的相似度。如果两个向量的夹角越接近 0 0 0,则它们的点积越大,表示它们越相似;如果夹角越接近 9 0 ∘ 90^\circ 90∘,则它们的点积越小,表示它们越不相似。