惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

V
Visual Studio Blog
N
Netflix TechBlog - Medium
GbyAI
GbyAI
大猫的无限游戏
大猫的无限游戏
博客园 - 三生石上(FineUI控件)
T
Tailwind CSS Blog
IT之家
IT之家
博客园 - Franky
雷峰网
雷峰网
博客园 - 聂微东
腾讯CDC
M
MIT News - Artificial intelligence
B
Blog RSS Feed
博客园_首页
罗磊的独立博客
S
SegmentFault 最新的问题
I
InfoQ
博客园 - 叶小钗
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
阮一峰的网络日志
阮一峰的网络日志
D
Docker
宝玉的分享
宝玉的分享
B
Blog
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报

博客园 - 立体风

autohotkey2.0 Send keys参数分析 autohotkey2.0 盲从模式 windows 10 下 vscode 编写编译一个 nana c++ 库的示例程序 vscode 插件 cmake-tools 输出内容解读 Claude Code 处理中文乱码问题 python 启动器命令 py 答惑 windows 下 python 3.11 的版本问题 pip 安装 老版本 pytorch 的一个容易迷惑的错误 sentence transformer 例子及说明 Sentence Transformers 介绍 Jina Reranker 替代方案:改用 ModelScope 模型 Webnovel Writer 6.2.1 项目分析 windows 10 LTSC 版 安装 Terminal autohotkey2.0 脚本运行机制 windows wsl2 安装 gentoo 的步骤 windows 10 LTSC版 打开 wsl2 autohotkey 提示词 编译安装最新版 perl rust 做到“快并且安全” 的逻辑思路 rust 和 go 语言的核心目的 用 vim 查看文件的格式和编码 throughput 和 efficient 词义 python 以字符数量分割文档 (三) python 以字符数量分割文档 (二) python 以字符数量分割文档 (一) GNU Bash 参考手册(中文版)(六) GNU Bash 参考手册(中文版)(五) GNU Bash 参考手册(中文版)(四) GNU Bash 参考手册(中文版)(三) GNU Bash 参考手册(中文版)(二)
向量点积的几何定义的证明
立体风 · 2025-09-08 · via 博客园 - 立体风

向量点积的几何定义 \(\mathbf{a} \cdot \mathbf{b} = |\mathbf{a}||\mathbf{b}|\cos\theta\) 可以从它的代数定义 \(\mathbf{a} \cdot \mathbf{b} = \sum a_i b_i\) 严格推导出来。最直观的证明方法是使用余弦定理

为了简化证明,我们使用二维向量作为例子,但这个原理可以推广到任意维度的空间。

证明过程

假设有两个二维向量 \(\mathbf{a} = (a_1, a_2)\) 和 $ \mathbf{b} = (b_1, b_2) $。它们在坐标系中的位置,以及它们和原点 \(O\) 构成了一个三角形 \(OAB\),其中 \(A\) 是向量 \(\mathbf{a}\) 的终点, \(B\) 是向量 \(\mathbf{b}\) 的终点。

  • 向量 \(\mathbf{a}\) 的模:$ |\mathbf{a}| = \sqrt{a_1^2 + a_2^2} $
  • 向量 \(\mathbf{b}\) 的模:$ |\mathbf{b}| = \sqrt{b_1^2 + b_2^2} $

连接向量 \(\mathbf{a}\)\(\mathbf{b}\) 终点的向量是 $ \overrightarrow{AB} = \mathbf{b} - \mathbf{a} $。它的分量是 $ (b_1-a_1, b_2-a_2) $。

  • 向量 \(\mathbf{b} - \mathbf{a}\) 的模:$ |\mathbf{b} - \mathbf{a}| = \sqrt{(b_1-a_1)^2 + (b_2-a_2)^2} $

应用余弦定理

在三角形 \(OAB\) 中,我们有三条边:\(OA\) (\(|\mathbf{a}|\)), \(OB\) (\(|\mathbf{b}|\)), 和 \(AB\) (\(|\mathbf{b} - \mathbf{a}|\))。
根据余弦定理,我们知道:

\[|\mathbf{b} - \mathbf{a}|^2 = |\mathbf{a}|^2 + |\mathbf{b}|^2 - 2|\mathbf{a}||\mathbf{b}|\cos\theta \]

其中 \(\theta\) 是向量 \(\mathbf{a}\)\(\mathbf{b}\) 之间的夹角。

现在,我们用向量分量的形式来展开这个等式,并证明它与代数定义等价。

  1. 展开等式左侧:$ |\mathbf{b} - \mathbf{a}|^2 $

    \[|\mathbf{b} - \mathbf{a}|^2 = (b_1-a_1)^2 + (b_2-a_2)^2 \]

    \[= (b_1^2 - 2a_1b_1 + a_1^2) + (b_2^2 - 2a_2b_2 + a_2^2) \]

    \[= (a_1^2 + a_2^2) + (b_1^2 + b_2^2) - 2(a_1b_1 + a_2b_2) \]

  2. 用向量模替换分量
    我们知道 \(|\mathbf{a}|^2 = a_1^2 + a_2^2\) 和 $ |\mathbf{b}|^2 = b_1^2 + b_2^2 $。
    将这些代入上面的展开式:

    \[|\mathbf{b} - \mathbf{a}|^2 = |\mathbf{a}|^2 + |\mathbf{b}|^2 - 2(a_1b_1 + a_2b_2) \]

  3. 比较两个表达式
    现在我们有两个关于 \(|\mathbf{b} - \mathbf{a}|^2\) 的等式:

    • 来自余弦定理:$ |\mathbf{b} - \mathbf{a}|^2 = |\mathbf{a}|^2 + |\mathbf{b}|^2 - 2|\mathbf{a}||\mathbf{b}|\cos\theta $
    • 来自代数展开:$ |\mathbf{b} - \mathbf{a}|^2 = |\mathbf{a}|^2 + |\mathbf{b}|^2 - 2(a_1b_1 + a_2b_2) $

    由于这两个表达式都等于同一个量,它们必须相等:

    \[|\mathbf{a}|^2 + |\mathbf{b}|^2 - 2|\mathbf{a}||\mathbf{b}|\cos\theta = |\mathbf{a}|^2 + |\mathbf{b}|^2 - 2(a_1b_1 + a_2b_2) \]

  4. 化简得到最终结果
    等式两边同时减去 \(|\mathbf{a}|^2 + |\mathbf{b}|^2\) 并除以 $ -2 $:

    \[|\mathbf{a}||\mathbf{b}|\cos\theta = a_1b_1 + a_2b_2 \]

    根据向量点积的代数定义,等式右侧就是 $ \mathbf{a} \cdot \mathbf{b} $。

    因此,我们证明了:

    \[\mathbf{a} \cdot \mathbf{b} = |\mathbf{a}||\mathbf{b}|\cos\theta \]

这个证明表明,几何定义和代数定义是完全等价的。在实际应用中,我们通常使用代数定义来计算点积,然后利用几何定义来解释其物理或几何意义。