の2つの実ベクトルの内積とは、両者のなす角をとして次で定義される「スカラー」のことです。
結果はベクトルではなく数(スカラー)です。内積は「2つの向きがどれだけ揃っているか」を測る量で、揃っているほど大きく、垂直なら、逆向きなら負になります。
最終更新
の2つの実ベクトルの内積とは、両者のなす角をとして次で定義される「スカラー」のことです。
結果はベクトルではなく数(スカラー)です。内積は「2つの向きがどれだけ揃っているか」を測る量で、揃っているほど大きく、垂直なら、逆向きなら負になります。
成分表示,なら、内積は対応する成分の積の和という、とても簡単な形になります。
定義()と成分(積和)が一致するので、角度と成分を行き来できます。とくに、両ベクトルが非零なら、なす角はで求まります。
内積の最重要の使い道が垂直条件です。
両ベクトルが非零なら、
零ベクトルを含める線形代数の定義では、内積がのとき「直交する」と約束する。角度の説明は非零ベクトルに限る。
垂直を「内積」という計算に翻訳できるので、図形の直交条件がすべて計算問題になります。またとも読め、内積は符号付き射影を長さ倍した量でもあります。下の図での向きを変えると、射影と内積が連動して変わり、垂直でになります。
閑話休題:「意味の近さ」は、なす角で測られているという式は、ベクトルの向きの揃い具合をからの数に変換します。この量はコサイン類似度という名前で、現代の情報技術の至るところで働いています。検索エンジンは、文書を「各単語が何回出るか」を並べた数千次元のベクトルにして、質問文ベクトルとのなす角が小さい文書を返す。音楽や動画のおすすめは、あなたの視聴履歴ベクトルと他ユーザーのベクトルのが高い相手を探す。図形の「向きが揃っている」が、そのまま「好みが似ている」「話題が近い」の数式になるわけです。
さらに踏み込んだのが言葉の埋め込み(エンベディング)という技術です。大量の文章から、各単語を数百〜数千次元のベクトルとして学習させると、「意味が近い単語ほどなす角が小さい」空間ができあがります。この空間では
のような意味の演算が近似的に成り立つことが知られています(ベクトルの引き算が「性別の入れ替え」に対応してしまう)。ChatGPT のような言語モデルの内部でも、言葉も文も高次元ベクトルであり、意味の照合は内積の計算です。という素朴な積和は、いま地球上で最も大量に実行されている数学かもしれません。
条件と何を求めるかを確認してから、式と答えの対応を見比べてください。
実ベクトルを扱う。次の問いに答えよ。
解法の型内積 = 成分の積の和。垂直 内積 =
内積を計算せよ。
内積を計算せよ。
内積を計算せよ。
ベクトルが垂直になる t を求めよ。
内積を計算せよ。
内積を計算せよ。
ベクトルが垂直になる t を求めよ。
内積を計算せよ。
内積を計算せよ。
ベクトルが垂直になる t を求めよ。
問題を解いてから「解答・解説」を開けます。
実ベクトルを扱う。次の問いに答えよ。
演習を読み込み中…