Tích vô hướng: Lý thuyết, Cách tính và Ứng dụng thực tế

Tích vô hướng, còn được gọi là tích đại số hay tích trong trong không gian Euclid, là một phép toán nền tảng trong toán học kết hợp hai vector để tạo ra một giá trị vô hướng.

Tích vô hướng rất quan trọng trong nhiều lĩnh vực như đại số tuyến tính, vật lý và học máy. Lý do là vì nó giúp tính góc và phép chiếu, từ đó tính độ tương đồng giữa các vector. Tôi cho rằng hiểu sâu về tích vô hướng là điều thiết yếu để nắm bắt quan hệ giữa các vector trên tất cả những lĩnh vực này.

Tích vô hướng là gì?

Có nhiều cách để hiểu và tính tích vô hướng; vì vậy, trong phần này, tôi sẽ giới thiệu các định nghĩa và tính chất chính của nó.

Định nghĩa đại số

Ở góc độ đại số, tích vô hướng của hai vector được tính bằng tổng các tích của những thành phần tương ứng; do đó, với hai vector:

  

Tích vô hướng được tính như sau:

Công thức này dễ tính toán và cho phép chúng ta khái quát tích vô hướng lên các chiều cao hơn. Cần lưu ý rằng tích vô hướng bất biến dưới các phép quay, điều này nhấn mạnh vai trò của nó như một thước đo nội tại về sự thẳng hàng của vector, độc lập với lựa chọn hệ tọa độ.

Định nghĩa hình học

Diễn giải hình học biểu diễn tích vô hướng theo độ lớn của vector và cosin của góc θ giữa chúng:

Cách nhìn này cho thấy tích vô hướng định lượng các quan hệ về hướng và hỗ trợ hiểu một cách hình thức về phép chiếu và tính trực giao. Sự tương đương giữa định nghĩa đại số và hình học có thể được thiết lập thông qua định luật cosin.

Cách nhìn này cho thấy tích vô hướng định lượng các quan hệ về hướng và hỗ trợ hiểu một cách hình thức về phép chiếu và tính trực giao. Sự tương đương giữa định nghĩa đại số và hình học có thể được thiết lập thông qua định luật cosin.

Hình ảnh này minh họa trực giác hình học đằng sau tích vô hướng của hai vector.

Khi làm việc với hình học, trực giác tốt về góc và định lý Pythagoras thường rất hữu ích. Vì vậy, đừng ngần ngại xem hướng dẫn của chúng tôi về Định lý Pythagoras: Khám phá mối quan hệ nền tảng của hình học.

Các tính chất đại số

Tích vô hướng có tính giao hoán. Nghĩa là lấy tích vô hướng của a và b không đổi khi hoán đổi thứ tự của a và b (a.b = b.a).

Tích vô hướng cũng phân phối theo phép cộng vector (a.(b+c) = a.b + a.c). Ngoài ra, nó đồng nhất (tuyến tính theo từng biến) và xác định dương, tức là a.a > 0 với a khác vector không, điều này trực tiếp dẫn đến định nghĩa chuẩn Euclid:

Tích vô hướng bằng 0 biểu thị tính trực giao, vốn có ý nghĩa trung tâm trong nhiều ứng dụng. Với giả định các vector nằm trong không gian Euclid thực, các tính chất này đúng một cách tổng quát.

Ví dụ tính tích vô hướng

Để hiểu trực quan hơn cách tính tích vô hướng, tôi sẽ đưa ra vài ví dụ. Xét hai vector 2D a=(1,2) và b=(3,4). Về đại số:

Về hình học:

Tương tự trong 3D, lấy a=(1,2,3) và b=(4,5,6):

Công thức tích vô hướng

Trong phần này, tôi sẽ đi sâu hơn vào biểu thức hình học cho tích vô hướng và hiểu các hàm ý của nó.

Phép chiếu vector

Phép chiếu vô hướng của b lên a là:

Phép chiếu vector là:

Phép toán này phân rã vector thành các thành phần song song và trực giao, với các ứng dụng như đổ bóng hay phân giải lực trong vật lý. Nó được dẫn dắt bởi tích vô hướng và xuất phát từ quan hệ cosin.

Góc và tính trực giao

Như đã nêu, tích vô hướng giúp tính góc qua công thức:

Vì vậy, khi a.b=0, góc chính tương ứng sẽ là θ=90°, cung cấp một phương pháp khả thi cho việc phân rã theo cơ sở.

Diễn giải vật lý

Trong vật lý, công W do một lực không đổi F thực hiện là:

Biểu thức này mở rộng sang công suất và năng lượng. Phép chiếu lên mặt phẳng cũng xuất hiện trong phân rã thành phần và cosin chỉ phương.

Các tính chất của tích vô hướng

Trong phần này, tôi sẽ gỡ mở cấu trúc toán học của tích vô hướng như một trường hợp đặc biệt của tích trong.

Dạng song tuyến tính và tích trong

Tích vô hướng là một dạng song tuyến tính xác định dương. Về nguyên tắc, tích trong khái quát khái niệm này sang các không gian khác thỏa mãn tính đối xứng và tuyến tính. Tích vô hướng Euclid, đến lượt nó, phù hợp với tích trong chuẩn trong Rn

Vector phức

Với các vector phức, tích trong trở thành dạng Hermite:

Dạng này là nửa tuyến tính (tuyến tính theo một biến và liên hợp-tuyến tính theo biến kia) nên không giao hoán theo nghĩa thông thường. Sự điều chỉnh này được dùng trong cơ học lượng tử và xử lý tín hiệu.

Bất đẳng thức quan trọng

Bất đẳng thức Cauchy–Schwarz phát biểu rằng với mọi hai vector a và b, công thức sau đúng:

Dấu bằng xảy ra khi các vector phụ thuộc tuyến tính. Điều này kéo theo bất đẳng thức tam giác và cung cấp các chặn rất hữu dụng trong giải tích. Trực giác mà nói, nó phản ánh việc phép chiếu không thể vượt quá độ lớn nếu bạn tập trung hoàn toàn vào nó.

Cơ sở trực chuẩn

Các cơ sở trực chuẩn giúp đơn giản hóa tính tích vô hướng thành việc trích xuất tọa độ. Chúng hỗ trợ xây dựng và kiểm chứng cơ sở trong bối cảnh lý thuyết và thực tiễn, như trong phân tích Fourier.

Ứng dụng của tích vô hướng

Trong phần này, tôi sẽ nêu bật một số ứng dụng thực tế phong phú của tích vô hướng. 

Cơ học và vật lý

Tích vô hướng tính công (W = F.d) và công suất. Tôi đã đề cập điều này trước đó. Điều mà tôi chưa có thời gian đề cập là nó cũng bất biến dưới các phép quay và biến đổi tọa độ, khiến nó trở thành công cụ phù hợp cho các định luật vật lý được biểu diễn trong những hệ quy chiếu khác nhau.

Đồ họa máy tính và phát triển game

Hình học là thành phần trung tâm của đồ họa máy tính, và tích vô hướng là thành phần trung tâm của hình học giải tích. Chẳng hạn, nó hỗ trợ kiểm tra trường nhìn và tính chiếu sáng thông qua vector pháp tuyến chấm với vector ánh sáng. Nó cũng được dùng cho phát hiện va chạm qua phương trình mặt phẳng và tính đổ bóng.

Xử lý tín hiệu và học máy

Tích vô hướng đo độ tương đồng trong không gian nhiều chiều. Nó được dùng cho tích chập, các tầng mạng nơ-ron (như tổng có trọng số), và hệ thống gợi ý. Trong nhúng từ, độ tương đồng cosin (tích vô hướng đã chuẩn hóa) so sánh các vector ngữ nghĩa, và điều này có ý nghĩa lớn trong Retrieval Augmented Generation, chẳng hạn.

Cách tính tích vô hướng trong Python, R và Excel

Tích vô hướng có thể được tính hiệu quả trong nhiều môi trường lập trình khác nhau. Trong phần này, tôi sẽ minh họa một vài ví dụ.

Tích vô hướng trong Python

Python có nhiều lựa chọn triển khai cho tích vô hướng. NumPy cung cấp np.dot(a,b) hoặc toán tử @ cho các phép toán vector/ma trận hiệu quả.

Một phiên bản thuần Python dùng sum(ai * bi for ai, bi in zip(a,b)).

Với mảng/ma trận, broadcasting và vector hóa mang lại mức tăng hiệu năng đáng kể. Ý tôi là như sau:

import numpy as np
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
print(np.dot(a, b))  # 32
print(a @ b)         # 32Được hỗ trợ bởi

Tích vô hướng trong R

Toán tử %*% của R xử lý phép nhân ma trận, trong khi crossprod(a, b) hoặc sum(a * b) là lựa chọn thay thế.

Như đã đề cập, vector hóa tăng tốc tính toán trong base R và cả trong các gói như Matrix.

a <- c(1, 2, 3)
b <- c(4, 5, 6)
a %*% b          # returns matrix with 32
sum(a * b)       # 32Được hỗ trợ bởi

Tích vô hướng trong Excel

Dùng =SUMPRODUCT(A2:A4, B2:B4) cho các vector ở cột A và B. Hoặc, nhân từng cặp rồi cộng thủ công.

Với tập dữ liệu lớn, công thức mảng hoặc Power Query sẽ tốt hơn, dù Excel vẫn có hạn chế về khả năng mở rộng so với các công cụ lập trình.

Tham khảo thêm các hướng dẫn của chúng tôi về Tích Descartes trong SQL: Hướng dẫn toàn diện và Sản phẩm dữ liệu là gì? Khái niệm và Thực tiễn tốt.

So sánh hiệu năng giữa các nền tảng

NumPy trong Python vượt trội so với các vòng lặp thuần Python và mở rộng rất tốt cho dữ liệu lớn nhờ các thư viện BLAS tối ưu do cách hiện thực và phân bổ bộ nhớ chính xác.

Vector hóa của R, mặt khác, hiệu quả với kích thước vừa phải.

Excel phù hợp với tập dữ liệu nhỏ hoặc tạo mẫu nhanh, nhưng kém hiệu quả cho phân tích quy mô lớn. Các thư viện chuyên dụng thường cung cấp chỉ số hiệu năng vượt trội. 

Các khái niệm nâng cao về tích vô hướng

Tích vô hướng không chỉ là tính độ tương đồng trong Rn, trong phần này, tôi sẽ giải thích vì sao.

Không gian hàm và tích phân

Trong các không gian hàm như L2, tích trong được khái quát thành:

Với các ứng dụng trong phân tích Fourier.

Tích trong có trọng số và tích vô hướng ma trận

Các phiên bản có trọng số dùng ma trận xác định dương; tích trong Frobenius cho ma trận là:

Khái quát tensor mở rộng khái niệm này lên bậc cao hơn.

Vật lý tương đối

Metric Minkowski cho ta:

Điều này khác với trường hợp Euclid đối với khoảng cách không-thời gian.

Thước đo tương đồng vector

Vì tích vô hướng của hai vector A và B là

Thì, bằng cách chia cả hai vế cho chuẩn của A và B, ta được độ tương đồng cosin:

Độ tương đồng cosin chuẩn hóa tích vô hướng và được dùng rộng rãi trong truy hồi thông tin và học máy.

Phân rã trị riêng

Khám phá mối liên hệ giữa tích vô hướng và ma trận đối xứng. Thảo luận về tính trực giao và các phân rã ma trận. Lưu ý sự liên quan đến phân tích thành phần chính và lý thuyết phổ.

Tích vô hướng so với tích có hướng

Phần này so sánh tích vô hướng với tích có hướng.

Phép chiếu vô hướng và vector

Phép chiếu vô hướng cho độ lớn theo một hướng nhất định. Phép chiếu vector, ngược lại, thể hiện thành phần song song. Chúng hỗ trợ phân rã thành phần kèm minh họa hình học.

Tích ba và so sánh với tích có hướng

Tích ba vô hướng là:

cho thể tích có dấu. Ở đây tích vô hướng cho một vô hướng trong khi tích có hướng cho ra một vector. Dùng tích vô hướng cho độ tương đồng hay sự thẳng hàng và tích có hướng cho hướng hay quayn.

Bảng này cho thấy một số khác biệt chính giữa hai phép tích.

Tính bất biến dưới phép quay và biến đổi tọa độ

Tích vô hướng không đổi dưới các phép biến đổi trực giao, đây là một tính chất rất tốt trong vật lý và kỹ thuật cho các biểu thức độc lập hệ tọa độ. Tất nhiên có nhiều kiểu phép nhân khác nhau với ý nghĩa và cách tính khác nhau. Xem hướng dẫn của chúng tôi về Tích Hadamard: Hướng dẫn đầy đủ về phép nhân ma trận theo phần tử để xem một ví dụ.

Kết luận

Tóm lại, tích vô hướng là một công cụ linh hoạt và nền tảng trong toán học, được sử dụng trong nhiều lĩnh vực như vật lý và khoa học máy tính. Ứng dụng của nó trải rộng từ tính công và mô hình chiếu sáng đến đo độ tương đồng dữ liệu nhiều chiều, nhấn mạnh tính thời sự của nó. Vì vậy, tôi tin rằng những góc nhìn này khuyến khích việc khám phá thêm các khái quát nâng cao. Hãy đăng ký khóa học Đại số tuyến tính cho Khoa học dữ liệu bằng R của chúng tôi để tiếp tục học tập.