高等数学 / 系统课时
计算向量长度与相似程度
计算向量长度与相似程度
把对象写成向量后,最常见的问题是比较“有多大”和“有多像”。向量范数给出整体大小,点积把两个向量的分量结合起来,而夹角与余弦相似度进一步把方向关系变成可比较的数值。本篇把这几种量放到同一套几何直觉中理解。
学习目标
- 使用二范数计算向量长度
- 使用点积与夹角判断两个向量的方向关系
- 理解余弦相似度与欧氏距离关注的差异
用范数衡量向量大小
对向量 ,最常见的二范数为:
它是勾股定理向多维空间的直接推广。二维向量 的长度为 。如果向量表示速度,这个长度可以对应速率;如果表示一组信号样本,它则反映整组数值的总体幅度。
范数一定非负,只有零向量的长度为 0。把向量乘以 2,长度也会乘以 2,因此范数关注的是绝对大小,而不是单独的方向信息。
点积连接分量与方向
两个同维向量 和 的点积定义为:
点积还有一个非常重要的几何形式:
其中 是两个非零向量之间的夹角。点积为正,通常表示夹角小于 、方向较接近;点积为 0 表示两者正交;点积为负则表示方向总体相反。

从点积得到余弦相似度
将点积除以两个向量的长度,就得到余弦相似度:
对实数非零向量,它的取值位于 。接近 1 表示方向接近,接近 0 表示近似正交,接近 -1 表示方向相反。由于长度被除掉,把某个向量整体放大通常不会改变余弦相似度。
例如 、。两者长度分别为 5 和 4,点积为 12,因此余弦相似度为 ,对应夹角约为 。这个结果描述的是方向相似程度,而不是两个端点相距多远。
相似方向不等于距离很近
欧氏距离衡量两个向量端点之间的距离:
它和余弦相似度解决的问题不同。例如 与 方向完全相同,余弦相似度为 1,但两者的欧氏距离很大。如果数值大小本身重要,例如比较真实位置、金额或传感器读数,距离通常不能被忽略。
选择指标时可以抓住一个判断:**范数看单个向量有多大,点积同时受大小和方向影响,余弦相似度主要看方向,欧氏距离看两个端点相隔多远。**先明确业务上想比较的是大小、方向还是位置差异,再选择对应的计算方式。
按自己的节奏,确认真正理解。