در این فصل چه یاد میگیری#
برداری داری: . چقدر بزرگ است؟
جوابش را از ترم ۵ میدانی، حتی اگر هنوز متوجه نشده باشی. آن بردار وترِ یک مثلثِ قائمالزاویه با ساقهای ۳ و ۴ است — پس طولش ۵ است.
این فصل دو کار میکند: طول را میسازد (که در هوش مصنوعی norm نامیده میشود) و بزرگ و کوچککردنِ بردار را. و هر دو ابزارهای پایهایاند که بقیهٔ ترم رویشان میایستد.

آخر این فصل میتوانی:
- طولِ یک بردار را در هر تعداد بُعد حساب کنی
- بردار را در یک عدد ضرب کنی و بگویی چه اثری دارد
- بردارِ یکه بسازی و بگویی به چه دردی میخورد
قبل از شروع#
- از فصل ۱: بردار، مؤلفهها، جمع و تفریق.
- از ترم ۵ فصل ۳ و ۴: فیثاغورس و فرمولِ فاصله.
- از ترم ۱ فصل ۶: ضرب در عددِ منفی.
۱. طول، همان فیثاغورس#
آن دو خطِ عمودی نمادِ طول است (norm). برای :
هیچ ابزارِ تازهای نیست. دقیقاً فرمولِ فاصلهٔ ترم ۵ فصل ۴، وقتی نقطهٔ اول مبدأ باشد.
و در ابعادِ بالاتر، فقط جملههای زیرِ رادیکال بیشتر میشوند:
⚠️ دامِ رایج: جمعکردنِ مؤلفهها بدونِ مربع. طولِ برابرِ ۷ نیست. اگر شک کردی، شکل را بکش: فلشی که سه به راست و چهار به بالا میرود، آشکارا کوتاهتر از ۷ واحد است. همیشه میشود با فیثاغورس امتحانش کرد.
✅ چک کن: طولِ چقدر است؟ — . طول هیچوقت منفی نیست — چون مربعکردن علامت را میبلعد، همانطور که در ترم ۵ فصل ۴ دیدی.
💡 نکته: طولِ صفر فقط برای بردارِ صفر () اتفاق میافتد — تنها برداری که جهتی ندارد.
۲. ضربِ اسکالر#
بردار را در یک عدد ضرب کن (نه در بردارِ دیگر). هر مؤلفه در آن عدد ضرب میشود:
🤔 اول حدس بزن: طول و جهتِ فلش چه میشوند؟
طول دو برابر میشود، جهت دستنخورده میماند. فلش روی همان خط کشیده میشود، فقط بلندتر.
و ضریبهای دیگر:
- بینِ ۰ و ۱: کوتاهتر میشود، همان جهت.
- منفی: جهت کاملاً برعکس میشود، و طول در قدرِ مطلقِ آن ضریب میرود.
- صفر: به بردارِ صفر تبدیل میشود.
⚠️ دامِ رایج: فکرکردن به اینکه ضربِ منفی «بردار را میچرخاند». میچرخاند، ولی دقیقاً ۱۸۰ درجه — روی همان خط میماند و فقط جهتش عکس میشود. هیچ ضربِ اسکالری نمیتواند بردار را از خطِ خودش خارج کند، و همین محدودیت در فصل ۸ (بردارِ ویژه) دقیقاً همان چیزی میشود که دنبالش میگردیم.
✅ چک کن: چند است و طولش چقدر؟ — ، با طولِ ، که سه برابرِ است.
۳. بردارِ یکه#
گاهی فقط جهت برایت مهم است، نه اندازه.
بردارِ یکه برداری است که طولش دقیقاً ۱ باشد. برای ساختنش، بردار را بر طولش تقسیم کن:
برای با طولِ ۵:
و امتحان کن: . ✓
🤔 اول حدس بزن: چرا کسی بخواهد اندازه را دور بریزد؟
چون گاهی اندازه اطلاعاتِ گمراهکننده است. مثال: دو متنِ خبری داری، یکی صد کلمه و یکی هزار کلمه، هر دو دربارهٔ یک موضوع. اگر هر متن را با شمارشِ کلمههایش به بردار تبدیل کنی، متنِ بلندتر همهٔ مؤلفههایش بزرگتر است — نه به این دلیل که موضوعش متفاوت است، فقط چون طولانیتر است.
نرمالکردن آن تفاوتِ بیربط را حذف میکند و فقط «نسبتِ کلمهها به هم» را نگه میدارد.
🌱 ریشهاش کجاست: این «تقسیم بر اندازه تا فقط جهت بماند» یکی از پرکاربردترین کارها در یادگیری ماشین است. در فصل ۳ میبینی که معیارِ شباهتِ دو بردار وقتی درست کار میکند که هر دو نرمال شده باشند — وگرنه صرفاً بزرگبودن، شباهت را جعل میکند.
⚠️ دامِ رایج: نرمالکردنِ بردارِ صفر. تقسیم بر صفر از ترم ۱ فصل ۵ تعریف نشده، و شهودی هم هست: بردارِ صفر جهتی ندارد که بشود نگهش داشت.
۴. طول در ابعادِ بالا#
بردارِ طولش است. بردارِ طولش .
🤔 اول حدس بزن: برداری با صد مؤلفه که همهشان ۱ باشند، چه طولی دارد؟
.
هرچه بُعد بیشتر شود، بردارها طولانیتر میشوند حتی اگر هر مؤلفه کوچک بماند. این یکی از چیزهایی است که کارکردن با دادهٔ پرُبُعد را عجیب میکند: در فضای هزاربُعدی، تقریباً همهچیز از همهچیزِ دیگر دور است.
💡 نکته: به همین دلیل است که در یادگیری ماشین کاهشِ بُعد اینقدر مهم است — چیزی که در فصل ۹ همین ترم میسازی. کمکردنِ تعدادِ مؤلفهها فقط صرفهجویی در حافظه نیست؛ فاصلهها را دوباره معنادار میکند.
تمرینها
اول خودت فکر کن یا امتحان کن — بعد اینجا را باز کن.
در فصل بعد#
طول را داری. حالا سؤالِ بعدی: دو بردار چقدر شبیهاند؟ فصل بعد ⚠️ ابزاری میدهد که در یک عدد جوابش را میدهد — dot product — و نشان میدهد چرا همان یک عدد، معیارِ شباهت در تقریباً هر سیستمِ توصیه و هر مدلِ زبانی است.
به آخر این فصل رسیدی!
اگر ساختی و جواب داد، این دکمه مال توست.