はじめに：内積という「見えない角度」
私たちは日常的に「方向」や「力の向き」といった概念を直感的に扱っています。しかし、それらを数学的に正確に表すにはどうすればよいでしょうか。その鍵を握るのが「内積（dot product）」です。
内積は、一見すると単なる計算式に過ぎません。けれども、その背後には「角度」「長さ」「影」「類似性」といった多層的な意味が隠れています。
ベクトル同士の関係を数値として捉えるこの仕組みは、物理学やAI、統計、3Dグラフィックスに至るまで、あらゆる分野の基礎を支えています。
基礎解説：ベクトルと内積の定義
ベクトルの向きと長さ
ベクトルとは「大きさ」と「向き」を持つ量です。たとえば、\( (x, y) \) という2次元ベクトルは、平面上の一点を指し示す矢印と考えられます。
ベクトル \( \mathbf{a} = (a_1, a_2) \)、\( \mathbf{b} = (b_1, b_2) \) の「内積」は次のように定義されます。
$$ \mathbf{a} \cdot \mathbf{b} = a_1 b_1 + a_2 b_2 $$
これが「計算式としての定義」です。しかし、もうひとつの幾何学的な定義があります。
角度を通して見る内積
$$ \mathbf{a} \cdot \mathbf{b} = |\mathbf{a}| |\mathbf{b}| \cos \theta $$
ここで、\( |\mathbf{a}| \) と \( |\mathbf{b}| \) はそれぞれのベクトルの長さ（ノルム）、\( \theta \) は両ベクトルのなす角です。
つまり、内積は「片方のベクトルをもう片方の方向に投影したときの長さ × もう片方の長さ」として理解できます。
ベクトルが垂直のとき（\( \theta = 90^\circ \)）には内積はゼロになります。これは「方向がまったく関係しない」ことを意味します。
応用・背景：数と意味の橋渡し
物理学における仕事
内積の最も典型的な応用は、物理における「仕事（work）」の計算です。力 \( \mathbf{F} \) と変位 \( \mathbf{d} \) の内積として定義されます。
$$ W = \mathbf{F} \cdot \mathbf{d} = |\mathbf{F}| |\mathbf{d}| \cos \theta $$
たとえば、10N の力で荷物を押しながら 2m 前進したとします。このとき力と移動方向が完全に同じなら、 \( W = 10 \times 2 = 20 \, \mathrm{J} \) の仕事になります。
しかしもし、力の方向が移動方向と 60° ずれていたら、 \( W = 10 \times 2 \times \cos 60° = 10 \, \mathrm{J} \) しか仕事をしません。
この違いが、まさに内積の「角度による重みづけ」です。
力が同じでも、方向がずれていれば効果は半分。 これは、あらゆる「関係性」にも通じます——どれほど強くても、方向が違えば伝わらないのです。
AIと内積：類似性を測る
現代では、内積は人工知能や自然言語処理の中核的な計算でもあります。 たとえば、文章や単語を数値ベクトルとして表す「埋め込み（embedding）」では、内積が「意味の近さ」を測る指標となります。
たとえば、 「dog」を表すベクトルを \( \mathbf{a} = (0.8, 0.2, 0.1) \)、 「cat」を表すベクトルを \( \mathbf{b} = (0.7, 0.3, 0.2) \) とします。 その内積は次のようになります。
$$ \mathbf{a} \cdot \mathbf{b} = 0.8 \times 0.7 + 0.2 \times 0.3 + 0.1 \times 0.2 = 0.56 + 0.06 + 0.02 = 0.64 $$
この値が 1 に近いほど「似ている」と解釈されます。 たとえば「dog」と「wolf」なら 0.9、「dog」と「car」なら 0.1 のように。 AIはこの内積を通じて、「意味の方向」を読み取っているのです。
ここでも本質は物理と同じです。 向き（意味）が一致していれば、力（意図）は強く伝わる。 内積は、言葉や概念の世界における「方向の共鳴」を測る数式なのです。
3Dグラフィックスと光の反射
3Dグラフィックスの世界でも、内積は欠かせません。たとえば、光の入射方向と物体表面の法線ベクトルの内積を取ることで、光の反射の強さを計算します。
内積が大きいほど光が正面から当たっていることを意味し、明るく輝く。小さければ斜めから当たっているため、影が生まれる。
内積は「角度に基づく自然な明暗」を生み出す、数式の中の美学でもあります。
社会的意義・未来：内積がつなぐ「世界の構造」
内積の概念は、単なる数学の道具ではありません。それは「世界の関係性を定量化する方法」と言っても過言ではありません。
物理学では力と運動の関係を、AIでは意味と意味の関係を、統計学では変数間の相関を、それぞれ内積的な考え方で表しています。
つまり、内積とは「異なる存在のあいだに生まれる関係の強度」を測る、最も普遍的な手段なのです。
今後、量子情報や高次元解析など、人間の直感を超えた領域でも、内積的な構造（ヒルベルト空間やテンソル積空間など）が中心的な役割を担っていくでしょう。
その背後には、どんな複雑な現象も「方向と影」の関係に還元できるという、数学的な洞察が潜んでいます。
まとめ：数式の裏にある直感
内積を理解することは、単にベクトルの計算を覚えることではありません。 それは「関係性を角度として見る」視点を得ることです。
物理の世界では、力がどれほど強くても方向が違えば仕事は小さくなります。 AIの世界でも、言葉の意味が似ていなければ内積は小さくなります。 ——この二つの現象は、異なる次元で同じ構造をもっているのです。
つまり、内積とは「どれだけ同じ方向を向いているか」を測る数式であり、 それは物理の現実から、AIの思考空間にまで通じる普遍的な概念です。 角度という単純な量が、現象の根本的な「つながりの強さ」を語っている。
どんな二つの存在にも、「どれほど同じ方向を向いているか」という問いが潜んでいます。 内積は、その問いに静かに答える数学の言葉です。 そしてその考え方は、私たちの思考・社会・世界の関係にも深く響いています。 方向が重なれば力は伝わり、意味は通じ、理解が生まれる。 内積とは、まさにその「共鳴の角度」を描く数式なのです。
コメント