Produto escalar: a operação que mede alinhamento entre vetores

Matemática para IA - Parte 03

Na aula anterior, passamos a enxergar vetores como objetos geométricos: setas com direção e magnitude. Agora chegamos a uma operação simples na aparência, mas fundamental para compreender redes neurais, embeddings, busca vetorial e até o mecanismo de atenção dos Transformers: o produto escalar.

O produto escalar transforma dois vetores em um número que carrega informação sobre o alinhamento entre eles — mas também é influenciado por suas magnitudes.

Essa distinção será importante porque ela nos levará diretamente à similaridade de cosseno, uma das ferramentas mais conhecidas para comparar embeddings.

1. A conta básica: multiplicar e somar

Considere dois vetores:

a = [2, 3]
b = [4, 1]

O produto escalar é calculado multiplicando componentes correspondentes e somando os resultados:

a · b = (2 × 4) + (3 × 1)
      = 8 + 3
      = 11

Entraram dois vetores e saiu apenas um número. Por isso o nome produto escalar.

Para vetores de dimensão n, a ideia geral é:

a · b = a₁b₁ + a₂b₂ + ... + aₙbₙ

2. Produto escalar em NumPy

Em Python, usando NumPy:

import numpy as np

a = np.array([2, 3])
b = np.array([4, 1])

print(np.dot(a, b))
# 11

print(a @ b)
# 11

Para vetores, np.dot(a, b) e a @ b podem ser usados para calcular o produto escalar.

3. A interpretação geométrica

A importância dessa operação aparece quando usamos outra forma de escrevê-la:

a · b = ||a|| ||b|| cos(θ)

Nessa expressão:

• ||a|| é a magnitude do vetor a;
• ||b|| é a magnitude do vetor b;
• θ é o ângulo entre os dois vetores.

Ou seja, uma operação feita apenas com números também contém informação sobre a geometria entre os vetores.

4. O sinal do produto escalar

O sinal do resultado fornece uma pista imediata sobre o ângulo entre os vetores.

• Produto positivo: o ângulo entre eles é menor que 90°.
• Produto igual a zero: os vetores são perpendiculares.
• Produto negativo: o ângulo entre eles é maior que 90°.

Nos casos extremos, vetores na mesma direção possuem ângulo de 0°, enquanto vetores exatamente opostos possuem ângulo de 180°.

5. Mesma direção

Considere:

a = [1, 2]
b = [2, 4]

O vetor b é exatamente duas vezes a:

b = 2a

Logo, os dois apontam para a mesma direção.

a · b = (1 × 2) + (2 × 4)
      = 2 + 8
      = 10

O resultado é positivo. Como o ângulo é 0°, temos cos(0°) = 1.

6. Vetores perpendiculares

Agora considere:

a = [1, 0]
b = [0, 1]

Geometricamente, um vetor aponta no eixo horizontal e o outro no vertical. O ângulo entre eles é 90°.

a · b = (1 × 0) + (0 × 1)
      = 0

Portanto:

Vetores ortogonais possuem produto escalar igual a zero.

7. Direções opostas

Considere:

a = [1, 0]
b = [-1, 0]

Os dois vetores estão sobre a mesma linha, mas apontam para sentidos opostos.

a · b = -1

O ângulo entre eles é 180° e cos(180°) = -1.

8. O detalhe importante: a magnitude também interfere

Considere novamente:

a = [1, 2]
b = [2, 4]
c = [100, 200]

Os vetores b e c apontam exatamente para a mesma direção de a. Mas:

a · b = 10

a · c = 500

Se a direção é a mesma, por que os resultados são tão diferentes?

Porque o produto escalar não mede apenas direção. Ele incorpora também as magnitudes:

a · b = ||a|| ||b|| cos(θ)

Assim, aumentar o tamanho de um vetor pode aumentar muito o produto escalar, mesmo que sua direção não mude.

9. Daí nasce a similaridade de cosseno

Se queremos concentrar a comparação na direção dos vetores, podemos remover o efeito das magnitudes.

Partimos de:

a · b = ||a|| ||b|| cos(θ)

e isolamos o cosseno:

cos(θ) = (a · b) / (||a|| ||b||)

Essa expressão é a base da similaridade de cosseno.

Observe a diferença conceitual:

• Produto escalar: alinhamento influenciado também pelo tamanho dos vetores.
• Similaridade de cosseno: alinhamento das direções após normalizar o efeito das magnitudes.

10. Exemplo: vetores na mesma direção

Para:

a = [1, 2]
b = [2, 4]

já calculamos:

a · b = 10

As normas são:

||a|| = √5
||b|| = √20

Então:

cos(θ) = 10 / (√5 × √20)
       = 10 / 10
       = 1

O resultado 1 confirma que os vetores apontam exatamente para a mesma direção.

11. Como isso aparece em embeddings?

Modelos de IA representam palavras, frases, documentos e outros objetos usando vetores de alta dimensão.

Imagine, de forma simplificada:

"café"      → [0.72, 0.41, 0.88, ...]
"chá"       → [0.69, 0.39, 0.84, ...]
"automóvel" → [-0.42, 0.91, -0.35, ...]

Para comparar essas representações, precisamos de operações que indiquem o grau de proximidade ou alinhamento entre os vetores.

O produto escalar participa diretamente dessa família de comparações e também está por trás da similaridade de cosseno.

12. Busca semântica

Imagine que um usuário faça a pergunta:

“Quais são os benefícios do café?”

A pergunta pode ser transformada em um embedding q. Os documentos da base também são representados por vetores d₁, d₂, ..., dₙ.

pergunta
   ↓
embedding q
   ↓
comparação com d₁, d₂, d₃, ...
   ↓
ranking de similaridade
   ↓
documentos mais relevantes

Esse tipo de comparação vetorial está na base de mecanismos de busca semântica e bancos de dados vetoriais.

13. E onde isso entra em RAG?

Um pipeline simplificado de RAG pode ser representado assim:

Usuário
   ↓
Pergunta
   ↓
Embedding
   ↓
Busca vetorial
   ↓
Top-K documentos
   ↓
LLM
   ↓
Resposta contextualizada

O sistema precisa decidir quais documentos possuem vetores mais relacionados ao vetor da pergunta. É nesse processo que medidas baseadas em produto escalar, cosseno e distância aparecem na prática.

14. Produto escalar dentro de redes neurais

Na primeira aula vimos a transformação:

z = Wx + b

Considere uma linha de W:

w = [w₁, w₂, w₃]

e uma entrada:

x = [x₁, x₂, x₃]

Uma das saídas da multiplicação matricial é formada por:

w · x = w₁x₁ + w₂x₂ + w₃x₃

Ou seja:

Multiplicações matriciais utilizadas em redes neurais são compostas por muitos produtos escalares.

15. Uma prévia dos Transformers

No mecanismo de atenção dos Transformers aparecem três estruturas que estudaremos mais adiante:

• Q — Query;
• K — Key;
• V — Value.

A expressão clássica da atenção é:

Attention(Q,K,V) = softmax(QKᵀ / √dₖ) V

Não precisamos dominar essa fórmula agora. O importante é reconhecer que QKᵀ envolve muitos produtos escalares entre queries e keys.

Em uma interpretação inicial, essas operações ajudam a determinar o grau de relacionamento entre diferentes representações.

16. A representação mental que vale guardar

Quando você vir:

a · b

pense:

Quanto esses vetores estão alinhados, levando também em conta seus tamanhos?

Quando você vir:

(a · b) / (||a|| ||b||)

pense:

Quanto as direções desses vetores estão alinhadas depois de remover o efeito da magnitude?

17. Exercício de fixação

1. Calcule o produto escalar entre a = [2,3] e b = [5,4].
2. Se a = [1,0] e b = [0,5], quanto vale a · b e o que isso significa geometricamente?
3. Se o produto escalar entre dois vetores for negativo, o que isso indica sobre o ângulo entre suas direções?
4. Por que o produto escalar bruto pode ser problemático para comparar embeddings de magnitudes muito diferentes?
5. Explique com suas palavras a diferença entre a · b e (a · b)/(||a|| ||b||).

18. O que vem depois?

Já aprendemos vetores, norma, distância e produto escalar. Agora temos todos os ingredientes necessários para aplicar esses conceitos diretamente a embeddings.

Na próxima aula veremos similaridade de cosseno na prática: embeddings, busca semântica e RAG.

Este artigo faz parte da série Fundamentos Matemáticos para Inteligência Artificial, do MirandasTech.