点乘叉乘、内积外积,傻傻分不清楚啊有木有!矩阵和向量好像还不太一样啊有木有!!
这些概念很容易发生混淆,而且还有很多坑爹的别称。一方面向量操作主要是中学接触的,后面学了矩阵也就忘得差不多了;另一方面是我们没有很好地把知识联系起来,网上的资料也大多讲的比较片面。我参考了很多资料,大概做了一个整理。
本质上一样
首先可以明确的一点是:向量是特殊的矩阵。所以矩阵有的操作向量肯定有,本质上也一样。矩阵不过是行数多一点,它的操作也就是多个向量之间组合操作的结果集合。
我们这里讨论的乘法操作有这些,其他不靠谱的别名就不提了:
点乘dot product、内积inner product、外积outer product、元素积elementwise product
以及叉乘cross product——这怕是个假的操作
叉乘这个异端只是向量操作特有的一种说法,矩阵是不论叉乘的。对向量来说,叉乘就是求外积,点乘是求内积。
直观分辨四大乘法操作
- 点乘
这是我们印象最根深蒂固最最习以为常的矩阵乘法,像这样…
[132435]⎡⎣⎢123⎤⎦⎥=[1∗1+2∗2+3∗33∗1+4∗2+5∗3]=[1426] - 内积
用一个公式可以交代清楚
A⋅B=ABT
[132435]⋅[123]=[1∗1+2∗2+3∗33∗1+4∗2+5∗3]=[1426] - 外积
矩阵的大小扩张得很厉害,a1∗a2的矩阵和b1∗b2的矩阵的外积后大小为(a1∗a2)∗(b1∗b2)
A⊗B=⎡⎣⎢⎢⎢x1x2⋯xm⋯⋯⋯⋯x1nx2n⋯xmn⎤⎦⎥⎥⎥⎡⎣⎢⎢⎢⎢y1y2⋯yp⋯⋯⋯⋯y1qy2q⋯xpq⎤⎦⎥⎥⎥⎥=⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢x1y1⋯x1ny1x2y1⋯xmny1⋯⋯⋯⋯⋯⋯x1y1q⋯x1ny1qx2y1q⋯xmny1qx1y2⋯x1ny2x2y2⋯xmny2⋯⋯⋯⋯⋯⋯x1ypq⋯x1nypqx2ypq⋯xmnypq⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥ - 元素积
就是按元素一个个乘起来,有两种规则
A⋅B=[x1⋯xn]⎡⎣⎢y1⋯ym⎤⎦⎥=⎡⎣⎢x1y1⋯x1ym⋯⋯⋯xny1⋯xnym⎤⎦⎥
A⋅B=⎡⎣⎢x11⋯xm1⋯⋯⋯x1n⋯xmn⎤⎦⎥⎡⎣⎢y11⋯ym1⋯⋯⋯y1n⋯xn⎤⎦⎥=⎡⎣⎢x11y11⋯xm1ym1⋯⋯⋯x1ny1n⋯xmnynn⎤⎦⎥
特别提示
python中,numpy对向量点乘和矩阵点乘返回的结果会有点不一样哦
第一个a.dot(b)的结果是整数5,第二个则是矩阵[5]。
从这个角度说,向量的特殊性就在于它做点乘或者内积返回的结果是数值吧。
numpy的官方文档在这里,里面对一些看起来不太正常的现象做了说明:
https://docs.scipy.org/doc/numpy-dev/user/numpy-for-matlab-users.html