文章目录
5.1 线性代数的数学对象
5.1.1 标量
一个单一的数字
标量的 shape 为空
一维数组的 shape 只表示数组中元素的个数,并不能表示向量
5.1.2 向量
一个有序的数字数组,分为行向量和列向量,向量是特殊的矩阵
注:行向量和列向量都是通过二维数组表示的
5.1.3 矩阵
一个有序的二维数组,有两个索引,一个指向行,一个指向列
5.2 线性代数基本运算规则
5.2.1 矩阵标量运算
此时的运算包括加、减、乘、除
矩阵与标量运算,实质为对矩阵的每一个元素进行运算
以乘法为例
5.2.2 矩阵-矩阵加法和减法
要求参与运算的两个矩阵有相同的 shape,各个对应元素相加减
5.2.3 矩阵-矩阵点乘(点积)
要求参与运算的两个矩阵有相同的 shape,各个对应元素相乘
5.2.4 矩阵-矩阵相乘(叉乘)
n×m
叉乘 m
×x = n×x
5.2.5 矩阵-向量乘法
看作矩阵-矩阵叉乘
5.2.6 向量-向量乘法
看作矩阵-矩阵叉乘
5.2.7 矩阵转置
其他文章
Python 数据分析与数据可视化(一)Python 开发环境搭建与编码规范
Python 数据分析与数据可视化(二)数据类型、运算符与内置函数
Python 数据分析与数据可视化(三)列表、元组、字典、集合与字符串
Python 数据分析与数据可视化(四)文件操作
Python 数据分析与数据可视化(五)线性代数基本知识
Python 数据分析与数据可视化(六)numpy 数组和矩阵运算
Python 数据分析与数据可视化(七)pandas数据分析实战
Python 数据分析与数据可视化(八)sklearn机器学习实战
Python 数据分析与数据可视化(工具篇)课程所需扩展库安装
Python 数据分析与数据可视化(实践篇)泰坦尼克号旅客生存预测