numpy 矩阵与向量相乘_Python学习第115课--numpy点乘余弦定理推导及其空间意义

【每天几分钟，从零入门python编程的世界！】

●numpy中的对位相乘

我们之前学习的numpy中的相乘有两种方法：

①直接用*号对两个数组进行相乘。

②用numpy.multiply(x,y)方法对两个数组相乘。

以上两种相乘的方法叫做element wise，即对位相乘。假如有x和y两个数组，则数组x中的第一个元素和数组y中的第一个元素相乘，数组x中的第二个元素和数组y中的第二个元素相乘，...，数组x中的第n个元素和数组y中的第n个元素相乘，形成新的数组。

两个数组中每一个对应位置上的元素逐一进行相乘，这叫做element wise。

比如

x = [1 2]

y = [3 4]

x*y = [3 8]

这就是element wise。

●numpy中的点乘的余弦定理推导

今天我们学习另外一种相乘numpy.dot，叫点乘。

点乘这种相乘，在金融和物理的一些运算中经常会用到。所以在这里稍微简单介绍下点乘，把它的图形意义推导一下，为后面对它的运用打好基础。

对位相乘是对两个数组的对位元素一一相乘、

numpy中的点乘，如果两个数组是一维数组，那么点乘的值就是向量的内积，如果是二维或二维以上的数组，点乘是另外的计算方法，在此先不做介绍。下面我们简单从图形的意义介绍下一维数组的点乘。

对于两个一维数组的点乘，就相当于是空间的向量的内积。

在numpy中的一维数组，我们可以把它看成是一个向量。

对于两个向量相乘，比如向量a和向量b相乘，a.b，英文是inner product，即内积。

假设现在有2个向量a和b，a向量和b向量之间的夹角是cosθ。

根据图示，向量c就等于向量a减b,即c = a - b。 ①式

又根据余弦定理：c² = a² + b² - 2|a||b|cosθ ②式

把①式代入②式，

即(a-b)² = a² + b² - 2|a||b|cosθ

a² + b² -2ab = a² + b² - 2|a||b|cosθ

ab = |a||b|cosθ

cosθ = ab/|a||b|

θ = arccos(ab/|a||b|)

我们既然是计算a向量和b向量的乘积，a和b的值我们肯定是知道的，然后我们根据a和b相乘的结果，结果如果是0，根据ab = |a||b|cosθ，就可以知道，a和b的夹角θ是90度。

如果相乘的结果不是0，还可以根据θ = arccos(ab/|a||b|)计算出a和b的夹角是多少度。

这就是numpy中数组的点乘，点乘的值相当于向量的内积。

●numpy中一维数组点乘的空间意义

如上图所示，把b向量投影在a向量的方向上，投影值就是b的绝对值乘以cosθ，即|b|cosθ，因为a.b在空间上就是同一方向的两个向量的绝对值的乘积，

所以a.b = |a||b|cosθ

由于numpy中的一维数组的点乘，可以看做是向量的内积，所以一维数组的点乘可以跟向量相乘的空间表示对应起来，这就是点乘的空间意义。

对于这节的内容，了解一下numpy中的一维数组的点乘是怎么计算的，以及向量在空间上如何表示、如何计算就可以了，关于向量的知识如果想深入研究一下，可以看看相关的书或者网上查查资料。对numpy中的点乘和向量的内积有一点了解之后，在后面的numpy更深入的学习中，如果提到这两个东西，就不会很迷惑。

向量的图是用纸笔画的，图画的有点丑，将就着看看吧，能理解就行。

我是时问新，欢迎关注我。跟我一起从零开始学习Python，每天花一点时间，开启python编程新世界的大门，领略新的风光，让人生多一种可能！