线性代数及代码实现（一）向量

线性代数及代码实现（一）向量

背景

大学学习过的线性代数到现在有些许遗忘，并且对于其中的代码实现并不熟练；本专栏主要是回顾线性代数的基础，并且对其中的代码部分进行实现；

1、一些基础概念

本质：一组数的基本表达方式，线性代数的基本元素；

引入向量的出发点：给数值给定方向这个属性；

一个重要作用：表示N维的数据（在现实生活中数据往往是多个维度的）

2、代码实现简单向量类

class Vector:
    def __init__(self, array):
        self._value = list(array)		# 这里用list是为了将对象进行赋值操作，防止类外修改对象
    
    # 索引其中的一个元素
    def __getitem__(self, index):
        return self._value[index]
    
    # 返回向量长度
    def __len__(self):
        return len(self._value)
    
    def __repr__(self):
        return "Vector({})".format(self._value)		# 系统打印向量时调用
    
    def __str__(self):
        return "({})".format(", ".join(str(a) for a in self._value))	# 用print时调用

由于数组可以很好的表示向量，实现向量也就是对数据的一些操作；

3、向量加法操作实现

def __add__(self, other):
	assert len(self) == len(other), \
		"Error in adding. len of vecters is not same"
	return Vector([a + b for a, b in zip(self, other)])		# 这里zip传入迭代器对象

# 将向量变为可迭代对象
def __iter__(self):
    return self._value.__iter__()

向量的减法操作类似于加法，只需要修改符号即可；

4、零向量

定义：对于任意一个向量v，都存在一个向量O，满足：v + O = v

代码实现：

# 定义一个类方法
@classmethod
def zero(cls, n):
	return cls([0] * n)

5、向量的长度

好像是大学的知识，叫做向量的模，其实也就是欧拉距离的计算方式；

单位向量：模长为1，方向和原向量一致，表示方向，称为归一化、规范化过程；

下面是代码实现：

import math

# 求向量的模
def norm(self):
	return math.sqrt(sum(e**2 for e in self))

# 求当前向量的单位向量
def normal_one(self):
	return 1 / self.norm() * Vector(self._value)

6、向量的点乘

实现公式：

其实很容易理解，可以理解成一个向量映射到另一个向量上，也可以理解成将两个向量分解到x轴和y轴再相乘；

根据几何意义，可以很好的得到下面结论：

两个向量点乘等于0，夹角呈90°；

两个向量点乘大于0，夹角小于90°；

两个向量点乘小于0，夹角大于90°；

向量的点乘其实可以判断两个向量的相似程度，也就是在推荐系统的应用中；

代码实现：

def dot(self, other):
	assert len(self) == len(other), \
		"Error in adding. len of vecters is not same"
	return Vector([a * b for a, b in zip(self, other)])		# 这里zip传入迭代器对象

7、Numpy中向量的使用

# 定义一个向量
vec = np.array([1, 2, 3])		
print(np.zeros(5))
print(np.ones(5))
print(np.full(5, 666))

# numpy基本运算
vec2 = np.array([4, 5, 6])
print("{} + {} = {}".format(vec, vec2, vec + vec2))
print("{} - {} = {}".format(vec, vec2, vec - vec2))
print("{} * {} = {}".format(2, vec, 2 * vec))
print("{} * {} = {}".format(vec, vec2, vec * vec2))
print("{}.dot({}) = {}".format(vec, vec2, vec.dot(vec2)))

print(np.linalg.norm(vec))
print(vec / np.linalg.norm(vec))
print(np.linalg.norm(vec / np.linalg.norm(vec)))

Numpy作为最常用的一个库，包含了对向量处理的所有方法，其内部实现就好比我们自己实现，只是封装了起来，在实际工程中我们直接调用即可；向量只是最简单一个应用，实际在处理一些数据（特别是图像），往往都是矩阵的形式，相比向量更加复杂一些，下一部分将讲解矩阵的知识以及代码实现；