向量 vector
代数表示,一个向量表示一组有序排列的数,详见
向量的数量积,向量外积
数量积(又叫内积、点积dot product; scalar product),感觉一般别叫点乘,容易和矩阵或者多维数组的点乘混淆,也有的人叫点乘,但是记住多维和向量的点乘含义不一样就i下。
代数表示,对应元素相乘后相加,见
向量外积
又称为叉乘(Cross Product)又称向量积(Vector Product)。
可见
叉乘几何意义:
向量叉乘的结果是一个向量,这个向量与两个进行叉乘的向量同时正交,其长度等于两个向量作为边围起来平行四边形的面积。
矩阵matrix定义
矩阵是一个二维数组:
以上关于矩阵定义的,哑变量的说法,即对该参数遍历求和,即,取A矩阵的列(k在列的位置),取B矩阵的行(k在行的位置)遍历进行向量内积并求和,最后得到C矩阵为ixj。
而对矩阵和向量相乘的特殊情况,即nx1(放右边) 或者1xn(放左边)的情况 ,可以考虑为:
向量可以看成是一行或者一列的矩阵。因此向量可以与矩阵相乘。
要保证向量与矩阵的相乘有意义,区别行向量和列向量就显得十分重要。
矩阵点乘
矩阵点乘,就是矩阵各个对应元素相乘,要求矩阵必须维数相等,这里和向量点积可得区别开,容易混淆。向量乘完还会加。
矩阵点积
举个例子,其实就算把对应列视为向量进行点积操作,但是貌似用的不多,也不知道可不可把行视为向量这么操作,,例子:
关于向量和矩阵中的点乘点积混淆的问题
product这个词一会儿翻译为乘,一会儿为积,实在是伤脑阔,但不管怎么样,无论是点乘还是点积还是什么叉乘什么鬼,始终只是代表一种运算方式,如果实在混了,可以思考背后的运算方式,这个是不会变的。
矩阵相乘和向量点积的区别和联系
- 两个相同维数的向量x 和y 的点积(dot product),可看作是矩阵乘积x⊤y。
- 两个向量点积结果是一个实数(即标量)
- 两个矩阵相乘结果是一个矩阵
张量tensor
一般的,指的是超过两维的多维数组