深度学习_线性代数中的向量

本次要学习的是关于线性代数中与向量有关的计算

首相要引入两个概念：

    1）张量(Tensor)：描述向量空间中物体的特征(例如向量是一维的张量)；

    2）矩阵(Martrix)：矩阵可以理解为向量的集合,补充：向量可以理解为实数的集合;

import math

import numpy as np

"""

numpy是一个Python库，用于科学计算和数据分析。

它提供了一个强大的多维数组对象，以及用于处理这些数组的各种函数。

numpy还提供了许多用于线性代数、傅里叶变换和随机数生成的函数。

"""

#那么向量(Vector)用python语言如何让表示呢？

#案例如下：

v = np.array([2,1])

#现在将它打印出来

print("这是向量v=",v)

#计算向量的长度

    #1）

print("方法一计算向量长度得:",(v[0]**2+v[1]**2)**(1/2))

    #2)

magnitude = np.linalg.norm(v)

print("方法一计算向量长度得:",magnitude)

#方向

vtan = v[1]/v[0]

    #1）

print('tan(0) = 1/2')

theta = math.atan(vtan)    #这里需要math这个库，所以在开头引入一下

print('弧度(redian) =',round(theta,4))

print('角度(redian) =',round(theta*180/math.pi, 2))

    #2）也可以使用math.degree()转换角度

print('角度(drgree) =', round(math.degrees(theta), 2))