OWNER CONTENT

输入访问密码

此内容仅主人可见。验证后会回到你刚才的位置。

lin

返回

向量与矩阵基础解析(零基础向)#

1. 向量#

向量 是数学中的一个基本概念,可以理解为一个有序的数值列表。向量可以表示为一个行向量或列向量。

  • 行向量:用方括号表示,元素之间用逗号分隔。

    v = [1, 2, 3]
    python
  • 列向量:用方括号表示,元素之间用分号分隔。

    v = [1; 2; 3]
    python

向量的几何意义:

  • 向量可以表示为从原点出发的箭头,指向某个点。
  • 例如,向量 [1, 2] 可以表示为从原点 (0, 0) 到点 (1, 2) 的箭头。

向量的基本运算:

  • 加法:两个向量的对应元素相加。

    v1 = [1, 2]
    v2 = [3, 4]
    v_sum = [1+3, 2+4] = [4, 6]
    python
  • 减法:两个向量的对应元素相减。

    v1 = [1, 2]
    v2 = [3, 4]
    v_diff = [1-3, 2-4] = [-2, -2]
    python
  • 数乘:向量与一个标量(数值)相乘。

    v = [1, 2]
    scalar = 3
    v_scaled = [1*3, 2*3] = [3, 6]
    python
  • 点积:两个向量的对应元素相乘后求和。

    v1 = [1, 2]
    v2 = [3, 4]
    dot_product = 1*3 + 2*4 = 3 + 8 = 11
    python

2. 矩阵#

矩阵 是一个二维数组,由行和列组成。矩阵可以表示为一个方括号内的二维数组。

  • 矩阵的表示:
    A = [[1, 2, 3],
         [4, 5, 6],
         [7, 8, 9]]
    python

矩阵的基本运算:

  • 加法:两个矩阵的对应元素相加。

    A = [[1, 2], [3, 4]]
    B = [[5, 6], [7, 8]]
    C = [[1+5, 2+6], [3+7, 4+8]] = [[6, 8], [10, 12]]
    python
  • 减法:两个矩阵的对应元素相减。

    A = [[1, 2], [3, 4]]
    B = [[5, 6], [7, 8]]
    C = [[1-5, 2-6], [3-7, 4-8]] = [[-4, -4], [-4, -4]]
    python
  • 数乘:矩阵与一个标量(数值)相乘。

    A = [[1, 2], [3, 4]]
    scalar = 2
    B = [[1*2, 2*2], [3*2, 4*2]] = [[2, 4], [6, 8]]
    python
  • 矩阵乘法:两个矩阵的乘法,需要满足矩阵的行数和列数匹配。

    A = [[1, 2], [3, 4]]
    B = [[5, 6], [7, 8]]
    C = [[1*5 + 2*7, 1*6 + 2*8], [3*5 + 4*7, 3*6 + 4*8]] = [[19, 22], [43, 50]]
    python

3. 向量与矩阵的关系#

  • 向量作为矩阵:向量可以看作是一个特殊的矩阵,行向量是一个 1×n 的矩阵,列向量是一个 n×1 的矩阵。
  • 矩阵的行和列:矩阵的每一行可以看作是一个行向量,每一列可以看作是一个列向量。

4. 应用#

  • 几何:向量可以表示点、方向和距离。
  • 物理:向量可以表示力、速度和加速度。
  • 计算机科学:矩阵在图像处理、机器学习和数据科学中广泛应用。

5. 总结#

  • 向量 是一个有序的数值列表,可以表示为行向量或列向量。
  • 矩阵 是一个二维数组,由行和列组成。
  • 向量和矩阵的基本运算包括加法、减法、数乘和点积(向量)或矩阵乘法(矩阵)。
  • 向量和矩阵在几何、物理和计算机科学中都有广泛的应用。

希望这些内容能帮助你理解向量和矩阵的基础知识!如果有任何问题,请随时提问。


矩阵乘法#

矩阵乘法是线性代数中的一个重要运算,用于将两个矩阵相乘得到一个新的矩阵。矩阵乘法的规则和步骤如下:

1. 矩阵乘法的定义#

设 AA 是一个 m×nm \times n 矩阵,BB 是一个 n×pn \times p 矩阵,则它们的乘积 C=ABC = AB 是一个 m×pm \times p 矩阵,其中每个元素 cijc_{ij} 由 AA 的第 ii 行和 BB 的第 jj 列的对应元素相乘后求和得到。

数学表示:

cij=∑k=1naikbkjc_{ij} = \sum_{k=1}^{n} a_{ik} b_{kj}

2. 矩阵乘法的步骤#

  1. 检查矩阵维度:确保 AA 的列数等于 BB 的行数。
  2. 初始化结果矩阵:创建一个 m×pm \times p 的矩阵 CC,初始值为零。
  3. 计算每个元素:对于每个 ii 和 jj,计算 cijc_{ij} 为 AA 的第 ii 行和 BB 的第 jj 列的点积。

3. 示例#

考虑两个矩阵 AA 和 BB:

A=[1234]A = \begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix} B=[5678]B = \begin{bmatrix} 5 & 6 \\ 7 & 8 \end{bmatrix}

计算它们的乘积 C=ABC = AB:

  1. 检查维度:

    • AA 是 2×22 \times 2 矩阵。
    • BB 是 2×22 \times 2 矩阵。
    • 维度匹配,可以相乘。
  2. 初始化结果矩阵:

C=[0000]C = \begin{bmatrix} 0 & 0 \\ 0 & 0 \end{bmatrix}
  1. 计算每个元素:
    • c11=1×5+2×7=5+14=19c_{11} = 1 \times 5 + 2 \times 7 = 5 + 14 = 19
    • c12=1×6+2×8=6+16=22c_{12} = 1 \times 6 + 2 \times 8 = 6 + 16 = 22
    • c21=3×5+4×7=15+28=43c_{21} = 3 \times 5 + 4 \times 7 = 15 + 28 = 43
    • c22=3×6+4×8=18+32=50c_{22} = 3 \times 6 + 4 \times 8 = 18 + 32 = 50

最终结果:

C=[19224350]C = \begin{bmatrix} 19 & 22 \\ 43 & 50 \end{bmatrix}

4. 矩阵乘法的性质#

  • 结合律:(AB)C=A(BC)(AB)C = A(BC)
  • 分配律:A(B+C)=AB+ACA(B + C) = AB + AC
  • 单位矩阵:对于任何矩阵 AA,有 AI=IA=AAI = IA = A,其中 II 是单位矩阵。

5. 矩阵乘法的代码实现#

以下是一个简单的 Python 实现,使用 NumPy 库来执行矩阵乘法:

import numpy as np

# 定义两个矩阵
A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])

# 矩阵乘法
C = np.dot(A, B)

print("矩阵 A:")
print(A)
print("矩阵 B:")
print(B)
print("矩阵乘积 C = AB:")
print(C)
python

输出结果:

矩阵 A:
[[1 2]
 [3 4]]
矩阵 B:
[[5 6]
 [7 8]]
矩阵乘积 C = AB:
[[19 22]
 [43 50]]
plaintext

6. 总结#

  • 矩阵乘法 是将两个矩阵相乘得到一个新的矩阵。
  • 乘积矩阵的每个元素是原矩阵对应行和列的点积。
  • 矩阵乘法需要满足维度匹配条件,即第一个矩阵的列数等于第二个矩阵的行数。
  • 矩阵乘法具有结合律和分配律,但不满足交换律。

希望这些内容能帮助你理解矩阵乘法的基本概念和计算方法!

1.向量与矩阵基础解析
作者 lin
发布于 2025年10月23日

留言

无需登录,留下你的想法。

0
昵称颜色
可见范围