python_(1)_向量运算
向量
行向量
import numpy as np
a = np.array([1,2,3,4])
print(type(a))
print(a)
<class 'numpy.ndarray'>
[1 2 3 4]
列向量
列向量 相当于一个 n×1n\times1n×1 的矩阵
import numpy as np
a = np.array([[1,2,3,4]])
print(type(a))
print(a)
print(a.shape)
print(type(a.T))
print(a.T)
print(a.T.shape)
<class 'numpy.ndarray'>
[[1 2 3 4]]
(1, 4)
<class 'numpy.ndarray'>
[[1][2][3][4]]
(4, 1)
向量的加法
[123]+[567]=[6810]\begin{bmatrix} 1 \\ 2 \\ 3 \end{bmatrix} + \begin{bmatrix} 5 \\ 6 \\ 7 \end{bmatrix} = \begin{bmatrix} 6 \\ 8 \\ 10 \end{bmatrix} ⎣⎡123⎦⎤+⎣⎡567⎦⎤=⎣⎡6810⎦⎤
import numpy as np
u = np.array([[1,2,3]]).T
v = np.array([[5,6,7]]).T
print(u+v)
[[ 6][ 8][10]]
向量的数量乘法
3×[123]=[369]3 \times \begin{bmatrix} 1 \\ 2 \\ 3 \end{bmatrix} = \begin{bmatrix} 3 \\ 6 \\ 9 \end{bmatrix} 3×⎣⎡123⎦⎤=⎣⎡369⎦⎤
import numpy as np
u = np.array([[1,2,3]]).T
print(3*u)
[[3][6][9]]
向量间的乘法
向量的内积(点乘) np.dot()
参与内积运算的两个向量必须维数相等
运算规则:先将对应位置上的元素相乘,然后合并相加
向量内积的最终运算结果是一个标量
(352)⋅(147)=3×1+5×4+2×7=37\begin{pmatrix} 3 & 5 & 2 \end{pmatrix} \cdot \begin{pmatrix} 1 & 4 & 7 \end{pmatrix} = 3\times1 + 5\times4 + 2\times7 = 37 (352)⋅(147)=3×1+5×4+2×7=37
import numpy as np
u = np.array([3,5,2])
v = np.array([1,4,7])
print(np.dot(u,v))
37
向量的外积(叉乘) np.cross()
二维向量的外积
表示两个向量张成的平行四边形的"面积",如果两个向量的夹角大于 180∘180^\circ180∘, 则向量外积的运算结果为负
(35)×(14)=7\begin{pmatrix} 3 & 5 \end{pmatrix} \times \begin{pmatrix} 1 & 4 \end{pmatrix} = 7 (35)×(14)=7
import numpy as np
u = np.array([3,5])
v = np.array([1,4])
print(np.cross(u,v))
print(type(np.cross(u,v)))
print(np.cross(u,v).shape)
7
<class 'numpy.ndarray'>
()
三维向量的外积
表示两个向量张成的平面的法向量,所得结果是向量
(339)×(1412)=(0−279)\begin{pmatrix} 3 & 3 & 9 \end{pmatrix} \times \begin{pmatrix} 1 & 4 & 12 \end{pmatrix} = \begin{pmatrix} 0 & -27 & 9 \end{pmatrix} (339)×(1412)=(0−279)
import numpy as np
u = np.array([3,3,9])
v = np.array([1,4,12])
print(np.cross(u,v))
print(type(np.cross(u,v)))
print(np.cross(u,v).shape)
[ 0 -27 9]
<class 'numpy.ndarray'>
(3,)
向量的线性组合:先数乘后叠加
3×[123]+4×[456]+5×[789]=[546678]3 \times \begin{bmatrix} 1 \\ 2 \\ 3 \end{bmatrix} + 4\times \begin{bmatrix} 4 \\ 5 \\ 6 \end{bmatrix} + 5\times \begin{bmatrix} 7 \\ 8 \\ 9 \end{bmatrix} = \begin{bmatrix} 54 \\ 66 \\ 78 \end{bmatrix} 3×⎣⎡123⎦⎤+4×⎣⎡456⎦⎤+5×⎣⎡789⎦⎤=⎣⎡546678⎦⎤
import numpy as np
u = np.array([[1,2,3]]).T
v = np.array([[4,5,6]]).T
w = np.array([[7,8,9]]).T
print(3*u+4*v+5*w)
[[54][66][78]]
python_(1)_向量运算相关推荐
- 两向量叉乘的计算公式_向量运算(叉乘几何意义)
向量的叉乘,即求同时垂直两个向量的向量,即c垂直于a,同时c垂直于b(a与c的夹角为90°,b与c的夹角为90°) c = a×b = (a.y*b.z-b.y*a.z , b.x*a.z-a.x*b ...
- python二维向量运算模拟_python二维向量运算_[VB.NET][C#]二维向量的基本运算
前言 在数学中,几何向量是指具有大小和方向的几何对象. 在编程中,向量有着广泛的应用,其作用在图形编程和游戏物理引擎方面尤为突出. 第一节 构造函数 通过创建一个二维向量的类(或结构体),实现向量的表 ...
- Python_机器学习_算法_第1章_K-近邻算法
Python_机器学习_算法_第1章_K-近邻算法 文章目录 Python_机器学习_算法_第1章_K-近邻算法 K-近邻算法 学习目标 1.1 K-近邻算法简介 学习目标 1 什么是K-近邻算法 1 ...
- 语言转4字节数据整型_R语言与RGui平台_数据类型_向量_4
计算机语言RGui平台上的R语言__数据类型_向量_4 R语言进阶4_数据类型_向量1 咱们而可以从自然语言(汉语.英.法.俄.德.日.拉丁.伊斯兰.等等)的基本特征来看--词汇.句子.段落.结构.文 ...
- Python_机器学习_常用科学计算库_第6章_ Seaborn+综合案例
Python_机器学习_常用科学计算库_第6章_ Seaborn+综合案例 文章目录 Python_机器学习_常用科学计算库_第6章_ Seaborn+综合案例 Seaborn 学习目标 6.1 Se ...
- 【shaderforge学习笔记】 Vector Operations(向量运算)
shaderforge 向量运算 Append数据维度的附加 Component Mask数据维度的分解 Channel Blend通道混合 Cross Product叉积 Desaturate去色 ...
- C语言学习趣事_之_大数运算_加法
C语言学习趣事_大数运算_之加法 1.引子 在C语言中,因为预定义的自然数类型的大小是有上下限度的,这就决定了在进行数的运算的时候,必然受到限制,同时因为C语言是最接近汇编的一种程序设计语言,并 ...
- python 读grid 数据_科学网—Python_机器学习_总结14:Grid search - 李军的博文
机器学习中存在两类参数:通过训练数据学习得到的参数:---可认为是辨识得到的参数,例如模型系数: 在学习算法中单独需要优化的参数--超参.调优参数:---算法自身的系数,例如决策树的深度参数: Gri ...
- python sklearn 梯度下降法_科学网—Python_机器学习_总结4:随机梯度下降算法 - 李军的博文...
=============================================================== 总结如下: 1.随机梯度下降算法可以看成是梯度下降算法的近似,但通常它能 ...
- AVX2浮点向量运算
在C/C++程序中,使用AVX2指令有很多种方法. 嵌入汇编是一般的方法,但是对于不熟悉汇编语言的人来说,有点勉为其难. gcc编译支持AVX2指令的编程.程序中需要使用头文件<immintri ...
最新文章
- 区域填充与击中击不中变换
- pytorch datasets.ImageFolder,DataLoader形成的tensor是什么样的?
- 中石油训练赛 - Insertion Order(二叉搜索树+构造)
- WINCE6.0 DM.EXE 激活驱动失败的原因之一
- 监控mysql数据库里的数据_有谁知道哪种软件可以监控mysql数据库上执行的数据脚本吗?...
- 浅谈SQL Server中的事物日志(一)
- oracle对象类型_如何创建Oracle类型对象
- MySQL 主键相关操作
- java俄罗斯方块代码_俄罗斯方块java源代码提供
- php中文歌词,pr怎么导入歌词字幕
- 我的阿里三面,四面分享给大家
- 计算机画图简笔画竹子,竹子简笔画图片教程
- AI从零开始之我们为什么要为了那个虚无缥缈的f而奋斗
- 神奇小子重启自动驾驶项目,推出开源软件Comma Neo
- 锐捷AP组建无线网络-保姆级教程
- JavaEE中的依赖性——依赖性注入
- html会员积分模板,人人商城会员中心头部模板显隐会员积分等项 - YangJunwei
- Compiz Fusion 安装后的设置
- 2023年法定节假日信息表-MySQL
- uniapp H5接入使用环信聊天