版权声明:林微原创,未经允许不得转载。 https://blog.csdn.net/Canhui_WANG/article/details/82913280
1. Matrix product (矩阵乘法)
定义: 给定
m×p大小的矩阵
A,
p×n大小的矩阵
B,则矩阵
A,
B的乘积为
m×n大小的矩阵
C,计算过程如下,
C=A⋅B
其中,
Ci,j=∑k=1pAi,k⋅Bk,j,
1≤i≤m,1≤j≤n
举例: 给定
2×3大小的矩阵
A=[031425],
3×2大小的矩阵
B=⎣⎡012345⎦⎤,则矩阵
A,
B的乘积为
2×2大小的矩阵
C,计算过程如下,
C=A⋅B
=[031425]⋅⎣⎡012345⎦⎤
=[0×0+1×1+2×23×0+4×1+5×20×3+1×4+2×53×3+4×4+5×5]
=[5141450]
2. Hadamard product (哈达马积)
定义: 给定
m×n大小的矩阵
A,
m×n大小的矩阵
B,则矩阵
A,
B的Hadamard product为
m×n大小的矩阵
C,计算过程如下,
C=A⨀B
其中,
Ci,j=Ai,j⋅Bi,j,
1≤i≤m,1≤j≤n
举例: 给定
2×3大小的矩阵
A=[031425],
3×2大小的矩阵
B=[304152],则矩阵
A,
B的乘积为
3×2大小的矩阵
C,计算过程如下,
C=A⨀B
=[031425]⨀[304152]
=[0×33×01×44×12×55×2]
=[00441010]
3. Dot product (点积)
定义: 给定
1×n大小的向量
a
,
1×n大小的向量
b
, 则向量
a
,
b
的点积为
1×1大小的数值
c, 计算过程如下,
c=a
∙b
=∑i=1naibi
举例: 给定
1×3大小的向量
a
=(012),
1×3大小的向量
b
=(345),则向量
a
,
b
的点积为数值
c,计算过程如下,
c=a
∙b
=0×3+1×4+2×5
=4+10
=14
4. Cross product (叉积)
定义: 叉积是依赖于欧几里德三维空间的一个度量单位。给定三维空间中
1×3大小的向量
a
和
1×3大小的向量
b
,则向量
a
,
b
的叉积为
1×3大小的向量
c
,计算过程如下,
c
=a
×b
=∥∥a∥∥∥∥b∥∥sin(θ)ζ
其中,
θ为向量
a和向量
b之间的夹角,
ζ为叉积
c
的方向,即右手定则
下,向量
a
和向量
b
之间法线的方向。
衍生: 根据叉积的定义,给定三维坐标,
y,
z的基坐标分别为
i
,
j
,
k
,根据右手定则有,
i
×j
=k
j
×k
=i
k
×i
=j
j
×i
=−k
k
×j
=−i
i
×k
=−j
其中,当
θ=0时候,有,
i
×i
=0
j
×j
=0
k
×k
=0
举例一 (向量形式): 给定三维空间中的两个向量
u
,
v
,令
u
=u1i
+u2j
+u3k
,
v
=v1i
+v2j
+v3k
,根据定义,有,
u
×v
=(u1i
+u2j
+u3k
)×(v1i
+v2j
+v3k
)
=u1v1i
×i
+u1v2i
×j
+u1v3i
×k
+u2v1j
×i
+u2v2j
×j
+u2v3j
×k
+u3v1k
×i
+u3v2k
×j
+u3v3k
×k
=0
+u1v2k
−u1v3j
−u2v1k
+0
+u2v3i
+u3v1j
−u3v2j
−u3v2i
+0
=u1v2k
−u1v3j
−u2v1k
+u2v3i
+u3v1j
−u3v2i
=(u2v3−u3v2)i
+(u3v1−u1v3)j
+(u1v2−u2v1)k
举例二 (行列式形式): 给定三维空间中的两个向量
u
,
v
,令
u
=u1i
+u2j
+u3k
,
v
=v1i
+v2j
+v3k
,差积也可以通过构造矩阵,计算行列式而得,如下,
u
×v
=∣∣∣∣∣∣i
u1v1j
u2v2k
u3v3∣∣∣∣∣∣
高阶方阵的行列式可以通过根据拉普拉斯定理降维计算而得,如下,
u
×v
=∣∣∣∣u2v2u3v3∣∣∣∣i
−∣∣∣∣u1v1u3v3∣∣∣∣j
+∣∣∣∣u1v1u2v2∣∣∣∣k
=(u2v3−u3v2)i
+(u3v1−u1v3)j
+(u1v2−u2v1)k