2024 07 26, 640 pm 今日內容
2024-07-26, 6:40 PM-今日內容
# 2024-07-26-点乘和matrix 乘以matrix 有什么不一样吗？ 什么时候该用什么点乘，什么时候该用matrix乘法…
🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️下一個筆記🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️
2024-07-26-点乘和matrix 乘以matrix 有什么不一样吗？ 什么时候该用什么点乘，什么时候该用matrix乘法…
2024-07-26-点乘和matrix 乘以matrix 有什么不一样吗？ 什么时候该用什么点乘，什么时候该用matrix乘法呢？
layout: post title: ‘点乘和matrix 乘以matrix 有什么不一样吗？ 什么时候该用什么点乘，什么时候该用matrix乘法呢？’ date: 2024-07-26T11:37:35-04:00
点乘（Dot Product）与矩阵乘法（Matrix Multiplication）
点乘和矩阵乘法是线性代数中的两种基本运算，它们用于不同的场景并且具有不同的计算规则和用途。
点乘（Dot Product）
点乘是两个向量之间的操作，计算结果是一个标量。它主要用于计算两个向量之间的投影或相似度。
公式： 如果有两个向量 (\mathbf{a}) 和 (\mathbf{b})： [ \mathbf{a} = \begin{bmatrix} a_1 & a_2 & \cdots & a_n \end{bmatrix} ] [ \mathbf{b} = \begin{bmatrix} b_1 & b_2 & \cdots & b_n \end{bmatrix} ] 那么它们的点乘是： [ \mathbf{a} \cdot \mathbf{b} = a_1 b_1 + a_2 b_2 + \cdots + a_n b_n ]
用途：
- 计算相似度：在机器学习中，点乘用于衡量两个向量（如特征向量或嵌入向量）的相似度。
- 投影：点乘用于计算一个向量在另一个向量方向上的投影。
- 物理应用：在物理中，点乘用于计算力和位移的关系（如功的计算）。
矩阵乘法（Matrix Multiplication）
矩阵乘法是两个矩阵之间的操作，结果是一个新的矩阵。它用于线性变换的组合以及多维数据的变换。
公式：
如果有两个矩阵 (\mathbf{A}) 和 (\mathbf{B})，其中：
[
\mathbf{A} = \begin{bmatrix}
a_{11} & a_{12}
a_{21} & a_{22}
\end{bmatrix}
]
[
\mathbf{B} = \begin{bmatrix}
b_{11} & b_{12}
b_{21} & b_{22}
\end{bmatrix}
]
那么它们的矩阵乘法是：
[
\mathbf{C} = \mathbf{A} \cdot \mathbf{B} = \begin{bmatrix}
a_{11}b_{11} + a_{12}b_{21} & a_{11}b_{12} + a_{12}b_{22}
a_{21}b_{11} + a_{22}b_{21} & a_{21}b_{12} + a_{22}b_{22}
\end{bmatrix}
]
用途：
- 线性变换：矩阵乘法用于表示和组合线性变换，例如旋转、缩放和投影。
- 数据变换：在机器学习和数据分析中，矩阵乘法用于将数据变换为新的表示形式，常用于神经网络中的前向传播和反向传播。
- 系统方程：在控制系统和物理系统中，矩阵乘法用于描述和解决系统方程。
什么时候使用点乘，什么时候使用矩阵乘法？
- 点乘：
- 当你需要计算两个向量之间的相似度或投影时，使用点乘。
- 在机器学习中，点乘常用于特征向量之间的相似度计算，如余弦相似度。
- 矩阵乘法：
- 当你需要将一个线性变换应用到数据上时，使用矩阵乘法。
- 在神经网络中，矩阵乘法用于前向传播过程中的权重矩阵和输入向量的乘积。
- 在数据处理中，矩阵乘法用于将数据投影到新的维度或进行维度变换。
举例说明
-
点乘： 如果 (\mathbf{a} = [1, 2, 3]) 和 (\mathbf{b} = [4, 5, 6])，它们的点乘是： [ \mathbf{a} \cdot \mathbf{b} = 1 \cdot 4 + 2 \cdot 5 + 3 \cdot 6 = 4 + 10 + 18 = 32 ]
-
矩阵乘法： 如果 (\mathbf{A} = \begin{bmatrix} 1 & 2 \ 3 & 4 \end{bmatrix}) 和 (\mathbf{B} = \begin{bmatrix} 5 & 6 \ 7 & 8 \end{bmatrix})，它们的矩阵乘法是： [ \mathbf{A} \cdot \mathbf{B} = \begin{bmatrix} 1 \cdot 5 + 2 \cdot 7 & 1 \cdot 6 + 2 \cdot 8 \ 3 \cdot 5 + 4 \cdot 7 & 3 \cdot 6 + 4 \cdot 8 \end{bmatrix} = \begin{bmatrix} 19 & 22 \ 43 & 50 \end{bmatrix} ]
通过这些解释和示例，你应该可以更好地理解点乘和矩阵乘法的不同用途及其在实际应用中的选择依据。
#dot_product #matrix_product #dot_
#匯總今日內容