点积是针对向量而言的。
我们可以理解为维度[n,1]或者[1,n],一维的矩阵。
在python中,我们设置一个array,查看其shape:
可以看到维度是(5, ),并不是(5,1)或者(1,5)。
这东西刚接触的时候很容易搞不清楚。我的理解是,python把这个认定为是向量。
而向量的5其实在空间中可以认为是5个维度的意思,每个维度上有一个值。
而两个向量的点积:
就是每个元素相乘之后求和。
乘积 product乘积的概念是针对矩阵来说的。
所以需要满足维度匹配才可以进行乘积,即矩阵乘法。
前面矩阵的列元素个数,需要等于后面矩阵行元素个数。
即维度 [n , m] 和 [m , k] 这两个矩阵才可以乘积。
[2 , 3] 的矩阵和 [3 , 2] 的矩阵乘积得到一个 [2 , 2] 的矩阵。
另外,我们不用 matrix 而改用 array 也是可以的:
如果我们把两个 array 扩展一个维度出来:
>>> aarray([1, 2, 3, 4, 5])>>> a_reshape = a.reshape([5,1])>>> a_reshapearray([[1], [2], [3], [4], [5]])>>> a_reshape.shape(5, 1)这个时候 array 维度变了。
>>> barray([2, 2, 3, 3, 1])>>> b_reshape = b.reshape([5,1])>>> b_reshapearray([[2], [2], [3], [3], [1]])>>> b_reshape.shape(5, 1)>>> a_b = np.dot(a,b)>>> a_b32有意思的是,这里(5,1)和(5,1)的维度可以直接做乘积。这应该是python为了便利而扩展的功能吧。
如果我们把b的维度变为 (1,5),结果还是一样的:
如果乘积中一个矩阵超过了一维,那就要做维度匹配了。