Book3 Ch01 万物皆数 数学要素 从加减乘除到机器学习
Book3 Ch01 万物皆数 数学要素 从加减乘除到机器学习
Book3 Ch01 万物皆数 数学要素 从加减乘除到机器学习
All Is Number
1 万物皆数
数字统治万物
万物皆数。
All is Number.
—— 毕达哥拉斯 (Pythagoras) | 古希腊哲学家、数学家 | 570 ~ 495 BC
◄ % 求余数
◄ float() 将输入转化为浮点数
◄ input() 函数接受一个标准输入数据,返回为 string 类型
◄ int() 将输入转化为整数
◄ is_integer() 判断是否为整数
◄ lambda 构造匿名函数;匿名函数是指一类无需定义函数名的函数或子程序
◄ len() 返回序列或者数据帧的数据数量
◄ math.e math 库中的欧拉数
◄ math.pi math 库中的圆周率
◄ math.sqrt(2) math 库计算 2 的平方根
◄ mpmath.e mpmath 库中的欧拉数
◄ mpmath.pi mpmath 库中的圆周率
◄ mpmath.sqrt(2) mpmath 库计算 2 的平方根
◄ numpy.add() 向量或矩阵加法
◄ numpy.array() 构造数组、向量或矩阵
◄ numpy.cumsum() 计算累计求和
◄ numpy.linspace() 在指定的间隔内,返回固定步长数组
◄ numpy.matrix() 构造二维矩阵
◄ print() 在 console 打印
◄ range() 返回的是一个可迭代对象,range(10)返回 0 ~ 9,等价于 range(0,10);range(1, 11)返回 1
~ 10;range(0, -10, -1) 返回 0 ~ −9;range(0, 10, 3) 返回 [0, 3, 6, 9],步长为 3
◄ zip(*) 将可迭代的对象作为参数,让对象中对应的元素打包成一个个元组,然后返回由这些元组组成的列表。*
代表解包,返回的每一个都是元组类型,而并非是原来的数据类型
本 PDF 文件为作者草稿,发布目的为方便读者在移动终端学习,终稿内容以清华大学出版社纸质出版物为准。
版权归清华大学出版社所有,请勿商用,引用请注明出处。
代码及 PDF 文件下载:https://github.com/Visualize-ML
本书配套微课视频均发布在 B 站——生姜 DrGinger:https://space.bilibili.com/513194466
欢迎大家批评指教,本书专属邮箱:[email protected]
Page 2 | Chapter 1 万物皆数 | Book 3《数学要素》 | 鸢尾花书:从加减乘除到机器学习
虚数
复数
无理数
非整数
实数 正整数
有理数
零
加减 整数
加 负整数
累加
万物皆数 向量
行向量
列向量
向量转置
矩阵
行数和列数
元素
一排列向量
分块
一组行向量
矩阵转置和主对角线
特殊矩阵形状
形状相同
加减法
对应位置
批量加减
本 PDF 文件为作者草稿,发布目的为方便读者在移动终端学习,终稿内容以清华大学出版社纸质出版物为准。
版权归清华大学出版社所有,请勿商用,引用请注明出处。
代码及 PDF 文件下载:https://github.com/Visualize-ML
本书配套微课视频均发布在 B 站——生姜 DrGinger:https://space.bilibili.com/513194466
欢迎大家批评指教,本书专属邮箱:[email protected]
Page 3 | Chapter 1 万物皆数 | Book 3《数学要素》 | 鸢尾花书:从加减乘除到机器学习
1.1 数字和运算:人类思想的伟大飞跃
数字,就是人类思想的空气,无处不在,不可或缺。
大家不妨停止阅读,用一分钟时间,看看自己身边哪里存在数字。
举目四望,你会发现,键盘上有数字,书本印着数字,手机显示数字,交易媒介充满数字,
食品有卡路里数值,时钟的数字提醒我们时间,购物扫码本质也是数字。一串串手机号码让人们
联通,身份编号是我们的个体的标签 …
当下,数字已经融合到人类生活的方方面面。多数时候,数字像是空气,我们认为它理所应
当,甚至忽略了它的存在。
数字是万物的绝对尺度,数字更是一种高阶的思维方式。远古时期,不同地域、不同族群的
人类突然意识到,2 只鸡,2 只兔,2 头猪,有一个共性,那就是——2。
2 和更多更多数字,以及它们之间加、减、乘、除以及更多复杂运算被抽象出来,这是人类
思想的一次伟大飞跃。
2× 2× 2×
图 1. 数字是人类抽象思维活动的产物
数字这一宝贵的人类遗产,在不同地区、不同种族之间薪火相传。
5000 年前,古巴比伦人将各种数学计算,比如倒数、平方、立方,刻在泥板上。古埃及则是
将大量数学知识记录在纸草上。
古巴比伦采用 60 进制。不谋而合,中国自古便发明使用天干地支六十甲子为一个周期来纪
年。
本 PDF 文件为作者草稿,发布目的为方便读者在移动终端学习,终稿内容以清华大学出版社纸质出版物为准。
版权归清华大学出版社所有,请勿商用,引用请注明出处。
代码及 PDF 文件下载:https://github.com/Visualize-ML
本书配套微课视频均发布在 B 站——生姜 DrGinger:https://space.bilibili.com/513194466
欢迎大家批评指教,本书专属邮箱:[email protected]
Page 4 | Chapter 1 万物皆数 | Book 3《数学要素》 | 鸢尾花书:从加减乘除到机器学习
有学者认为,人类不约而同地发明并广泛使用十进制,是因为人类有十根手指。人们数数的
时候,自然而然地用手指记录。
随着科学技术持续发展,人类的计算也日趋复杂。零、负数、分数、小数、无理数、虚数被
发明创造出来。于此同时,人类也在发明改进计算工具,让计算更快、更准。
算盘,作为一种原始的计算工具,现在已经基本绝迹。随着运算量和复杂度不断提高,对运
算速度、准确度的需求激增,人类亟需摆脱手工运算,计算器应运而生。
本 PDF 文件为作者草稿,发布目的为方便读者在移动终端学习,终稿内容以清华大学出版社纸质出版物为准。
版权归清华大学出版社所有,请勿商用,引用请注明出处。
代码及 PDF 文件下载:https://github.com/Visualize-ML
本书配套微课视频均发布在 B 站——生姜 DrGinger:https://space.bilibili.com/513194466
欢迎大家批评指教,本书专属邮箱:[email protected]
Page 5 | Chapter 1 万物皆数 | Book 3《数学要素》 | 鸢尾花书:从加减乘除到机器学习
20 世纪 50 年代电子计算机主要使用真空管,而后开始使用半导体晶体管。半导体使得计算
机体积变得更小、成本更低、耗电更少、性能更可靠。进入二十世纪,计算机器的更新迭代,让
人目不暇接,甚至让人感觉窒息。
20 世纪 70 年代,集成电路和微处理器先后投入大规模使用,计算机和其他智能设备开始逐
渐步入寻常百姓家。现如今,计算的竞赛愈演愈烈,量子计算机的研究进展如火如荼。
本 PDF 文件为作者草稿,发布目的为方便读者在移动终端学习,终稿内容以清华大学出版社纸质出版物为准。
版权归清华大学出版社所有,请勿商用,引用请注明出处。
代码及 PDF 文件下载:https://github.com/Visualize-ML
本书配套微课视频均发布在 B 站——生姜 DrGinger:https://space.bilibili.com/513194466
欢迎大家批评指教,本书专属邮箱:[email protected]
Page 6 | Chapter 1 万物皆数 | Book 3《数学要素》 | 鸢尾花书:从加减乘除到机器学习
Now
1936年,图灵
提出图灵机
1971年,英特尔发布第一
1622年,威廉·奥特雷德
个商用中央处理器4004
发明计算尺
1945年, 伊尼亚克
ENIAC诞生
图 5. 计算器发展历史时间轴
到这里,我们不妨停下来,喘口气,回望来时的路。再去看看数字最朴素、最原始、最直觉
的形态。
1.2 数字分类:从复数到自然数
本节介绍数字分类,介绍的数字类型如图 6 所示。
Imaginary numbers
Non-integers
Real
numbers
Rational Positive integers
numbers
Zero
Integers
Negative integers
图 6. 数字分类
复数
复数 (complex number) 包括实数 (real numbers) 和虚数 (imaginary numbers)。复数集 (the set of
complex numbers) 的记号为 。
本 PDF 文件为作者草稿,发布目的为方便读者在移动终端学习,终稿内容以清华大学出版社纸质出版物为准。
版权归清华大学出版社所有,请勿商用,引用请注明出处。
代码及 PDF 文件下载:https://github.com/Visualize-ML
本书配套微课视频均发布在 B 站——生姜 DrGinger:https://space.bilibili.com/513194466
欢迎大家批评指教,本书专属邮箱:[email protected]
Page 7 | Chapter 1 万物皆数 | Book 3《数学要素》 | 鸢尾花书:从加减乘除到机器学习
复数的具体形式如下:
a + bi (1)
其中,a 和 b 是实数。
i 2 = −1 (2)
实数
实数集 (the set of real numbers) 记号为 。实数包括有理数 (rational numbers) 和无理数
(irrational numbers)。
1+ 5
1.618
2
3 2 1 0 1 2 3
2 1.414 π 3.1415926
5 −1
0.618 e 2.71828
2
图 7. 实数轴
数轴描述一维空间,两根垂直并相交于原点的数轴张成二维直角坐标系,即笛卡尔坐标系
(Cartesian coordinate system)。在二维直角坐标系原点处升起一根垂直平面的数轴便张成了三维直
角坐标系。
本 PDF 文件为作者草稿,发布目的为方便读者在移动终端学习,终稿内容以清华大学出版社纸质出版物为准。
版权归清华大学出版社所有,请勿商用,引用请注明出处。
代码及 PDF 文件下载:https://github.com/Visualize-ML
本书配套微课视频均发布在 B 站——生姜 DrGinger:https://space.bilibili.com/513194466
欢迎大家批评指教,本书专属邮箱:[email protected]
Page 8 | Chapter 1 万物皆数 | Book 3《数学要素》 | 鸢尾花书:从加减乘除到机器学习
目前,数学被分割成一个个板块——算数、代数、几何、解析几何、线性代数、概率统计等
等——这种安排虽然有利于特定类别数学工具学习,但是板块之间的联系被人为割裂。本书的重
要任务之一就是强化各个板块之间的联系,让大家看见森林,而不是一棵棵树。
有理数
a
(3)
b
无理数
图 7 所示实数轴上除有理数以外,都是无理数。无理数不能用一个整数或两个整数的商来表
示。无理数也叫无限不循环小数 (non-repeating decimal)。
打印结果如下。
pi = 3.141592653589793
e = 2.718281828459045
sqrt(2) = 1.4142135623730951
本 PDF 文件为作者草稿,发布目的为方便读者在移动终端学习,终稿内容以清华大学出版社纸质出版物为准。
版权归清华大学出版社所有,请勿商用,引用请注明出处。
代码及 PDF 文件下载:https://github.com/Visualize-ML
本书配套微课视频均发布在 B 站——生姜 DrGinger:https://space.bilibili.com/513194466
欢迎大家批评指教,本书专属邮箱:[email protected]
Page 9 | Chapter 1 万物皆数 | Book 3《数学要素》 | 鸢尾花书:从加减乘除到机器学习
图 8. 圆周率小数点后 1000 位
本 PDF 文件为作者草稿,发布目的为方便读者在移动终端学习,终稿内容以清华大学出版社纸质出版物为准。
版权归清华大学出版社所有,请勿商用,引用请注明出处。
代码及 PDF 文件下载:https://github.com/Visualize-ML
本书配套微课视频均发布在 B 站——生姜 DrGinger:https://space.bilibili.com/513194466
欢迎大家批评指教,本书专属邮箱:[email protected]
Page 10 | Chapter 1 万物皆数 | Book 3《数学要素》 | 鸢尾花书:从加减乘除到机器学习
整数
本 PDF 文件为作者草稿,发布目的为方便读者在移动终端学习,终稿内容以清华大学出版社纸质出版物为准。
版权归清华大学出版社所有,请勿商用,引用请注明出处。
代码及 PDF 文件下载:https://github.com/Visualize-ML
本书配套微课视频均发布在 B 站——生姜 DrGinger:https://space.bilibili.com/513194466
欢迎大家批评指教,本书专属邮箱:[email protected]
Page 11 | Chapter 1 万物皆数 | Book 3《数学要素》 | 鸢尾花书:从加减乘除到机器学习
整数重要性质之一是——整数相加、相减或相乘结果还是整数。
自然数
至此,我们回顾了常见数字类型。表 1 总结数字类型并给出例子。
表 1. 不同种类数字及举例
英文表达 汉语表达 举例
Complex numbers 复数 7 + 2i
Imaginary numbers 虚数 2i
Real numbers 实数 7
Irrational numbers 无理数 π, e
Rational numbers 有理数 1.5
Integers 整数 −1, 0, 1
Natural numbers 自然数 9, 18
1.3 加减:最基本的数学运算
本节介绍加、减这两个最基本算数运算。
加法
本 PDF 文件为作者草稿,发布目的为方便读者在移动终端学习,终稿内容以清华大学出版社纸质出版物为准。
版权归清华大学出版社所有,请勿商用,引用请注明出处。
代码及 PDF 文件下载:https://github.com/Visualize-ML
本书配套微课视频均发布在 B 站——生姜 DrGinger:https://space.bilibili.com/513194466
欢迎大家批评指教,本书专属邮箱:[email protected]
Page 12 | Chapter 1 万物皆数 | Book 3《数学要素》 | 鸢尾花书:从加减乘除到机器学习
图 11. 加法运算
图 12 是在数轴上可视化 2 + 3 = 5 这一加法运算。
2+3=5
3
2
0 1 2 3 4 5 6
图 12. 2 + 3 = 5 在数轴上的可视化
结果打印如下。
Enter first number: 2
Enter second number: 3
The sum of 2 and 3 is 5.0
表 2 总结加法的常用英文表达。
表 2. 加法的英文表达
数学表达 英文表达
One plus one equals two.
1+1 = 2 The sum of one and one is two.
If you add one to one, you get two.
Two plus three equals five.
Two plus three is equal to five.
2+3=5
Three added to two makes five.
If you add two to three, you get five.
累计求和
本 PDF 文件为作者草稿,发布目的为方便读者在移动终端学习,终稿内容以清华大学出版社纸质出版物为准。
版权归清华大学出版社所有,请勿商用,引用请注明出处。
代码及 PDF 文件下载:https://github.com/Visualize-ML
本书配套微课视频均发布在 B 站——生姜 DrGinger:https://space.bilibili.com/513194466
欢迎大家批评指教,本书专属邮箱:[email protected]
Page 13 | Chapter 1 万物皆数 | Book 3《数学要素》 | 鸢尾花书:从加减乘除到机器学习
(4) 累计求和计算过程如下:
1+ 2 + 3+ 4 + 5 + 6 = 21
1+ 2 + 3+ 4 + 5=15
1+ 2 + 3+ 4 =10
1+ 2 + 3= 6
1+ 2 =3
1
1, 2, 3, 4, 5, 6, 7, 8, ... (5)
减法
图 13. 减法运算
图 14 所示为在数轴上展示 5 – 3 = 2 的减法运算。
3
5 3=2
0 1 2 3 4 5 6
图 14. 5 – 3 = 2 在数轴上的可视化
本 PDF 文件为作者草稿,发布目的为方便读者在移动终端学习,终稿内容以清华大学出版社纸质出版物为准。
版权归清华大学出版社所有,请勿商用,引用请注明出处。
代码及 PDF 文件下载:https://github.com/Visualize-ML
本书配套微课视频均发布在 B 站——生姜 DrGinger:https://space.bilibili.com/513194466
欢迎大家批评指教,本书专属邮箱:[email protected]
Page 14 | Chapter 1 万物皆数 | Book 3《数学要素》 | 鸢尾花书:从加减乘除到机器学习
相反数
求相反数 (inverse number 或 additive inverse number) 的过程是改变符号 (reverses its sign),这
个操作常称作变号 (sign change)。比如,5 的相反数为−5 (negative five)。表 3 给出减法常用的英文
表达。
表 3. 减法常见英文表达
数学表达 英文表达
Five minus three equals two.
Five minus three is equal to two.
5−3 = 2 Three subtracted from five equals two.
If you subtract three from five, you get two.
If you take three from five, you get two.
Four minus six equals negative two.
4 − 6 = −2
Four minus six is equal to negative two.
1.4 向量:数字排成行、列
本书的读者会问,明明第一章讲的是算数,怎么一下扯到“向量”这个线性代数的概念。
向量、矩阵等线性代数概念对于数据科学和机器学习至关重要。在机器学习中,数据几乎都
是以矩阵形式存储、运算。毫不夸张地说,没有线性代数就没有现代计算机运算。逐渐地,大家
会发现算数、代数、解析几何、微积分、概率统计、优化方法并不是一个个孤岛,线性代数正是
连接它们的重要桥梁之一。
然而,初学者对向量、矩阵等概念却展现出特别的抗拒,甚至恐惧。
基于以上考虑,本书把线性代数基础概念穿插到各个板块,以便破除大家对线性代数的恐
惧,加强大家对这个数学工具的理解。
书归正传。
行向量、列向量
若干数字排成一行或一列,并且用中括号括起来,得到的数组叫做向量 (vector)。
白话说,行向量就是表格的一行数字,列向量就是表格的一列数字。如下两例分别展示行向
量和列向量:
本 PDF 文件为作者草稿,发布目的为方便读者在移动终端学习,终稿内容以清华大学出版社纸质出版物为准。
版权归清华大学出版社所有,请勿商用,引用请注明出处。
代码及 PDF 文件下载:https://github.com/Visualize-ML
本书配套微课视频均发布在 B 站——生姜 DrGinger:https://space.bilibili.com/513194466
欢迎大家批评指教,本书专属邮箱:[email protected]
Page 15 | Chapter 1 万物皆数 | Book 3《数学要素》 | 鸢尾花书:从加减乘除到机器学习
1
2
1 2 313 , (6)
3 31
转置
T
1 1
1 2 3 = 2 , 2 = 1 2 3
T
(7)
3 3
a b
1×3
b = aT
3×1 a = bT
图 15. 向量转置
a = a1 a2 an (8)
其中,下角标代表向量元素的序数;[a1, a2, … an] 读作 “n row vector, a sub one, a sub two, dot dot
dot, a sub n”。
本 PDF 文件为作者草稿,发布目的为方便读者在移动终端学习,终稿内容以清华大学出版社纸质出版物为准。
版权归清华大学出版社所有,请勿商用,引用请注明出处。
代码及 PDF 文件下载:https://github.com/Visualize-ML
本书配套微课视频均发布在 B 站——生姜 DrGinger:https://space.bilibili.com/513194466
欢迎大家批评指教,本书专属邮箱:[email protected]
Page 16 | Chapter 1 万物皆数 | Book 3《数学要素》 | 鸢尾花书:从加减乘除到机器学习
Bk3_Ch1_08.py 定义行向量和列向量,并展示如何通过转置将行向量和列向量相互转换。
本书在介绍线性代数相关知识时,会尽量使用具体数字,而不是变量符号。这样做的考
虑是,让读者构建向量和矩阵运算最直观的体验。这给本系列丛书《矩阵力量》一册打下基础。
《矩阵力量》一册则系统讲解线性代数知识,以及线性代数和代数、解析几何、微积分、概
率统计、优化方法、数据科学等板块的联系。
1.5 矩阵:数字排列成长方形
矩阵 (matrix) 将一系列数字以长方形方式排列,比如:
1 2
1 2 3 3 4 , 1 2
4 5 6 , 3 4 (9)
23 5 6 32 22
白话说,矩阵将数字排列成表格,有行、有列。(9) 给出三个矩阵,形状分别是 2 行 3 列 (记
做 2 × 3)、3 行 2 列 (记做 3 × 2) 和 2 行 2 列 (记做 2 × 2)。
丛书用大写、斜体字母代表矩阵,比如矩阵 A 和矩阵 B。
D columns
First row
n rows
n×D
First column
图 16. n × D 矩阵 X
本 PDF 文件为作者草稿,发布目的为方便读者在移动终端学习,终稿内容以清华大学出版社纸质出版物为准。
版权归清华大学出版社所有,请勿商用,引用请注明出处。
代码及 PDF 文件下载:https://github.com/Visualize-ML
本书配套微课视频均发布在 B 站——生姜 DrGinger:https://space.bilibili.com/513194466
欢迎大家批评指教,本书专属邮箱:[email protected]
Page 17 | Chapter 1 万物皆数 | Book 3《数学要素》 | 鸢尾花书:从加减乘除到机器学习
再次强调,先说行序号,再说列序号。
本系列丛书中,数据矩阵一般采用大写、粗体、斜体 X 表达。
表 4 总结如何用英文读矩阵和矩阵元素。
表 4. 矩阵有关英文表达
数学表达 英文表达
1 2
Two by two matrix, first row one two, second row three four
3 4
a1,1 a1,2 ... a1, n m by n matrix,
first row a sub one one, a sub one two, dot dot dot, a sub one n
a2,1 a2,2 ... a2,n
second row a sub two one, a sub two two, dot dot dot, a sub two n
dot dot dot
am ,1 am ,2 ... am ,n last row a sub m one, a sub m two, dot dot dot a sub m n
ai,j Lowercase (small) a sub i comma j
ai,j+1 Lowercase a double subscript i comma j plus one
ai,j−1 Lowercase a double subscript i comma j minus one
鸢尾花数据集
绝大多数情况,数据以矩阵形式存储、运算。举个例子,图 17 所示鸢尾花卉数据集,全称为
安德森鸢尾花卉数据集 (Anderson's Iris data set),是植物学家埃德加·安德森 (Edgar Anderson) 在加
拿大魁北克加斯帕半岛上的采集的 150 个鸢尾花样本数据。这些数据都属于鸢尾属下的三个亚
属。每一类鸢尾花收集了 50 条样本记录,共计 150 条。
本 PDF 文件为作者草稿,发布目的为方便读者在移动终端学习,终稿内容以清华大学出版社纸质出版物为准。
版权归清华大学出版社所有,请勿商用,引用请注明出处。
代码及 PDF 文件下载:https://github.com/Visualize-ML
本书配套微课视频均发布在 B 站——生姜 DrGinger:https://space.bilibili.com/513194466
欢迎大家批评指教,本书专属邮箱:[email protected]
Page 18 | Chapter 1 万物皆数 | Book 3《数学要素》 | 鸢尾花书:从加减乘除到机器学习
这个 150 × 5 的矩阵的每一列,即列向量,为鸢尾花一个特征的样本数据。矩阵的每一行,即
行向量,代表某一个特定的鸢尾花样本。
鸢尾花数据集可以说是本系列丛书最重要的数据集,没有之一。我们将用各种数学工具从各
种视角分析鸢尾花数据。图 18 给出了几个例子,本系列丛书会陪着大家理解其中每幅图的含义。
本 PDF 文件为作者草稿,发布目的为方便读者在移动终端学习,终稿内容以清华大学出版社纸质出版物为准。
版权归清华大学出版社所有,请勿商用,引用请注明出处。
代码及 PDF 文件下载:https://github.com/Visualize-ML
本书配套微课视频均发布在 B 站——生姜 DrGinger:https://space.bilibili.com/513194466
欢迎大家批评指教,本书专属邮箱:[email protected]
Page 19 | Chapter 1 万物皆数 | Book 3《数学要素》 | 鸢尾花书:从加减乘除到机器学习
图 18. 用各种概率统计、数据科学、机器学习工具分析鸢尾花数据
矩阵形状记号
大部分数学教科书表达矩阵形状时采用 m × n;本系列丛书表达矩阵形状时,一般用 n × D,
n 表达行数,D 表达列数。
采用 n × D 这种记号有几方面的考虑。
首先 m 和 n 这两个字母区分度不高。两者长相类似,而且发音相近,这让初学者辨别行、列
时很大惑。而 n 和 D,一个小写字母,一个大写字母,且发音有显著区别,很容易辨识。
本系列丛书横跨代数、线性代数、概率统计几个板块,n × D 这种记法方便大家把矩阵运算和
统计知识联系起来。
本 PDF 文件为作者草稿,发布目的为方便读者在移动终端学习,终稿内容以清华大学出版社纸质出版物为准。
版权归清华大学出版社所有,请勿商用,引用请注明出处。
代码及 PDF 文件下载:https://github.com/Visualize-ML
本书配套微课视频均发布在 B 站——生姜 DrGinger:https://space.bilibili.com/513194466
欢迎大家批评指教,本书专属邮箱:[email protected]
Page 20 | Chapter 1 万物皆数 | Book 3《数学要素》 | 鸢尾花书:从加减乘除到机器学习
基于以上考虑,本系列丛书后续在表达样本数据矩阵形状时都会默认采用 n × D 这一记法,
除非特别说明。
1.6 矩阵:一排列向量,或一组行向量
矩阵可以看做是,若干列向量左右排列,或者若干行向量上下叠放。比如,形状为 2 × 3 的矩
阵可以看成是 3 个列向量左右排列,也可以看成是 2 个行向量上下叠放:
1 2 3 1 2 3 1 2 3
4 5 6 = 4 5 6 = 4 5 6 (11)
23
x1 ... xD
x(1)
x(2)
...
x(n)
图 19. 矩阵可以分解成一系列行向量或列向量
X nD = x1 x2 xD (12)
X 也可以写成 n 个行向量上下叠放:
x (1)
( 2)
x
X nD = (13)
x ( n)
本 PDF 文件为作者草稿,发布目的为方便读者在移动终端学习,终稿内容以清华大学出版社纸质出版物为准。
版权归清华大学出版社所有,请勿商用,引用请注明出处。
代码及 PDF 文件下载:https://github.com/Visualize-ML
本书配套微课视频均发布在 B 站——生姜 DrGinger:https://space.bilibili.com/513194466
欢迎大家批评指教,本书专属邮箱:[email protected]
Page 21 | Chapter 1 万物皆数 | Book 3《数学要素》 | 鸢尾花书:从加减乘除到机器学习
注意,为了区分含序号的列向量和行向量,本系列丛书将列向量的序号写成下角标,比如
x1、x2、xi、xD 等;将行向量的序号写成上角标加圆括号,比如 x(1)、x(2)、x(j)、x(n) 等。列索引一
般用 i,行索引一般用 j。
矩阵转置
T
1 2
3 4 = 1 3 5
2 4 6
5 6 32 23
(14)
A AT
a1T
Transpose
a2T
a3 T
4×3 3×4
a1 a2 a3
图 20. 矩阵转置
a1T
AT = a1 a2 a3
T
= a2 T (15)
a3 T
本 PDF 文件为作者草稿,发布目的为方便读者在移动终端学习,终稿内容以清华大学出版社纸质出版物为准。
版权归清华大学出版社所有,请勿商用,引用请注明出处。
代码及 PDF 文件下载:https://github.com/Visualize-ML
本书配套微课视频均发布在 B 站——生姜 DrGinger:https://space.bilibili.com/513194466
欢迎大家批评指教,本书专属邮箱:[email protected]
Page 22 | Chapter 1 万物皆数 | Book 3《数学要素》 | 鸢尾花书:从加减乘除到机器学习
这一点对于转置运算非常重要,再举个具体例子。给定如下矩阵,并将其写成左右排列的列
向量:
1 4 7 1 4 7
2 5 8 = 2 5 8
3 6 9 3 6 9
(16)
(16) 矩阵转置结果为:
1 2 3 1 2 3
T
1 7
T
1 4 7 4
2 5 8 = 2 5 8 = 4 5 6 = 4 5 6
3 6 9 3 6 9 7 8 9 7 8 9
(17)
T
a (1)
2
AT = a ( ) = a ( ) T a(
2)T
a(
3) T
1
(18)
( 3)
a
1.7 矩阵形状:每种形状都有特殊性质和用途
矩阵的一般形状为长方形,但是矩阵还有很多特殊形状。图 21 所示为常见特殊形态矩阵。
很明显,列向量、行向量都是是特殊矩阵。
本 PDF 文件为作者草稿,发布目的为方便读者在移动终端学习,终稿内容以清华大学出版社纸质出版物为准。
版权归清华大学出版社所有,请勿商用,引用请注明出处。
代码及 PDF 文件下载:https://github.com/Visualize-ML
本书配套微课视频均发布在 B 站——生姜 DrGinger:https://space.bilibili.com/513194466
欢迎大家批评指教,本书专属邮箱:[email protected]
Page 23 | Chapter 1 万物皆数 | Book 3《数学要素》 | 鸢尾花书:从加减乘除到机器学习
每一种特殊形状矩阵在线性代数舞台上都扮演特殊的角色,本系列丛书会慢慢讲给大
家。
值得注意的是,大家会在本系列丛书《矩阵力量》一本中发现,对角矩阵也可以不是方
阵。此外,零矩阵也未必都是方阵。
1
1
All-ones vector
Column
vector 1
0
Vector 0
Zero vector
0
1
Special matrices Diagonal matrix 3
−5
1
Identity matrix 1
Square 1
matrix
1 2 5
Symmetric matrix 2 0 −3
5 −3 4
0 0 0
Null matrix 0 0 0
0 0 0
图 21. 常见特殊形态矩阵
1.8 矩阵加减:形状相同,对应位置,批量加减
本节介绍矩阵加减法。矩阵相加减就是批量化完成若干加减运算。矩阵加减可以视作四则运
算中加减的高阶版本。
本 PDF 文件为作者草稿,发布目的为方便读者在移动终端学习,终稿内容以清华大学出版社纸质出版物为准。
版权归清华大学出版社所有,请勿商用,引用请注明出处。
代码及 PDF 文件下载:https://github.com/Visualize-ML
本书配套微课视频均发布在 B 站——生姜 DrGinger:https://space.bilibili.com/513194466
欢迎大家批评指教,本书专属邮箱:[email protected]
Page 24 | Chapter 1 万物皆数 | Book 3《数学要素》 | 鸢尾花书:从加减乘除到机器学习
上一节说过,行向量和列向量是特殊的矩阵。两个等长的行向量相加,为对应元素相加,得
到还是一个行向量,比如下例:
1 2 3 + 4 5 6 = 1 + 4 2 + 5 3 + 6 = 5 7 9 (19)
同理,两个等长行向量相减,就是对应元素相减,得到的也是相同长度行向量:
1 2 3 − 4 5 6 = 1 − 4 2 − 5 3 − 6 = −3 −3 −3 (20)
同理,两个等长的列向量相加,得到仍然是一个列向量:
1 4 5
2 + 5 = 7 (21)
3 6 9
图 22 所示为两个数字相加的示意图。而图 23 所示为向量求和。
+ =
图 22. 数字求和
+ =
+ =
+ = + =
+ =
+ =
图 23. 向量求和
矩阵加减
形状相同的两个矩阵相加的结果还是矩阵。运算规则为,对应位置元素相加,形状不变:
本 PDF 文件为作者草稿,发布目的为方便读者在移动终端学习,终稿内容以清华大学出版社纸质出版物为准。
版权归清华大学出版社所有,请勿商用,引用请注明出处。
代码及 PDF 文件下载:https://github.com/Visualize-ML
本书配套微课视频均发布在 B 站——生姜 DrGinger:https://space.bilibili.com/513194466
欢迎大家批评指教,本书专属邮箱:[email protected]
Page 25 | Chapter 1 万物皆数 | Book 3《数学要素》 | 鸢尾花书:从加减乘除到机器学习
1 2 3 1 0 0 1 +1 2 + 0 3 + 0 2 2 3
4 5 6 + 0 1 0 = 4 + 0 5 + 1 6 + 0 = 4 6 6 (22)
23 23 23 23
两个矩阵相减的运算原理完全相同,比如下例:
1 2 3 1 0 0 1 − 1 2 3 0 2 3
4 5 6 − 0 1 0 = 4 5 − 1 6 = 4 4 6 (23)
23 23 23 23
数字和数学是抽象的,它们是人类总结的规律,是人类思想的产物。
试想一个没人类的自然界。那里,天地始交,万物并秀,山川巍峨,江河奔涌,雨润如酥,
暗香浮动,芳草萋萋,鹿鸣呦呦,鹰击长空,鱼翔浅底。
试问,这般香格里拉的梦幻世界和数字有什么关系?
然而,本书的读者很快就知道,微观世界中,自然界中,天体运行中,人类通过几千年的观
察研究发现,数字、数学规律无处不在;可惜天意从来高难问,大部分规律不为人所知罢了。
这让我们不禁追问,可感知世界万物是否仅仅是表象?世界万物创造动力和支配能量,是否
就是数字和数学?我们听到的、看到的、触摸到的,是否都是数字化的,虚拟化的?整个物质世
界仅仅是某个巨型计算机模拟的产物?这些问题让我不寒而栗。
老子说,“大道无形,生育天地;大道无情,运行日月。”老子是否真的参透了世间万物,它
口中的“大道”是否就是数字、数学规律?
本 PDF 文件为作者草稿,发布目的为方便读者在移动终端学习,终稿内容以清华大学出版社纸质出版物为准。
版权归清华大学出版社所有,请勿商用,引用请注明出处。
代码及 PDF 文件下载:https://github.com/Visualize-ML
本书配套微课视频均发布在 B 站——生姜 DrGinger:https://space.bilibili.com/513194466
欢迎大家批评指教,本书专属邮箱:[email protected]