什么是标量？

• 标量是一个单独的数字，比如3、5、或者52。
• 你可以把标量想象成一个小盒子，里面只放着一个数字。

举个例子

• 想象一下你去餐厅吃饭，账单上写着你需要支付的金额，比如52美元。这个52就是一个标量。
• 如果你想把华氏温度转成摄氏温度，可以使用这个公式：
  [
  c = \frac{5}{9} (f - 32)
  ]
  这里的c和f也是变量，它们代表我们不知道的数字（比如温度）。

数学符号

• 在数学里，x、y和z常用来表示标量。例如，如果我们说x ∈ R，意思是x是一个实数（可以是任何数字）。
• 符号∈表示“属于”的意思，像说x和y只能是0或者1时，可以写成x, y ∈ {0, 1}。

张量

• 张量是数学中的一种概念，标量就是只有一个数字的张量。想象一下，张量像是不同形状和大小的盒子，标量就是一个只有一个小数字的盒子。

代码示例

我们用代码来做一些简单的数学运算：

from mxnet import np, npx
npx.set_np()

x = np.array(3.0)  # 创建一个标量，值是3.0
y = np.array(2.0)  # 创建另一个标量，值是2.0

# 做一些运算
加法 = x + y  # 3.0 + 2.0
乘法 = x * y  # 3.0 * 2.0
除法 = x / y   # 3.0 / 2.0
指数 = x**y    # 3.0的2.0次方

# 结果
加法, 乘法, 除法, 指数

• 这段代码做了加法、乘法、除法和指数运算，结果分别是：
  • 加法：5.0
  • 乘法：6.0
  • 除法：1.5
  • 指数：9.0

总结

• 标量就是一个单独的数字，我们可以用它们做很多数学运算。
• 学习线性代数和标量对理解很多数学和科学模型很重要，希望你们能觉得有趣！

1. 什么是向量？

• 向量可以想成一个装了多个数字的“数字列表”。
• 比如，假设我们有一组数字：[0, 1, 2, 3]。这组数字就组成了一个向量。
• 向量的每个数字叫做元素。在向量[0, 1, 2, 3]中，数字0、1、2、3都是这个向量的元素。

举例说明

• 比如我们想知道一个人的一些信息，我们可以用一个向量来记录：
  • 第1个数字可以代表年龄，
  • 第2个数字可以代表身高，
  • 第3个数字可以代表体重。
• 这样一来，如果这个人12岁、身高150厘米、体重40公斤，我们的向量可以写成[12, 150, 40]。

数学符号表示向量

• 在数学里，我们常用粗体的小写字母（如x、y、z）表示向量。
• 比如，我们用 x 表示向量 x = [12, 150, 40]。

如何用代码创建和使用向量

• 在Python中，我们可以使用代码来创建向量，并访问它的每个元素。来看一个例子：

  from mxnet import np
  
  # 创建一个向量 x，里面包含 0, 1, 2, 3
  x = np.arange(4)  
  x  # 输出结果：array([0., 1., 2., 3.])
  

如何获取向量的某个元素

• 比如我们想获取第4个元素（数字3），可以使用x[3]，因为向量中的元素是从第0个位置开始的。

  x[3]  # 输出结果：array(3.)
  

2. 向量的“长度”与“维度”

• 向量的长度就是它里面有多少个元素。比如，向量[0, 1, 2, 3]的长度是4。

• 在数学上，我们用符号 x ∈ R⁴ 表示向量x包含4个数字。

• 在Python里，我们可以用len()来获取向量的长度：

  len(x)  # 输出结果：4
  

• 维度是描述向量中有几个数字的另一个方式。在这个例子中，向量x有4个数字，所以它的维度是4。

向量的形状

• 在代码中，向量的形状可以用x.shape来表示。形状描述了向量在不同方向上的长度。因为我们这个向量只有一个方向（一个轴），所以形状是(4,)。

  x.shape  # 输出结果：(4,)
  

总结

• 向量是一个数字列表，它的每个数字叫做元素。
• 向量有长度（表示里面有几个数字），维度就是长度。
• 我们可以用代码创建向量、访问其中的元素、获取它的长度和形状。

1. 什么是矩阵？

• 矩阵可以看作是一个包含很多向量的“表格”。我们通常用粗体的大写字母（例如X、Y、Z）来表示矩阵。
• 矩阵由很多行（横向）和列（纵向）组成，就像一个表格一样。每个地方的数字叫做元素。

举个例子

• 想象一下，一个班级的学生信息，每行可以代表一个学生，每列可以代表不同的信息，比如：

  • 第1列是学生的姓名，
  • 第2列是学生的年龄，
  • 第3列是学生的身高。

  那么我们可以把这些信息整理成一个矩阵。

矩阵的数学表示

• 在数学中，如果一个矩阵有m行n列，我们可以用符号 ( A \in R^{m \times n} ) 来表示这个矩阵。
• 例如，下面是一个 3 行 2 列的矩阵：
  [
  A =
  \begin{bmatrix}
  a_{11} & a_{12} \
  a_{21} & a_{22} \
  a_{31} & a_{32}
  \end{bmatrix}
  ]
  这里 ( a_{ij} ) 表示第 i 行第 j 列的元素。

如何用代码创建矩阵

• 在Python中，我们可以用代码来创建一个矩阵。比如：

  import numpy as np
  
  # 创建一个 5 行 4 列的矩阵
  A = np.arange(20).reshape(5, 4)
  print(A)
  

  这个代码会输出一个矩阵，像这样：

  [[ 0.,  1.,  2.,  3.],
   [ 4.,  5.,  6.,  7.],
   [ 8.,  9., 10., 11.],
   [12., 13., 14., 15.],
   [16., 17., 18., 19.]]
  

如何访问矩阵中的元素

• 我们可以通过行和列的索引来访问矩阵中的某个元素。比如，( A[1, 2] ) 表示第2行第3列的元素。
• 在上面的矩阵中，( A[1, 2] ) 是数字6。

矩阵的转置

• 有时我们需要交换矩阵的行和列，这个操作叫做转置。
• 如果我们把矩阵 ( A ) 转置，得到的矩阵叫做 ( A^T )，它的行和列就会互换。例如：

  A_T = A.T
  print(A_T)
  

  输出的转置矩阵看起来会是这样的：

  [[ 0.,  4.,  8., 12., 16.],
   [ 1.,  5.,  9., 13., 17.],
   [ 2.,  6., 10., 14., 18.],
   [ 3.,  7., 11., 15., 19.]]
  

对称矩阵

• 如果一个矩阵和它的转置是一样的，我们称这个矩阵为对称矩阵。比如：

  B = np.array([[1, 2, 3],
                [2, 0, 4],
                [3, 4, 5]])
  

  这个矩阵 ( B ) 的转置也是 ( B )。

矩阵的用途

• 矩阵非常有用，因为它们可以帮助我们组织数据。例如，在一个矩阵中，每一行可以代表不同的房子，每一列可以代表不同的属性（如面积、价格等）。

总结

• 矩阵是一个包含数字的表格，能够存储很多信息。
• 我们可以通过行和列来访问每个数字。
• 矩阵可以转置，行和列会互换。
• 矩阵在很多地方都很有用，比如记录学生信息、房屋特征等等。