矩阵和向量的类型

向量是实数或复数类型的一维数组，而矩阵是实数或复数类型的二维数组。因此，这些对象元素的有效数值类型列表包括 double（视为默认类型）、float 和 complex。

从线性代数的角度（不是从编译器的角度！），一个素数也是一个最小向量，而反过来，一个向量可被视为一种特殊情况的矩阵。

根据元素类型，可使用任一 vector（带或不带后缀）关键字描述向量：

虽然向量可以分为垂直和水平向量，但是 MQL5 不作此区分。要求的向量朝向由向量在表达式中的位置确定（暗示）。

对向量定义了以下运算：加法和乘法，以及范数（使用相关 norm 方法），范数运算可获取向量长度或模。

你可以将矩阵视为数组，其中第一个索引是行号，第二个索引是列号。然而，行和列的编号方式不同于线性代数，而是像数组一样从零开始。

矩阵的两个维度也称为轴，按如下方式编号：0 为横轴（沿行），而 1 为纵轴（沿列）。很多矩阵函数中都会使用轴编号。尤其是当我们谈到将矩阵拆分时，横拆分表示在行之间切割，纵拆分表示在列之间切割。

根据元素类型，可使用任一 matrix（带或不带后缀）关键字描述描述矩阵：

对于模板函数中的应用，可以使用 matrix<double> , matrix<float> , matrix<complex> , vector<double> , vector<float> , vector<complex> 标记法代替对应类型。

vectorf v_f1 = {0, 1, 2, 3,};
vector<float> v_f2 = v_f1;
matrix m = {{0, 1}, {2, 3}};

void OnStart()
{
Print(v_f2);
Print(m);
}

当被记录到日志时，矩阵和向量以逗号分隔的数字序列形式输出，并用方括号括起。

[0,1,2,3]
[[0,1]
[2,3]]

为矩阵定义了以下代数运算：

此外，matrix 和 vector 类型内置了与 NumPy 库（ Python中流行的机器学习库）类似的方法，因此你可以在文档和库示例中获得更多提示。完整方法列表参见 MQL5 帮助的对应章节。

遗憾的是，MQL5 未提供从一种类型的矩阵和向量到另一种类型的强制转换（例如，从 double 到 float）。此外，在需要矩阵的表达式中，编译器不会自动将向量视为矩阵（一列或一行的矩阵）。这意味着尽管在这些结构之间存在明显关系，但是矩阵和向量之间不存在继承概念（OOP 的特性）。

矩阵和向量