在NumPy中,矩阵乘法是常见的操作之一。矩阵乘法可以用 numpy.dot() 或 @ 运算符来执行。在这里我们将详细介绍这两种方法以及它们的使用。
numpy.dot()
numpy.dot() 函数用于计算两个数组的点积,也就是矩阵乘法。对于二维数组,它计算矩阵乘积,对于一维数组,它计算点积。对于 N 维数组,它是沿最后一个轴的和的乘积。它的语法如下:
numpy.dot(a, b, out=None)
其中 a 和 b 是要进行矩阵乘法的两个数组,out 是可选参数,用于指定输出数组。以下是一个简单的示例,演示如何使用 numpy.dot() 来计算两个矩阵的乘积:
import numpy as np
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
c = np.dot(a, b)
print(c)
输出结果为:
[[19 22]
[43 50]]
@ 运算符
在 NumPy 版本 1.10 之后,我们可以使用 @ 运算符来代替 numpy.dot() 函数进行矩阵乘法。以下是一个简单的示例,演示如何使用 @ 运算符来计算两个矩阵的乘积:
import numpy as np
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
c = a @ b
print(c)
输出结果为:
[[19 22]
[43 50]]
需要注意的是,当 a 和 b 中至少有一个是矩阵对象(即二维数组)时,使用 @ 运算符进行矩阵乘法是比较方便的。
此外,在 NumPy 中还有许多其他的线性代数函数,如求逆矩阵、求特征值、求行列式等等。这些函数可以通过 numpy.linalg 模块来实现。
本文链接:https://my.lmcjl.com/post/19536.html
展开阅读全文
4 评论