一. np.dot()
1.同線性代數中矩陣乘法的定義。np.dot(a, b)表示：
2.**
【code】
import numpy as np
# 2-d array: 2 x 3
two_dim_matrix_one = np.array([[1, 2, 3], [4, 5, 6]])
# 2-d array: 3 x 2
two_dim_matrix_two = np.array([[1, 2], [3, 4], [5, 6]])
two_multi_res = np.dot(two_dim_matrix_one, two_dim_matrix_two)
print('two_multi_res: %s' %(two_multi_res))
# 1-d array
one_dim_vec_one = np.array([1, 2, 3])
one_dim_vec_two = np.array([4, 5, 6]www.cppcns.com)
one_result_res = np.dot(one_dim_vec_one, one_dim_vec_two)
print('one_result_res: %s' %(one_result_res))vsgihbfea
【result】
two_multi_res: [[22 28]
[49 64]]
one_result_res: 32
二. np.multiply()或 *
1.在python中，實現對應元素相乘（element-wise product），有2種方式，
2.**
【code】
import numpy as np
# 2-d array: 2 x 3
two_dim_matrix_one = np.array([[1, 2, 3], [4, 5, 6]])
another_two_dim_matrix_one = np.array([[7, 8, 9], [4, 7, 1]])
# 對應元素相乘 element-wise product
element_wise = two_dim_matrix_one * another_two_dim_matrix_one
print('element wise product: %s' %(element_wise))
# 對應元素相乘 element-wise product
element_wise_2 = np.multiply(two_dim_matrix_one, another_two_dim_matrix_one)
print('element wise product: %s' % (element_wise_2))
【result】
element wise product: [[ 7 16 27]
vsgihbfea [16 35 6]]
element wise product: [[ 7 16 27]
[16 35 6]]
本文標題: python中的幾種矩陣乘法（小結）
本文位址:
向量 矩陣的幾種乘法
向量與向量的點乘是逐個元素相乘後求和。矩陣與矩陣的點乘就是矩陣乘法。在 python 中可使用 numpy.dot 或 實現。方陣還可採用numpy.matmul。example import numpy as np a np.array 1 1,1 b np.array 1 2,3 a np.ar...
python的幾種乘法
作用 陣列和矩陣對應位置相乘，輸出結果與相乘陣列 矩陣的大小一致.例如 a np.arrange 1,5 reshape 2,2 即 a array 1,2 3,4 b np.arrange 1,5 reshape 2,2 即 b array 0,1 2,3 c np.mulitply a,b c ...
python 矩陣乘法
1.列表作為資料結構 def matrixproduct a,b temp2 for i in range len a temp1 for j in range len b 0 total 0 for k in range len a 0 total a i k b k j return temp2...