Numpy中的矩陣向量乘法分別是np.dot(a,b)、np.multiply(a,b) 以及*,剛開始接觸的時候比較模糊,於是自己整理了一下。先來介紹理論,然後再結合例子深入瞭解一下。
數組 | 矩陣 | |
---|---|---|
元素乘法 | np.multiply(a,b) 或 a*b | np.multiply(a,b) |
矩陣乘法 | np.dot(a,b) | np.dot(a,b) 或 a* b |
我們可以看到:
當對象是數組時候,對應元素乘法使用 np.multiply(a,b) 或a * b,矩陣乘法用np.dot(a,b)
當對象是矩陣時候,對應元素乘法使用np.multiply(a,b) , 矩陣乘法用np.dot(a,b)或 a*b
注:數組和矩陣對應元素相乘,輸出與相乘數組/矩陣的大小一致
對於 np.array 對象
>>> a
array([[1, 2],
[3, 4]])
當對象是數組時候,元素乘法使用 np.multiply(a,b) 或 a*b
>>> np.multiply(a,a)
array([[ 1, 4],
[ 9, 16]])
>>> a*a
array([[ 1, 4],
[ 9, 16]])
當對象是數組時候,矩陣乘法用np.dot(a,b)、np.matmul(a,b) 或者a.dot(b)
>>> np.dot(a,a)
array([[ 7, 10],
[15, 22]])
>>> np.matmul(a,a)
array([[ 7, 10],
[15, 22]])
>>> a.dot(a)
array([[ 7, 10],
[15, 22]])
對於 np.matrix 對象
>>> A
matrix([[1, 2],
[3, 4]])
當對象是矩陣時候,元素乘法使用np.multiply(a,b)
>>> np.multiply(A,A)
matrix([[ 1, 4],
[ 9, 16]])
當對象是矩陣時候,矩陣乘法用np.dot(a,b)、np.matmul(A,A)、a.dot(b)或 a*b
>>> np.dot(A,A)
matrix([[ 7, 10],
[15, 22]])
>>> np.matmul(A,A)
matrix([[ 7, 10],
[15, 22]])
>>> A.dot(A)
matrix([[ 7, 10],
[15, 22]])
>>> A*A
matrix([[ 7, 10],
[15, 22]])