Numpy中的矩阵向量乘法分别是np.dot(a,b)、np.multiply(a,b) 以及*，刚开始接触的时候比较模糊，于是自己整理了一下。先来介绍理论，然后再结合例子深入了解一下。

	数组	矩阵
元素乘法	np.multiply(a,b) 或 a*b	np.multiply(a,b)
矩阵乘法	np.dot(a,b)	np.dot(a,b) 或 a* b

我们可以看到：
当对象是数组时候，对应元素乘法使用 np.multiply(a,b) 或a * b，矩阵乘法用np.dot(a,b)
当对象是矩阵时候，对应元素乘法使用np.multiply(a,b) , 矩阵乘法用np.dot(a,b)或 a*b

注：数组和矩阵对应元素相乘，输出与相乘数组/矩阵的大小一致

对于 np.array 对象

>>> a
array([[1, 2],[3, 4]])

当对象是数组时候，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]])

当对象是数组时候，矩阵乘法用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]])

对于 np.matrix 对象

>>> A
matrix([[1, 2],[3, 4]])

当对象是矩阵时候，元素乘法使用np.multiply(a,b)

>>> np.multiply(A,A)
matrix([[ 1,  4],[ 9, 16]])

当对象是矩阵时候，矩阵乘法用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]])

Numpy中矩阵向量乘法np.dot()及np.multiply()以及*区别相关推荐

python中使用numpy包的向量矩阵相乘np.dot和np.matmul
一直对np的线性运算不太清晰,正好上课讲到了,做一个笔记整个理解一下 1.向量和矩阵在numpy中,一重方括号表示的是向量vector,vector没有行列的概念.二重方括号表示矩阵matrix,有 ...
numpy求矩阵的特征值与特征向量(np.linalg.eig函数详解)
numpy求矩阵的特征值与特征向量(np.linalg.eig) 语法 np.linalg.eig(a) 功能 Compute the eigenvalues and right eigenvecto ...
numpy中矩阵的转置_NumPy矩阵transpose（）-Python中数组的转置
numpy中矩阵的转置 The transpose of a matrix is obtained by moving the rows data to the column and columns ...
python3 numpy中矩阵np.dot(a,b)乘法运算
python np.dot(a,b)乘法运算首先我们知道矩阵运算是不满足交换律的,np.dot(a, b)与np.dot(b, a)是不一样的另外np.dot(a,b)和a.dot(b)果是一样的 ...
Numpy中矩阵对象
numpy模块中的矩阵对象为numpy.matrix,包括矩阵数据的处理,矩阵的计算,以及基本的统计功能,转置,可逆性等等,包括对复数的处理,均在matrix对象中. class numpy.matr ...
numpy中矩阵的点乘和叉乘
点乘:两个矩阵对应位置的元素相乘,且这两个矩阵行数列数相等 import numpy as np a=np.array([[1,2,3],[1,2,3],[1,2,3]]) b=np.array([[ ...
np.dot 与 np.multiply 的不同
np. dot 是点乘 |A B| . |E F| = |A*E+B*G A*F+B*H| |C D| |G H| |C*E+D*G C*F+D*H| np.multiply 是 element - ...
tf计算矩阵维度_tf.matmul() 和tf.multiply() 的区别
1.tf.multiply()两个矩阵中对应元素各自相乘格式: tf.multiply(x, y, name=None) 参数: x: 一个类型为:half, float32, float64, u ...
Numpy中np.dot()与np.matmul()的区别（矩阵乘积、矩阵乘法、矩阵相乘）

Numpy中矩阵向量乘法np.dot()及np.multiply()以及*区别

对于 np.array 对象

对于 np.matrix 对象

Numpy中矩阵向量乘法np.dot()及np.multiply()以及*区别相关推荐

最新文章

热门文章