Python矩阵相乘

目录

1 引言

2 Python里向量和矩阵的概念

3 矩阵相乘——Python

4 Python矩阵相乘举例说明

4.1 对位乘积举例说明

4.2 矩阵乘法

4.3 向量内积

---

1 引言

矩阵相乘分为叉乘和点乘，叉乘就是矩阵的乘法，指矩阵A的第一行乘以矩阵B的第一列，各个元素对应相乘后求和作为第一个元素的值。能够进行叉乘运算的场景：A的列数等于B的行数。

矩阵的点乘就是矩阵A和矩阵B各个对应元素的相乘。能够进行点乘运算的场景：①A和B的行向量个数相等；② A和B的列向量的个数相等；③ A和B的行向量和列向量都相等。

在matlab里面实现点乘用“.*”，实现叉乘用“*”，非常清晰明了。但是在Python里面实现矩阵相乘时经常会报错，原因是在Python里面向量和矩阵的概念和数学里面的概念有点差异。

2 Python里向量和矩阵的概念

Pyhton的向量和矩阵是严格区分开来的，这个和数学上（或者Matlab里）的概念是不一样的：

向量：一维；
矩阵：最少是二维。

举例：

import numpy as np
A=np.array([1,2,3]) #一维向量，shape=(3,)
B=np.array([[1,2,3]]) #二维数组，shape=(1,3)
print(f'A={A}')
print(f'B={B}')
print(f'A.shape={A.shape}')
print(f'B.shape={B.shape}')
print(f'A.T={A.T}')
print(f'B.T={B.T}')

运行结果如下：

A=[1 2 3]
B=[[1 2 3]]
A.shape=(3,)
B.shape=(1, 3)
A.T=[1 2 3]
B.T=
    [[1]
     [2]
     [3]]

代码中：
① A是向量，其shape为(3,)；其B是行数为1的二维数组，其shape为(1,3)；
② 向量没有转置的概念。A的转置还是A，而B的转置是从行数为1的二维数组变成了列数为1的二维数组，这一点和matlab里面是不一样的。

由于以上两点原因，在计算矩阵相乘时，初学者很容易犯错。