numpy乘法.dot(),inner,outer,multiply,matmul区别（tcy)

最新推荐文章于 2025-09-23 10:03:14 发布

原创

最新推荐文章于 2025-09-23 10:03:14 发布 · 1.3k 阅读

8 ·

CC 4.0 BY-SA版权

本文详细介绍了使用NumPy进行各种矩阵运算的方法，包括数量积、矩阵乘法、点积、内积、外积等，并通过具体实例展示了不同运算符及函数（如np.multiply、np.matmul、np.dot等）的应用场景和区别。

1.函数：
    a*b                                  数量积(a,b ∈ ndarray,scalar)或矩阵乘法(a,b ∈matrix)
    np.multiply(a,b,out=None,**kwargs)   数量积-对应元素相乘(a,b ∈ ndarray,scalar) 可交换位置
    
    np.matmul(*args,**kwargs)==a @ b     矩阵乘法(a,b ∈ndarray,matrix)            不可交换位置

    np.dot(a,b,out=None)                 点积
    np.dot(a,b)	                         普通内积(a,b ∈ 1D ndarray)	结果为scalar
    np.dot(a,b)	                         矩阵乘法(a,b ∈ matrix)	a.cols=b.rows
    np.dot(a,b)	                         数量积(a,b ∈ ndarray,scalar) 可交换位置
    
    np.inner(a,b)                        内积   可交换位置
    np.outer(a,b,out=None)               外积   不可交换位置

2.实例：

实例1：a,b有一个标量
    a=np.array([1,2,3])
    b=4

    np.outer(a,b)      # array([[ 4],[ 8],[12]])

    np.inner(a,b)      # array([ 4,  8, 12]) 
    np.dot(a,b)        # array([ 4,  8, 12])

    a*b                # array([ 4,  8, 12])
    np.multiply(a,b)   # array([ 4,  8,