python numpy 矩阵运算_NumPy向量和矩阵的运算

10. NumPy矩阵运算

本章介绍一些NumPy下的矩阵或者向量的运算函数。

一个行向量乘以一个列向量称作向量的内积，又叫作点积，结果是一个数； 一个列向量乘以一个行向量称作向量的外积，外积是一种特殊的克罗内克积，结果是一个矩阵。

10.1 矩阵的乘法

在Numpy里有很多函数可以实现矩阵的乘法计算。

1). 使用matmul来实现两个矩阵的乘法计算，数学公式如下所示。

$C_{m \times q} = A_{m \times q} \times B_{q \times n}$ 注意两矩阵能相乘，要求A的列等于B的行。

import numpy as np

a = np.arange(1, 7).reshape([2, 3])

b = np.arange(2, 8).reshape([3, 2])

print np.matmul(a, b),"# matmul(a, b)"

程序执行结果如下：

[[28 34]

[64 79]] # matmul(a, b)

2). Numpy里的dot函数也可以对二维及以上的矩阵进行矩阵乘法运算。

import numpy as np

a = np.arange(1, 7).reshape([2, 3])

b = np.arange(2, 11).reshape([3, 3])

print np.matmul(a, b),"# matmul(a, b)"

print a, "# a"

print b, "# b"

print np.dot(a, b), "# dot(a, b)"

程序执行结果：

[[ 36 42 48]

[ 81 96 111]] # matmul(a, b)

[[1 2 3]

[4 5 6]] # a

[[ 2 3 4]

[ 5 6 7]

[ 8 9 10]] # b

[[ 36 42 48]

[ 81 96 111]] # dot(a, b)

从结果可以看出用matmul和dot都能实现对a和b矩阵的乘法计算。

3). 使用NumPy里的inner函数也能实现矩阵的乘法计算。

np.inner(a, b)

inner函数要求形参里的第一个矩阵a和形参里的第二个矩阵b的转置$b^T$ 满足矩阵乘法的要求即a的列等于$b^T$的行。

import numpy as np

a = np.arange(1, 7).reshape([2, 3])

b = np.arange(1, 4).reshape([3, 1])

print np.matmul(a, b),"# matmul(a, b)"

print a, "# a"

print b, "# b"

print np.dot(a, b), "# dot(a, b)"

print "*" * 20

print a, "# a"

b = np.arange(1, 4).reshape([1, 3])

print b, "# b"

print np.inner(a, b), "# inner(a, b)"

程序执行结果:

[[14]

[32]] # matmul(a, b)

[[1 2 3]

[4 5 6]] # a (2, 3)

[[1]

[2]

[3]] # b (3, 1)

[[14]

[32]] # dot(a, b) => (2, 1)

********************

[[1 2 3]

[4 5 6]] # a (2, 3)

[[1 2 3]] # b (1, 3)

[[14]

[32]] # inner(a, b)

注意使用inner的b矩阵的shape是(1, 3)而dot的矩阵b的shape是(3, 1)。

10.1.1 矩阵乘法数学计算过程

1). np.dot(a, b)的数学计算：

2). np.inner(a, b)的数学计算,先将b转置

后续和1)一样计算。

10.2 向量的点积(内积)

对于两个一维数组(向量)dot和inner两个数组的计算是对应元素相乘之和作为计算结果值，数学公式如下所示。

$v = a \bullet b = \sum_{i = 0}^{n - 1} a_i \times b_i$

import numpy as np

a = np.arange(1, 7)

b = np.arange(2, 8)

print a, "# a"

print b, "# b"

print np.dot(a, b), "# dot(a, b)"

print np.inner(a, b), "# inner(a, b)"

程序执行结果：

[1 2 3 4 5 6] # a

[2 3 4 5 6 7] # b

112 # dot(a, b)

112 # inner(a, b)

10.3 inner函数总结

多维矩阵a和b的inner内积等价于第一个矩阵乘第二个矩阵b的转置。

10.4 outer函数外积

在理解了inner之后，outer相当于将形参里的第一个矩阵转置乘形参里的第二个矩阵。

import numpy as np

a = np.arange(1, 5)

b = np.arange(2, 5)

print a, "# a"

print b, "# b"

print np.outer(a, b), "# outer(a, b)"

print "*" * 20

a = np.arange(1, 5).reshape((4, 1))

b = np.arange(2, 5).reshape((1, 3))

print a, "# a"

print b, "# b"

print np.matmul(a, b), "# matmul(a, b)"

程序执行结果：

[1 2 3 4] # a

[2 3 4] # b

[[ 2 3 4]

[ 4 6 8]

[ 6 9 12]

[ 8 12 16]] # outer(a, b)

********************

[[1]

[2]

[3]

[4]] # a

[[2 3 4]] # b

[[ 2 3 4]

[ 4 6 8]

[ 6 9 12]

[ 8 12 16]] # matmul(a, b)

10.4.1 outer的数学计算过程

a、b都是行向量：

$$

a = \left|

\begin{matrix}

1 & 2 & 3 & 4

\end{matrix}

\right|

$$

$$

b = \left|

\begin{matrix}

2 & 3 & 4

\end{matrix}

\right|

$$

a的转置为：

np.outer(a, b)外积则是：