Numpy 中的矩阵向量乘法

最新推荐文章于 2025-10-10 21:27:46 发布

原创最新推荐文章于 2025-10-10 21:27:46 发布 · 2.6w 阅读

101

214 ·

CC 4.0 BY-SA版权

我们不生产知识，我们只是互联网的搬运工

文章标签：

#Numpy #矩阵乘法 #python

编程语言专栏收录该内容

240 篇文章

订阅专栏

本文详细解析了在NumPy中进行矩阵乘法与元素乘法的区别及实现方式，包括np.multiply、np.dot、np.matmul及a@b等操作符的使用，对比了np.array与np.matrix在乘法运算上的不同。

在这里插入图片描述

结论：

元素乘法：np.multiply(a,b)
矩阵乘法：np.dot(a,b) 或 np.matmul(a,b) 或 a.dot(b) 或直接用 a @ b !
唯独注意：*，在 np.array 中重载为元素乘法，在 np.matrix 中重载为矩阵乘法!

对于 np.array 对象

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

元素乘法 用 a*b 或 np.multiply(a,b) ，

>>> a*a
array([[ 1,  4],
       [ 9, 16]])

>>> np.multiply(a,a)
array([[ 1,  4],
       [ 9, 16]])

矩阵乘法 用 np.dot(a,b) 或 np.matmul(a,b) 或 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]])

元素乘法 用 np.multiply(a,b)

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

矩阵乘法 用 a*b 或 np.dot(a,b) 或 np.matmul(a,b) 或 a.dot(b)。

>>> A*A
matrix([[ 7, 10],
        [15, 22]])
>>> 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]])