소개
NumPy 는 Python 프로그래밍 언어를 위한 라이브러리로, 대규모 다차원 배열과 행렬을 지원하며, 광범위한 고수준 수학 함수를 제공합니다. 이 랩에서는 NumPy 라이브러리에서 두 행렬의 곱셈 (Multiplication of two Matrix) 개념을 다룰 것입니다.
VM 팁
VM 시작이 완료되면, 왼쪽 상단 모서리를 클릭하여 Notebook 탭으로 전환하여 실습을 위해 Jupyter Notebook에 접근하십시오.
때로는 Jupyter Notebook 이 로딩을 완료하는 데 몇 초 정도 기다려야 할 수 있습니다. Jupyter Notebook 의 제한으로 인해 작업의 유효성 검사는 자동화될 수 없습니다.
학습 중에 문제가 발생하면 Labby 에게 문의하십시오. 세션 후 피드백을 제공해주시면 문제를 신속하게 해결해 드리겠습니다.
필요한 라이브러리 임포트
import numpy as np
행렬 정의
A = np.array([[1,2,3], [4,5,6],[1,2,1]])
B = np.array([[1,1,1], [0,1,0], [1,1,1]])
print("Matrix A:\n", A)
print("Matrix B:\n", B)
multiply() 함수 사용
print("Element-wise multiplication of matrix A and B:")
print(np.multiply(A, B))
matmul() 함수 사용
print("Matrix multiplication of matrix A and B:")
print(np.matmul(A, B))
dot() 함수 사용법
print("Dot product of matrix A and B:")
print(np.dot(A, B))
세 가지 방법 모두 사용하기
print("Matrix multiplication of matrix A and B using all three methods:")
print("Using 'multiply()':")
print(np.multiply(A, B))
print("Using 'matmul()':")
print(np.matmul(A, B))
print("Using 'dot()':")
print(np.dot(A, B))
요약
이 랩에서는 NumPy 라이브러리에서 행렬 곱셈의 개념에 대해 배웠습니다. multiply(), matmul(), 그리고 dot() 함수와 같은 세 가지 행렬 곱셈 방법을 예제를 통해 다루었습니다. 이러한 함수들은 요소별 곱셈 (element-wise multiplication), 행렬 곱셈, 그리고 두 행렬의 스칼라 곱 또는 내적 (dot product) 과 같은 다양한 연산을 수행할 수 있습니다.