NumPy 矩阵乘法

介绍

NumPy 是一个用于 Python 编程语言的库，它增加了对大型多维数组和矩阵的支持，并提供了大量高级数学函数。在本实验中，我们将介绍 NumPy 库中的矩阵乘法概念。

虚拟机使用提示

虚拟机启动完成后，点击左上角切换到 Notebook 标签页，以访问 Jupyter Notebook 进行练习。

有时，你可能需要等待几秒钟，直到 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。

如果你在学习过程中遇到问题，随时可以询问 Labby。请在实验结束后提供反馈，我们将及时为你解决问题。

导入所需库

import numpy as np

定义矩阵

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)

使用 multiply() 函数

print("Element-wise multiplication of matrix A and B:")
print(np.multiply(A, B))

使用 matmul() 函数

print("Matrix multiplication of matrix A and B:")
print(np.matmul(A, B))

使用 dot() 函数

print("Dot product of matrix A and B:")
print(np.dot(A, B))

使用三种方法

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))

总结

在本实验中，我们学习了 NumPy 库中矩阵乘法的概念。我们通过示例介绍了三种矩阵乘法的方式，例如 multiply()、matmul() 和 dot() 函数。这些函数能够执行不同的操作，例如逐元素乘法、矩阵乘法以及两个矩阵的标量或点积。