numpy矩阵加法 减法 点乘

在numpy中，矩阵加法、矩阵减法、矩阵点乘可以通过numpy的加减乘运算符（+、-、*）来实现。

例如，对于两个矩阵A和B：

import numpy as np

A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])

矩阵加法可以使用加号运算符：

C = A + B
print(C)
# 输出：[[ 6  8]
#       [10 12]]

矩阵减法可以使用减号运算符：

C = A - B
print(C)
# 输出：[[-4 -4]
#       [-4 -4]]

矩阵点乘可以使用乘号运算符：

C = A * B
print(C)
# 输出：[[ 5 12]
#       [21 32]]

需要注意的是，矩阵点乘运算符是按元素逐一相乘，而不是矩阵乘法（矩阵乘法需要使用numpy的dot函数或@符号）。如果要进行矩阵乘法运算，可以使用dot函数：

C = np.dot(A, B)
print(C)
# 输出：[[19 22]
#       [43 50]]

或者使用@符号：

C = A @ B
print(C)
# 输出：[[19 22]
#       [43 50]]

相关问题

NumPy矩阵加法运算： 矩阵减法运算：矩阵元素间乘法运算： 矩阵乘法运算

：

矩阵加法运算：

NumPy中的矩阵加法运算使用+号进行操作，例如：

import numpy as np

# 定义两个3x3的矩阵
a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
b = np.array([[9, 8, 7], [6, 5, 4], [3, 2, 1]])

# 矩阵加法运算
c = a + b

print(c)

输出结果为：

[[10 10 10]
[10 10 10]
[10 10 10]]

矩阵减法运算：

NumPy中的矩阵减法运算使用-号进行操作，例如：

import numpy as np

# 定义两个3x3的矩阵
a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
b = np.array([[9, 8, 7], [6, 5, 4], [3, 2, 1]])

# 矩阵减法运算
c = a - b

print(c)

输出结果为：

[[-8 -6 -4]
[-2 0 2]
[ 4 6 8]]

矩阵元素间乘法运算：

NumPy中的矩阵元素间乘法运算使用*号进行操作，例如：

import numpy as np

# 定义两个3x3的矩阵
a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
b = np.array([[9, 8, 7], [6, 5, 4], [3, 2, 1]])

# 矩阵元素间乘法运算
c = a * b

print(c)

输出结果为：

[[ 9 16 21]
[24 25 24]
[21 16 9]]

矩阵乘法运算：

NumPy中的矩阵乘法运算使用dot()函数进行操作，例如：

import numpy as np

# 定义两个3x3的矩阵
a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
b = np.array([[9, 8, 7], [6, 5, 4], [3, 2, 1]])

# 矩阵乘法运算
c = np.dot(a, b)

print(c)

输出结果为：

[[ 30 24 18]
[ 84 69 54]
[138 114 90]]

numpy二维数组点乘

NumPy中的二维数组点乘可以使用`numpy.dot`函数实现。例如，对于两个二维数组a和b，可以使用以下代码进行点乘操作：

import numpy as np

# 生成两个二维数组
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

# 点乘操作
c = np.dot(a, b)

print(c)

输出结果为：

[[19 22]
 [43 50]]

另外，NumPy中的`@`运算符也可以用于二维数组的点乘操作，例如：

c = a @ b

print(c)

输出结果与上面相同。