矩阵运算|学习笔记

简介: 快速学习 矩阵运算

开发者学堂课程【Python 科学计算库 NumPy 快速入门:矩阵运算】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址:https://developer.aliyun.com/learning/course/605/detail/8824


矩阵运算


简介:

1、什么是矩阵

2、矩阵乘法运算

3、矩阵应用场景

 

1什么是矩阵

矩阵,英文 matrix, 和 array 的区 别矩砗必须是 2 维的,但是 array 可以是多维的。

矩阵&二维数组

两种方法存储矩阵

1) ndarray 二维数组

矩阵乘法:

np. matmul

np. Dot

>>> a = np.array([[80, 86],

[82, 80],

[85,78],

[90,90],

[86, 82] ,

[82, 90],

[78,80],

[92, 94]])

>>> b = np.array([[0.7],[0.3]])

 

>>> np. matmul(a, b)

array([[81.8],

[81.4],

[82.9],

[90、 ],

[84.8],

[84.4],

[78.6],

[92.6]])

>>> np.dot(a,b)

array([[81.8],

[81.4],

[82.9],

[90. ],

[84.8],

[84.4],

[78.6],

[92.6]])

 

2) matrix 数据结构

●np.mat(

。将数组转换成矩阵类型

a = np.array([[80, 86],

[82, 80],

[85, 78] ,

[90,90] ,

[86,82],

[82, 90] ,

[78, 80] ,

[92, 94]])

b = np.array([[0.3], [0.7]])

np. mat(a)

 

2、矩阵乘法运算

形状改变

(m行,n列)*(n行,l列)=(m行,l列)

运算规则

设 A 为 mxp 的矩阵,B 为 pxn 的矩阵,那么称 mx n 的矩阵 C 为矩阵 A 与 B 的乘积,记作 C= AB,其中矩阵 C 中的第 i

行第 j  列元素可以表示为:

 

3矩阵应用场景

大部分机器学习算法需要用到

相关文章
|
1月前
线性代数介绍和矩阵运算
线性代数介绍和矩阵运算
|
1月前
|
机器学习/深度学习 数据挖掘 Python
线性代数运算在NumPy中的实现
【4月更文挑战第17天】本文介绍了NumPy在Python中实现线性代数运算的方法,包括使用`ndarray`创建向量和矩阵,矩阵的转置,矩阵乘法,计算特征值和特征向量,解线性方程组,以及计算行列式和逆矩阵。通过NumPy,科学家和数据分析师能更高效地进行科学计算和数据分析。
|
搜索推荐
|
存储 C++
OpenBLAS 中矩阵运算函数学习
OpenBLAS 中矩阵运算函数学习
369 0
|
人工智能 索引
学习笔记: 线性代数-矩阵对角化
线性代数个人学习笔记
91 0
|
人工智能 Python
|
机器学习/深度学习 人工智能 数据可视化
学习笔记: 线性代数-行列式
线性代数个人学习笔记
117 0