矩阵乘法问题 - Numpy vs Matlab？答案

【问题标题】：Matrix multiplication problems - Numpy vs Matlab?矩阵乘法问题 - Numpy vs Matlab？
【发布时间】：2015-06-01 15:15:15
【问题描述】：

我正在尝试将我拥有的一些 Matlab 代码翻译成 Python（使用 numpy）。我有以下 Matlab 代码：

(1/x)*eye(2)

X 只是 1000000。据我了解，Matlab 中的 * 表示矩阵乘法，等价于 numpy 中的 .dot。所以在 Python 中，我有：

numpy.array([(1/x)]).dot(numpy.identity(2))

当我尝试运行 numpy 代码时，出现错误“形状 (1,) 和 (2,2) 未对齐：1 (dim 0) != 2 (dim 0)”。

显然我不明白什么。有人知道正确的 numpy 代码是什么吗？

【问题讨论】：

糟糕，x 只是 1000000。
如果x 是标量，为什么要使用矩阵乘法？
在这种情况下它是标量，但我只是将其用作代码示例，我认为它在 Python 中应该给出与在 Matlab 中相同的答案。 Numpy 的 * 等价物是什么？是.dot，不是吗？
我很肯定它可以在 Matlab 中工作 - 我刚刚跑了 1000000*eye(2)。看起来它给了我逐元素乘法。所以我猜如果你使用标量，Matlab 假设 * 是元素乘法。
@user1566200 - 是的，你是对的。我才意识到你在做什么。我还添加了一个答案。

标签： python arrays matlab numpy matrix

【解决方案1】：

由于x 是一个标量，如果您在 MATLAB 中将一个矩阵乘以一个标量，它只会按该值缩放所有条目。不需要矩阵乘法。

如果您想在numpy 中实现相同的功能，您可以执行与 MATLAB 中相同的操作：

(1/x)*numpy.identity(2)

如果x 是兼容维度的矩阵，那么是的，您使用numpy.dot：

(1/x).dot(numpy.identity(2))

因此，在决定进行操作之前，您需要确保知道x 是什么。

numpy 使用* 运算符执行逐元素乘法，因此如果您想要实际的矩阵乘法，可以使用numpy.dot。您得到的维度不兼容，因为标量和矩阵之间的真正矩阵乘法是不可能的。

【讨论】：

【解决方案2】：

基本上在 numpy 操作中 * 和 dot 是不同的。

(*) 执行元素操作——每个矩阵元素与其他矩阵对应元素

a.dot(c) – 执行实际的数学矩阵乘法，这是我们在高中时学习的。

a = np.arange(9).reshape(3,3)

b = np.arange(10,19).reshape(3,3)

In [47]: a*b

Out[47]:
array([[ 0, 11, 24],
[ 39, 56, 75],
[ 96, 119, 144]])

In [48]: a.dot(b)

Out[48]:
array([[ 45, 48, 51],
[162, 174, 186],
[279, 300, 321]])

【讨论】：