python中数组的矩阵乘法答案

【问题标题】：matrix multiplication of arrays in pythonpython中数组的矩阵乘法
【发布时间】：2011-04-15 08:14:36
【问题描述】：

我觉得问这个有点傻，但我似乎找不到答案

在 Numpy 中使用数组我想将 3X1 数组乘以 1X3 数组并得到一个 3X3 数组作为结果，但是因为点函数总是将第一个元素视为列向量，而将第二个元素视为行向量我可以'似乎为了让它工作，我必须使用矩阵。

A=array([1,2,3])  
print "Amat=",dot(A,A)  
print "A2mat=",dot(A.transpose(),A)  
print "A3mat=",dot(A,A.transpose())  
u2=mat([ux,uy,uz])  
print "u2mat=", u2.transpose()*u2

还有输出：

Amat= 14  
A2mat= 14  
A3mat= 14  
u2mat=  
 [[ 0.  0.  0.]  
        [ 0.  0.  0.]  
        [ 0.  0.  1.]]

【问题讨论】：

标签： python arrays numpy matrix

【解决方案1】：

np.outer 是内置的：

A = array([1,2,3])
print( "outer:", np.outer( A, A ))

(transpose 不起作用，因为A.T 与一维数组的 A 完全相同：

print( A.shape, A.T.shape, A[:,np.newaxis].shape )
>>> ( (3,), (3,), (3, 1) )

)

添加：np.add.outer 添加元素对 -- np.outer 很像 np.multiply.outer。和 np.ufunc.outer (A, B) 将对与任何二进制ufunc。

【讨论】：

+1，不知道 np.outer - 但它看起来正是您所需要的。

【解决方案2】：

>>> A=np.array([1,2,3])
>>> A[:,np.newaxis]
array([[1],
       [2],
       [3]])
>>> A[np.newaxis,:]
array([[1, 2, 3]])
>>> np.dot(A[:,np.newaxis],A[np.newaxis,:])
array([[1, 2, 3],
       [2, 4, 6],
       [3, 6, 9]])

【讨论】：

【解决方案3】：

实现这一点的一种方法是使用 matrix 类/类型。

import numpy as np
A = np.matrix([1,2,3])
B = A.T  #transpose of A

>>> B*A 
>>> matrix([[1, 2, 3],
    [2, 4, 6],
    [3, 6, 9]])

属于矩阵类的对象的行为与数组几乎相同。实际上数组和矩阵是可以互换的。

【讨论】：