Jadual Kandungan
Senario input dan output
Gunakan Untuk Gelung
Contoh
Output
Rumah pembangunan bahagian belakang Tutorial Python Program Python untuk mendarab dua matriks menggunakan tatasusunan berbilang dimensi

Program Python untuk mendarab dua matriks menggunakan tatasusunan berbilang dimensi

Sep 11, 2023 pm 05:09 PM
tatasusunan pelbagai dimensi matriks gandakan

Program Python untuk mendarab dua matriks menggunakan tatasusunan berbilang dimensi

Matriks ialah satu set nombor yang disusun dalam baris dan lajur. Matriks dengan m baris dan n lajur dipanggil matriks m X n, dan m dan n dipanggil dimensinya. Matriks ialah tatasusunan dua dimensi yang dibuat dalam Python menggunakan senarai atau tatasusunan NumPy.

Secara amnya, pendaraban matriks boleh dilakukan dengan mendarab baris matriks pertama dengan lajur matriks kedua. Di sini, bilangan lajur matriks pertama hendaklah sama dengan bilangan baris matriks kedua.

Senario input dan output

Andaikan kita mempunyai dua matriks A dan B, dimensi kedua-dua matriks ini ialah 2X3 dan 3X2 masing-masing. Matriks yang terhasil selepas pendaraban akan mempunyai 2 baris dan 1 lajur.

              	      [b1, b2]			
[a1, a2, a3]    *     [b3, b4]		= 	[a1*b1+a2*b2+a3*a3]
[a4, a5, a6]          [b5, b6]			[a4*b2+a5*b4+a6*b6]
Salin selepas log masuk

Selain itu, kita juga boleh melakukan pendaraban mengikut unsur bagi matriks. Dalam kes ini, kedua-dua matriks input mesti mempunyai bilangan baris dan lajur yang sama.

[a11, a12, a13]	      [b11, b12, b13]		[a11*b11, a12*b12, a13*b13]
[a21, a22, a23]   *   [b21, b22, b23]	    =	[a21*b21, a22*b22, a23*b23]
[a31, a32, a33]	      [b31, b32, b33]		[a31*b31, a32*b32, a33*b33]
Salin selepas log masuk

Gunakan Untuk Gelung

Dengan gelung bersarang, kami akan melakukan pendaraban pada dua matriks dan menyimpan hasilnya dalam matriks ketiga.

Contoh

Dalam contoh ini, kami akan memulakan matriks hasil dengan semua sifar untuk menyimpan hasil pendaraban.

# Defining the matrix using multidimensional arrays
matrix_a = [[1,2,3],
            [4,1,2],
            [2,3,1]]
 
matrix_b = [[1,2,3,2],
            [2,3,6,3],
            [3,1,4,2]]

#function for displaying matrix
def display(matrix):
   for row in matrix:
      print(row)
   print()

# Display two input matrices
print('The first matrix is defined as:') 
display(matrix_a)
print('The second matrix is defined as:')
display(matrix_b)

# Initializing Matrix with all 0s
result = [[0, 0, 0, 0],[0, 0, 0, 0],[0, 0, 0, 0]]

# multiply two matrices 
for i in range(len(matrix_a)):

   # iterate through rows 
   for j in range(len(matrix_b[0])):

      # iterate through columns
      for k in range(len(matrix_b)):        
         result[i][j] = matrix_a[i][k] * matrix_b[k][j]

print('The multiplication of two matrices is:')
display(result)
Salin selepas log masuk

Output

The first matrix is defined as:
[1, 2, 3]
[4, 1, 2]
[2, 3, 1]

The second matrix is defined as:
[1, 2, 3, 2]
[2, 3, 6, 3]
[3, 1, 4, 2]

The multiplication of two matrices is:
[9, 3, 12, 6]
[6, 2, 8, 4]
[3, 1, 4, 2]
Salin selepas log masuk

Bilangan baris dan lajur matriks pertama (matriks_a) ialah 3, dan bilangan baris dan lajur matriks kedua (matriks_b) ialah 3. Matriks yang terhasil selepas mendarab kedua-dua matriks ini (matriks_a, matriks_b) akan mempunyai 3 baris dan 4 lajur (iaitu 3X4).

Contoh

Fungsi numpy.array() digunakan di sini untuk mencipta matriks supaya kita boleh melakukan pendaraban matriks menggunakan operator @.

import numpy as np

# Defining the matrix using numpy array
matrix_a = np.array([[1,2,5], [1,0,6], [9,8,0]])
matrix_b = np.array([[0,3,5], [4,6,9], [1,8,0]])

# Display two input matrices
print('The first matrix is defined as:') 
print(matrix_a)

print('The second matrix is defined as:')
print(matrix_b)

# multiply two matrices
result = matrix_a @ matrix_b

print('The multiplication of two matrices is:')
print(result) 
Salin selepas log masuk

Output

The first matrix is defined as:
[[1 2 5]
 [1 0 6]
 [9 8 0]]
The second matrix is defined as:
[[0 3 5]
 [4 6 9]
 [1 8 0]]
The multiplication of two matrices is:
[[ 13  55  23]
 [  6  51   5]
 [ 32  75 117]]
Salin selepas log masuk

Pengendali pendaraban @ tersedia daripada versi Python 3.5+, jika tidak, kita boleh menggunakan fungsi numpy.dot().

Contoh

Dalam contoh ini, kami akan melakukan pendaraban mengikut unsur bagi dua tatasusunan numpy menggunakan operator asterisk (*).

import numpy as np

# Defining the matrix using numpy array
matrix_a = np.array([[1,2,5], [1,0,6], [9,8,0]])
matrix_b = np.array([[0,3,5], [4,6,9], [1,8,0]])

# Display two input matrices
print('The first matrix is defined as:') 
print(matrix_a)

print('The second matrix is defined as:')
print(matrix_b)

# multiply elements of two matrices
result = matrix_a * matrix_b

print('The element-wise multiplication of two matrices is:')
print(result)
Salin selepas log masuk

Output

The first matrix is defined as:
[[1 2 5]
 [1 0 6]
 [9 8 0]]
The second matrix is defined as:
[[0 3 5]
 [4 6 9]
 [1 8 0]]
The element-wise multiplication of two matrices is:
[[ 0  6 25]
 [ 4  0 54]
 [ 9 64  0]]
Salin selepas log masuk

Atas ialah kandungan terperinci Program Python untuk mendarab dua matriks menggunakan tatasusunan berbilang dimensi. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Cara Memperbaiki Audio Jika anda tidak dapat mendengar sesiapa
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Arahan sembang dan cara menggunakannya
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Meneroka Sejarah dan Matriks Kepintaran Buatan: Tutorial Kepintaran Buatan (2) Meneroka Sejarah dan Matriks Kepintaran Buatan: Tutorial Kepintaran Buatan (2) Nov 20, 2023 pm 05:25 PM

Dalam artikel pertama siri ini, kami membincangkan hubungan dan perbezaan antara kecerdasan buatan, pembelajaran mesin, pembelajaran mendalam, sains data dan banyak lagi. Kami juga membuat beberapa pilihan sukar tentang bahasa pengaturcaraan, alatan dan banyak lagi yang akan digunakan oleh keseluruhan siri. Akhirnya, kami juga memperkenalkan sedikit ilmu matriks. Dalam artikel ini, kita akan membincangkan secara mendalam matriks, teras kecerdasan buatan. Tetapi sebelum itu, mari kita fahami dahulu sejarah kecerdasan buatan. Mengapa kita perlu memahami sejarah kecerdasan buatan? Terdapat banyak ledakan AI dalam sejarah, tetapi dalam banyak kes jangkaan besar untuk potensi AI gagal menjadi kenyataan. Memahami sejarah kecerdasan buatan boleh membantu kita melihat sama ada gelombang kecerdasan buatan ini akan mencipta keajaiban atau hanya gelembung lain yang akan pecah. kami

Program Python untuk mengira jumlah unsur pepenjuru yang betul bagi matriks Program Python untuk mengira jumlah unsur pepenjuru yang betul bagi matriks Aug 19, 2023 am 11:29 AM

Bahasa pengaturcaraan tujuan umum yang popular ialah Python. Ia digunakan dalam pelbagai industri, termasuk aplikasi desktop, pembangunan web dan pembelajaran mesin. Nasib baik, Python mempunyai sintaks yang ringkas dan mudah difahami yang sesuai untuk pemula. Dalam artikel ini, kita akan menggunakan Python untuk mengira jumlah pepenjuru kanan matriks. Apakah matriks? Dalam matematik, kami menggunakan tatasusunan atau matriks segi empat tepat untuk menerangkan objek matematik atau sifatnya Ia adalah tatasusunan atau jadual segi empat tepat yang mengandungi nombor, simbol atau ungkapan yang disusun dalam baris dan lajur. Contohnya -234512367574 Oleh itu, ini ialah matriks dengan 3 baris dan 4 lajur, dinyatakan sebagai matriks 3*4. Kini, terdapat dua pepenjuru dalam matriks, pepenjuru primer dan pepenjuru sekunder

Bagaimana untuk mengira penentu matriks atau ndArray menggunakan numpy dalam Python? Bagaimana untuk mengira penentu matriks atau ndArray menggunakan numpy dalam Python? Aug 18, 2023 pm 11:57 PM

Dalam artikel ini, kita akan belajar cara mengira penentu matriks menggunakan perpustakaan numpy dalam Python. Penentu matriks ialah nilai skalar yang boleh mewakili matriks dalam bentuk padat. Ia merupakan kuantiti yang berguna dalam algebra linear dan mempunyai banyak aplikasi dalam pelbagai bidang termasuk fizik, kejuruteraan, dan sains komputer. Dalam artikel ini, kita akan membincangkan definisi dan sifat penentu terlebih dahulu. Kami kemudian akan belajar cara menggunakan numpy untuk mengira penentu matriks dan melihat cara ia digunakan dalam amalan melalui beberapa contoh. Penentu kefamatriks ialah nilai skala yang boleh digunakan untuk menerangkan sifat

Perjalanan dimensi pengisihan tatasusunan berbilang dimensi PHP: daripada satu dimensi kepada berbilang dimensi Perjalanan dimensi pengisihan tatasusunan berbilang dimensi PHP: daripada satu dimensi kepada berbilang dimensi Apr 29, 2024 pm 09:09 PM

Tatasusunan satu dimensi diisih menggunakan fungsi sort(), tatasusunan dua dimensi diisih mengikut elemen dalaman menggunakan fungsi usort() dan tatasusunan dimensi tinggi diisih mengikut elemen hierarki menggunakan fungsi usort() bersarang berbilang lapisan. Menyelesaikan masalah penguraian lapisan demi lapisan adalah kuncinya.

Program Python untuk mendarab dua matriks menggunakan tatasusunan berbilang dimensi Program Python untuk mendarab dua matriks menggunakan tatasusunan berbilang dimensi Sep 11, 2023 pm 05:09 PM

Matriks ialah satu set nombor yang disusun dalam baris dan lajur. Matriks dengan m baris dan n lajur dipanggil matriks mXn, dan m dan n dipanggil dimensinya. Matriks ialah tatasusunan dua dimensi yang dibuat dalam Python menggunakan senarai atau tatasusunan NumPy. Secara umum, pendaraban matriks boleh dilakukan dengan mendarab baris matriks pertama dengan lajur matriks kedua. Di sini, bilangan lajur matriks pertama hendaklah sama dengan bilangan baris matriks kedua. Senario input dan output Katakan kita mempunyai dua matriks A dan B. Dimensi kedua-dua matriks ini ialah 2X3 dan 3X2 masing-masing. Matriks yang terhasil selepas pendaraban akan mempunyai 2 baris dan 1 lajur. [b1,b2][a1,a2,a3]*[b3,b4]=[a1*b1+a2*b2+a3*a3][a4,a5,a6][b5,b6][a4*b2+a

Bagaimana untuk menggabungkan berbilang tatasusunan menjadi satu tatasusunan multidimensi dalam PHP Bagaimana untuk menggabungkan berbilang tatasusunan menjadi satu tatasusunan multidimensi dalam PHP Jul 09, 2023 pm 01:08 PM

Bagaimana untuk menggabungkan berbilang tatasusunan ke dalam tatasusunan berbilang dimensi dalam PHP Dalam pembangunan PHP, kita sering menghadapi keperluan untuk menggabungkan berbilang tatasusunan menjadi tatasusunan berbilang dimensi. Operasi ini sangat berguna apabila mengendalikan pengumpulan data yang besar dan boleh membantu kami menyusun dan memproses data dengan lebih baik. Artikel ini akan memperkenalkan anda kepada beberapa kaedah yang biasa digunakan untuk mencapai operasi ini, dan melampirkan contoh kod untuk rujukan. Kaedah 1: Gunakan fungsi array_merge Fungsi array_merge ialah fungsi penggabungan tatasusunan yang biasa digunakan dalam PHP.

Program C untuk membandingkan dua matriks untuk kesamaan Program C untuk membandingkan dua matriks untuk kesamaan Aug 31, 2023 pm 01:13 PM

Pengguna mesti memasukkan susunan kedua-dua matriks serta unsur-unsur kedua-dua matriks. Kemudian, bandingkan kedua-dua matriks. Dua matriks adalah sama jika kedua-dua elemen dan saiz matriks adalah sama. Jika matriks adalah sama dalam saiz tetapi tidak sama dalam unsur, maka matriks ditunjukkan sebagai sebanding tetapi tidak sama. Jika saiz dan elemen tidak sepadan, matriks paparan tidak boleh dibandingkan. Program berikut ialah atur cara C, digunakan untuk membandingkan sama ada dua matriks adalah sama-#include<stdio.h>#include<conio.h>main(){ intA[10][10],B[10][10] dalam

Cara menggunakan fungsi array_walk_recursive dalam PHP untuk melaksanakan operasi rekursif pada tatasusunan berbilang dimensi Cara menggunakan fungsi array_walk_recursive dalam PHP untuk melaksanakan operasi rekursif pada tatasusunan berbilang dimensi Jun 26, 2023 am 11:40 AM

Tatasusunan ialah jenis data yang sangat biasa dalam PHP. Kadangkala, kita akan menghadapi situasi yang melibatkan tatasusunan berbilang dimensi Dalam kes ini, jika kita perlu melakukan operasi yang sama pada semua elemen, kita boleh menggunakan fungsi array_walk_recursive(). Fungsi array_walk_recursive() ialah fungsi rekursif yang sangat berkuasa dalam PHP yang boleh membantu kami melaksanakan operasi rekursif pada tatasusunan berbilang dimensi. Ia boleh melintasi setiap elemen tatasusunan berbilang dimensi secara rekursif dan melakukan operasi yang sepadan padanya.

See all articles