Multiplicación de matriz numpy

Este tutorial está relacionado con la multiplicación de matriz con la ayuda de la biblioteca Numpy. La multiplicación de matriz se refiere a cómo podemos realizar las operaciones de multiplicación en una matriz en una aplicación de Python. Todas las operaciones numéricas y científicas se manejan fácilmente con la ayuda de la biblioteca Numpy en Python. En esta plataforma, guiaremos a todos los lectores a través de este tutorial sobre la multiplicación de matriz con la ayuda de ejemplos adecuados. Pasaremos por diferentes pasos y sesiones mientras mantenemos y ejecutamos el código Python en Pycharm, Spyder o la herramienta Notebook Júpiter. Antes de instalar Numpy, demostraremos la multiplicación de matriz en detalle. Empecemos!

Multiplicación de matriz numpy en Python

En Python, realizaremos eficientemente la multiplicación de matriz con la ayuda de los métodos numpy. Todos los métodos se definen perfectamente en las próximas secciones. Como su nombre indica, la multiplicación de la matriz, solo multiplicamos la matriz para resolver los problemas matemáticos. Podemos usar las diferentes funciones para la multiplicación de matriz en Python que se define en la biblioteca Numpy. La sintaxis de todos estos métodos se explica en la siguiente sección.

Sintaxis del método de multiplicación de matriz

Aquí, explicaremos la sintaxis de las multiplicaciones de matriz en diferentes dimensiones.

La sintaxis para una matriz 2D usando la función DOT se da de la siguiente manera:

Mm = numpy.punto (a, b)

O

Mm = a@b

Aquí, Numpy es una biblioteca de Python y las variables "A" y "B" son las matrices en las que aplicamos la multiplicación. Después de eso, tenemos otra forma de realizar la multiplicación de matriz que se menciona anteriormente. Podemos usar el "@" entre dos matrices para realizar la multiplicación y la sintaxis para una matriz 3D utilizando el siguiente método:

Mm = numpy. Matmul (A, B, C)

O

Mm = numpy. Tensordot (A, B, ejes)

Necesitamos tres parámetros aquí: "A", "B" y "ejes". Aquí, las variables "A" y "B" son dos matrices, y los ejes también se definen en la función. Si el valor del ejes es 0, significa que las matrices tienen el producto cruzado.

Instale e importe la biblioteca Numpy

Abra la aplicación Python. Creamos un nuevo archivo de Python donde importamos la biblioteca Numpy. Pero primero debemos instalar una biblioteca Numpy.

Ejecute el siguiente comando en el terminal de aplicación:

PIP install numpy

Cambiamos el nombre del archivo en consecuencia. Ahora, importamos una biblioteca Numpy para realizar la multiplicación de matrices y alias la biblioteca Numpy como "NP".

importar numpy como np

De esta manera, instalamos e importamos la biblioteca Numpy en nuestra aplicación Python. Ahora, tengamos algunos ejemplos relacionados con la multiplicación de matriz.

Ejemplo 1:
Este es nuestro primer ejemplo en el que multiplicamos una matriz 2D usando el método de biblioteca Numpy. El código de referencia de este ejemplo se menciona en el siguiente:

importar numpy como np
arr1 = np.Array ([[2,7], [6,9]])
arr2 = np.Array ([[2,5], [4,8]])
Res = NP.punto (arr1, arr2)
Imprimir (Res)

Aquí, usamos el método DOT para la multiplicación de matriz. Como se ilustra anteriormente, inicializamos dos matrices llamadas "ARR1" y "ARR2" y pasamos estas dos matrices en el método "DOT" llamándolo a través de la biblioteca Numpy. Almacenamos el valor que el método DOT devuelve en la variable "res". Por último, pasamos la variable "res" en la instrucción de impresión para mostrar la salida en la pantalla.

El resultado que obtenemos del código anterior se da en lo siguiente:

[[32 66]
[48 102]]

Como podemos ver, la salida se muestra en una matriz después de la multiplicación [[32 66] [48 102]].

Ejemplo 2:
La segunda instancia también está vinculada a la matriz 2D en la que solo están involucradas dos matrices. En este ejemplo, utilizamos el operador "@" para la multiplicación matriz. El código de referencia de este ejemplo se adjunta en el siguiente:

importar numpy como np
arr1 = np. Array ([[6,3], [2,7]])
arr2 = np. Array ([[1,9], [4,3]])
res = arr1 @ arr2
Imprimir (Res)

Aquí importamos la biblioteca Numpy. Luego, inicializamos las matrices y las nombramos como "ARR1" y "ARR2" en nuestro código. Después de eso, aplicamos el "@" entre dos matrices para la multiplicación y almacenamos este valor de multiplicación en la variable "Res". Por último, pasamos la variable "res" en la instrucción de impresión para mostrar la salida en la consola.

La salida de este ejemplo se adjunta en el siguiente:

[[18 63]
[30 39]]

La multiplicación de dos matrices también es una matriz [18 63] [30 39]].

Ejemplo 3:
Este es otro ejemplo de multiplicación de matriz. Pero en este caso, multiplicamos más de dos matrices. Usamos el método "Matmul" de la biblioteca Numpy aquí. El código de referencia de las matrices dimensionales múltiples se adjunta de la siguiente manera:

importar numpy como np
arr1 = np. Array ([[4,7], [2,6]])
arr2 = np. Array ([[7,9], [1,3]])
arr3 = np. Array ([[9,2], [5,8]])
salida = np.Matmul (arr1, arr2, arr3)
Imprimir (salida)

Aquí, inicializamos tres matrices llamadas "ARR1", "ARR2" y "ARR3". Después de eso, llamamos al método "Matmul" de la biblioteca Numpy y pasamos estas tres matrices en este método. Almacenamos la multiplicación de matrices en la variable "salida". Por último, pasamos la variable "salida" en la instrucción de impresión para mostrar la salida en la consola.

La salida de la multiplicación de estas matrices es [[35 57] [20 36]] como se menciona en lo siguiente:

[[35 57]
[20 36]]

Ejemplo 4:
En este ejemplo, discutiremos la función tensordot para la multiplicación matricial. El código de referencia de este ejemplo se adjunta en el siguiente:

importar numpy como np
AR = NP.Array ([[1, 2, 6], [3, 4, 8]])
Br = NP.Array ([[9, 4], [2, 2], [1, 2]])
D = NP.Tensordot (AR, Br, Axes = 1)
Imprimir (d)

Aquí, tomamos dos matrices llamadas "AR" y "BR". Después de eso, llamamos al método "tensordot" de la biblioteca numpy en la que pasamos estas dos matrices y ejes. Aquí, declaramos una variable "D" para almacenar el resultado de matrices de matriz. Por último, pasamos la variable "D" en la declaración de impresión para mostrar el resultado de la multiplicación de matriz en una consola. En este ejemplo, multiplicamos las matrices cuya dimensión es 3 × 2. En la primera matriz, tenemos 2 filas y 3 columnas. Mientras tenemos 3 filas y 2 columnas en la segunda matriz.

La salida de la función Tensordot se menciona a continuación. El resultado después de la multiplicación de la matriz es [[19 20] [43 36]] como puede ver en lo siguiente:

[[19 20]
[43 36]]

Conclusión

Concluimos que los métodos de biblioteca numpy son esenciales para la multiplicación de matriz. Aquí, usamos cuatro formas diferentes para la multiplicación de matriz. Vemos que cuando se multiplican dos o tres matrices, al final (después de la multiplicación), solo existe una matriz. Tenga en cuenta que el NP.Matmul () y el NP.Las funciones tensordot () se utilizan para realizar las multiplicaciones de matriz en matrices multidimensionales; sus dimensiones y formas deberían igualar en consecuencia. Con suerte, todos los ejemplos ilustrados son útiles para ti. Puede practicar estos ejemplos en su aplicación de Python.