numpy.linalg.matmul#

linalg.matmul(x1, x2, /)[源代码]#

计算矩阵乘积.

这个函数是与 Array API 兼容的,与 numpy.matmul 不同.

参数:
x1array_like

第一个输入数组.

x2array_like

第二个输入数组.

返回:
outndarray

输入的矩阵乘积.当 x1 和 x2 都是一维向量时,这是一个标量.

引发:
ValueError

如果 x1 的最后一个维度的大小与 x2 的倒数第二个维度的大小不同.

如果传递的是一个标量值.

参见

numpy.matmul

示例

对于二维数组,它是矩阵乘积:

>>> a = np.array([[1, 0],
...               [0, 1]])
>>> b = np.array([[4, 1],
...               [2, 2]])
>>> np.linalg.matmul(a, b)
array([[4, 1],
       [2, 2]])

对于二维混合一维的情况,结果是通常的.

>>> a = np.array([[1, 0],
...               [0, 1]])
>>> b = np.array([1, 2])
>>> np.linalg.matmul(a, b)
array([1, 2])
>>> np.linalg.matmul(b, a)
array([1, 2])

广播是数组堆栈的传统做法

>>> a = np.arange(2 * 2 * 4).reshape((2, 2, 4))
>>> b = np.arange(2 * 2 * 4).reshape((2, 4, 2))
>>> np.linalg.matmul(a,b).shape
(2, 2, 2)
>>> np.linalg.matmul(a, b)[0, 1, 1]
98
>>> sum(a[0, 1, :] * b[0 , :, 1])
98

Vector, vector 返回标量内积,但两个参数都不是复共轭的:

>>> np.linalg.matmul([2j, 3j], [2j, 3j])
(-13+0j)

标量乘法会引发错误.

>>> np.linalg.matmul([1,2], 3)
Traceback (most recent call last):
...
ValueError: matmul: Input operand 1 does not have enough dimensions ...
On this page