numpy.linalg.matmul#
- linalg.matmul(x1, x2, /)[source]#
计算矩阵乘积。
与
numpy.matmul
不同,此函数与数组 API 兼容。- 参数:
- x1array_like
第一个输入数组。
- x2array_like
第二个输入数组。
- 返回值:
- outndarray
输入的矩阵乘积。仅当
x1
和x2
都是一维向量时,此结果才是标量。
- 引发:
- ValueError
如果
x1
的最后一个维度与x2
的倒数第二个维度大小不相同。如果传入标量值。
参见
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]])
对于二维与一维混合,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])
广播对于数组堆栈是常规的
>>> 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
向量,向量返回标量内积,但两个参数都不进行复共轭
>>> np.linalg.matmul([2j, 3j], [2j, 3j]) (-13+0j)
标量乘法引发错误。
>>> np.linalg.matmul([1,2], 3) Traceback (most recent call last): ... ValueError: matmul: Input operand 1 does not have enough dimensions ...