关于python的矩阵乘法运算

目录 一、矩阵乘法 1. A@B 和 np.dot(A,B) 2. A*B 或 np.multiply(A,B) 二、邻接矩阵的相乘的意义 1.定义 2.问题 3.理解 4.代码实现

一、矩阵乘法

矩阵乘法为 A@B 或 np.dot(A,B) ，若为对应元素相乘则用 A*B 或 np.multiply(A,B) 。

1. A@B 和 np.dot(A,B)

A = np.array([
    [1,2],
    [3,4]
])

B = np.array([
    [1,2],
    [3,4]
])

C1 = A @ B
C2 = np.dot(A,B)
print(C1)
print('---------')
print(C2)

输出为

[[ 7 10]
 [15 22]]
---------
[[ 7 10]
 [15 22]]

2. A*B 或 np.multiply(A,B)

A = np.array([
    [1,2],
    [3,4]
])

B = np.array([
    [1,2],
    [3,4]
])

C3 = A*B
C4 = np.multiply(A,B)
print(C3)
print('---------')
print(C4)

输出为

[[ 1  4]
 [ 9 16]]
---------
[[ 1  4]
 [ 9 16]]

二、邻接矩阵的相乘的意义

1.定义

假设存在一个 N 个节点的无向图。我们用 G[u][v] = G[v][u] = 1 表示从点 u 到点 v 有连边，否则 G[u][v] = G[v][u] = 0 。

2.问题

如果用这个图的邻接矩阵进行自乘会得到什么呢？

3.理解

4.代码实现

邻接矩阵如下

代码如下

import torch
# 构建邻接矩阵
a = [
    [0,1,1,1],
    [1,0,0,1],
    [1,0,0,1],
    [1,1,1,0]
]

A = torch.tensor(a)
A = torch.mm(A,A)
print(A)

输出结果如下

tensor([[3, 1, 1, 2],
        [1, 2, 2, 1],
        [1, 2, 2, 1],
        [2, 1, 1, 3]])

原文地址：https://blog.csdn.net/weixin_44646187/article/details/125920973

查看更多关于关于python的矩阵乘法运算的详细内容...