Multiplication de la matrice Numpy

Ce tutoriel est lié à la multiplication matricielle à l'aide de la bibliothèque Numpy. La multiplication de la matrice fait référence à la façon dont nous pouvons effectuer les opérations de multiplication sur une matrice dans une application Python. Toutes les opérations numériques et scientifiques sont facilement gérées à l'aide de la bibliothèque Numpy à Python. Sur cette plate-forme, nous guiderons tous les lecteurs à travers ce tutoriel sur la multiplication matricielle à l'aide d'exemples appropriés. Nous passerons par différentes étapes et sessions tout en maintenant et en exécutant le code Python sur Pycharm, Spyder ou l'outil Jupiter Notebook. Avant d'installer Numpy, nous démontrerons la multiplication matricielle en détail. Commençons!

Multiplication de la matrice Numpy dans Python

Dans Python, nous effectuerons efficacement la multiplication matricielle à l'aide des méthodes Numpy. Toutes les méthodes sont parfaitement définies dans les sections à venir. Comme son nom l'indique, Matrix Multiplication, nous multiplions la matrice pour résoudre les problèmes mathématiques. Nous pouvons utiliser les différentes fonctions pour la multiplication matricielle dans Python qui est définie dans la bibliothèque Numpy. La syntaxe de toutes ces méthodes est expliquée dans la section suivante.

Syntaxe de la méthode de multiplication matricielle

Ici, nous expliquerons la syntaxe des multiplications matricielles dans différentes dimensions.

La syntaxe pour une matrice 2D à l'aide de la fonction DOT est donnée comme suit:

Mm = numpy.point (a, b)

Ou

Mm = a @ b

Ici, Numpy est une bibliothèque Python et les variables «A» et «B» sont les tableaux sur lesquels nous appliquons la multiplication. Après cela, nous avons un autre moyen d'effectuer la multiplication matricielle qui est mentionnée précédemment. Nous pouvons utiliser le «@» entre deux tableaux pour effectuer la multiplication et la syntaxe pour une matrice 3D en utilisant la méthode suivante:

Mm = numpy. matmul (a, b, c)

Ou

Mm = numpy. Tensordot (a, b, axes)

Nous avons besoin de trois paramètres ici: «A», «B» et «Axes». Ici, les variables «A» et «B» sont deux matrices, et les axes sont également définis dans la fonction. Si la valeur des axes est 0, cela signifie que les matrices ont le produit croisé.

Installer et importer la bibliothèque Numpy

Ouvrez l'application Python. Nous créons un nouveau fichier python où nous importons la bibliothèque Numpy. Mais nous devons d'abord installer une bibliothèque Numpy.

Exécutez la commande suivante dans le terminal d'application:

pip installer Numpy

Nous renomnons le fichier en conséquence. Maintenant, nous importons une bibliothèque Numpy pour effectuer la multiplication des tableaux et alias la bibliothèque Numpy comme «NP».

Importer Numpy comme NP

De cette façon, nous installons et importons la bibliothèque Numpy dans notre application Python. Maintenant, ayons quelques exemples liés à la multiplication matricielle.

Exemple 1:
Ceci est notre premier exemple dans lequel nous multiplions une matrice 2D en utilisant la méthode de la bibliothèque Numpy. Le code de référence de cet exemple est mentionné dans ce qui suit:

Importer Numpy comme NP
Arr1 = np.Array ([[2,7], [6,9]))
arr2 = np.Array ([[2,5], [4,8]])
res = np.DOT (ARR1, ARR2)
imprimer (res)

Ici, nous utilisons la méthode DOT pour la multiplication matricielle. Comme illustré précédemment, nous initialisons deux matrices nommées «Arr1» et «Arr2» et passons ces deux matrices dans la méthode «DOT» en l'appelant via la bibliothèque Numpy. Nous stockons la valeur que la méthode DOT renvoie dans la variable «Res». Enfin, nous passons la variable «Res» dans l'instruction PRINT pour afficher la sortie à l'écran.

Le résultat que nous obtenons à partir du code précédent est donné dans les éléments suivants:

[[32 66]
[48 102]]

Comme nous pouvons le voir, la sortie est représentée dans une matrice après multiplication [[32 66] [48 102]].

Exemple 2:
La deuxième instance est également liée à la matrice 2D dans laquelle seuls deux tableaux sont impliqués. Dans cet exemple, nous utilisons l'opérateur «@» pour la multiplication matricielle. Le code de référence de cet exemple est joint dans ce qui suit:

Importer Numpy comme NP
Arr1 = np. Array ([[6,3], [2,7]])
arr2 = np. Array ([[1,9], [4,3]])
res = arr1 @ arr2
imprimer (res)

Ici, nous importons la bibliothèque Numpy. Ensuite, nous initialisons les matrices et les nommons comme «Arr1» et «Arr2» dans notre code. Après cela, nous appliquons le «@» entre deux matrices pour la multiplication et stockons cette valeur de multiplication dans la variable «Res». Enfin, nous passons la variable «Res» dans l'instruction IMPRESSE pour afficher la sortie de la console.

La sortie de cet exemple est attachée dans ce qui suit:

[[18 63]
[30 39]]

La multiplication de deux matrices est également une matrice [18 63] [30 39]].

Exemple 3:
Ceci est un autre exemple de multiplication matricielle. Mais dans ce cas, nous multiplions plus de deux matrices. Nous utilisons ici la méthode «Matmul» de la bibliothèque Numpy. Le code de référence des matrices dimensionnelles est jointe comme suit:

Importer Numpy comme NP
Arr1 = np. Array ([[4,7], [2,6]])
arr2 = np. Array ([[7,9], [1,3]])
Arr3 = np. Array ([[9,2], [5,8]])
sortie = np.Matmul (ARR1, ARR2, ARR3)
Imprimer (sortie)

Ici, nous initialisons trois matrices nommées «ARR1», «ARR2» et «ARR3». Après cela, nous appelons la méthode «Matmul» de la bibliothèque Numpy et passons ces trois matrices dans cette méthode. Nous stockons la multiplication des matrices dans la variable «sortie». Enfin, nous passons la variable «sortie» dans l'instruction IMPRESSE pour afficher la sortie de la console.

La sortie de la multiplication de ces matrices est [[35 57] [20 36]] comme mentionné dans ce qui suit:

[[35 57]
[20 36]]

Exemple 4:
Dans cet exemple, nous discuterons de la fonction Tensordot pour la multiplication matricielle. Le code de référence de cet exemple est joint dans ce qui suit:

Importer Numpy comme 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)
Imprimer (D)

Ici, nous prenons deux matrices nommées «AR» et «BR». Après cela, nous appelons la méthode «Tensordot» de la bibliothèque Numpy dans laquelle nous passons ces deux matrices et axes. Ici, nous déclarons une variable «D» pour stocker le résultat de matrices matricielles. Enfin, nous passons la variable «D» dans l'instruction PRINT pour afficher le résultat de la multiplication matricielle sur une console. Dans cet exemple, nous multiplions les matrices dont la dimension est 3 × 2. Dans la première matrice, nous avons 2 rangées et 3 colonnes. Alors que nous avons 3 lignes et 2 colonnes dans la deuxième matrice.

La sortie de la fonction Tensordot est mentionnée dans ce qui suit. Le résultat après la multiplication matricielle est [[19 20] [43 36]] comme vous pouvez le voir dans les éléments suivants:

[[19 20]
[43 36]]

Conclusion

Nous concluons que les méthodes de bibliothèque Numpy sont essentielles pour la multiplication matricielle. Ici, nous avons utilisé quatre façons différentes pour la multiplication matricielle. Nous voyons que lorsque deux ou trois matrices sont multipliées, à la fin (après multiplication), une seule matrice existe. Gardez à l'esprit que le NP.Matmul () et le NP.Les fonctions Tensordot () sont utilisées pour effectuer les multiplications matricielles sur des tableaux multidimensionnels; leurs dimensions et leurs formes devraient correspondre en conséquence. J'espère que tous les exemples illustrés vous sont utiles. Vous pouvez pratiquer ces exemples dans votre application Python.