Matriisien Operaatiot Pythonissa
1. Yhteen- ja vähennyslasku
Kaksi matriisia A ja B, joilla on sama muoto, voidaan laskea yhteen:
123456789import numpy as np A = np.array([[1, 2], [5, 6]]) B = np.array([[3, 4], [7, 8]]) C = A + B print(f'C:\n{C}') # C = [[4, 6], [12, 14]]
2. Kertolaskun säännöt
Matriisien kertolasku ei ole alkioittain suoritettava.
Sääntö: jos A:lla on muoto (n,m) ja B:llä muoto (m,l), tuloksella on muoto (n,l).
1234567891011121314151617181920import numpy as np # Example random matrix 3x2 A = np.array([[1, 2], [3, 4], [5, 6]]) print(f'A:\n{A}') # Example random matrix 2x4 B = np.array([[11, 12, 13, 14], [15, 16, 17, 18]]) print(f'B:\n{B}') # product shape (3, 4) product = np.dot(A, B) print(f'np.dot(A, B):\n{product}') # or equivalently product = A @ B print(f'A @ B:\n{product}')
3. Transpoosi
Transpoosi vaihtaa rivit ja sarakkeet keskenään.
Yleinen sääntö: jos A on (n×m), niin AT on (m×n).
1234567import numpy as np A = np.array([[1, 2, 3], [4, 5, 6]]) A_T = A.T # Transpose of A print(f'A_T:\n{A_T}')
4. Matriisin käänteismatriisi
Matriisilla A on käänteismatriisi A−1, jos:
A⋅A−1=IMissä I on identiteettimatriisi.
Kaikilla matriiseilla ei ole käänteismatriisia. Matriisin tulee olla neliömatriisi ja täysirankkainen.
12345678910import numpy as np A = np.array([[1, 2], [3, 4]]) A_inv = np.linalg.inv(A) # Inverse of A print(f'A_inv:\n{A_inv}') I = np.eye(2) # Identity matrix 2x2 print(f'A x A_inv = I:\n{np.allclose(A @ A_inv, I)}') # Check if product equals identity
Kiitos palautteestasi!
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
Awesome!
Completion rate improved to 1.96
Matriisien Operaatiot Pythonissa
Pyyhkäise näyttääksesi valikon
1. Yhteen- ja vähennyslasku
Kaksi matriisia A ja B, joilla on sama muoto, voidaan laskea yhteen:
123456789import numpy as np A = np.array([[1, 2], [5, 6]]) B = np.array([[3, 4], [7, 8]]) C = A + B print(f'C:\n{C}') # C = [[4, 6], [12, 14]]
2. Kertolaskun säännöt
Matriisien kertolasku ei ole alkioittain suoritettava.
Sääntö: jos A:lla on muoto (n,m) ja B:llä muoto (m,l), tuloksella on muoto (n,l).
1234567891011121314151617181920import numpy as np # Example random matrix 3x2 A = np.array([[1, 2], [3, 4], [5, 6]]) print(f'A:\n{A}') # Example random matrix 2x4 B = np.array([[11, 12, 13, 14], [15, 16, 17, 18]]) print(f'B:\n{B}') # product shape (3, 4) product = np.dot(A, B) print(f'np.dot(A, B):\n{product}') # or equivalently product = A @ B print(f'A @ B:\n{product}')
3. Transpoosi
Transpoosi vaihtaa rivit ja sarakkeet keskenään.
Yleinen sääntö: jos A on (n×m), niin AT on (m×n).
1234567import numpy as np A = np.array([[1, 2, 3], [4, 5, 6]]) A_T = A.T # Transpose of A print(f'A_T:\n{A_T}')
4. Matriisin käänteismatriisi
Matriisilla A on käänteismatriisi A−1, jos:
A⋅A−1=IMissä I on identiteettimatriisi.
Kaikilla matriiseilla ei ole käänteismatriisia. Matriisin tulee olla neliömatriisi ja täysirankkainen.
12345678910import numpy as np A = np.array([[1, 2], [3, 4]]) A_inv = np.linalg.inv(A) # Inverse of A print(f'A_inv:\n{A_inv}') I = np.eye(2) # Identity matrix 2x2 print(f'A x A_inv = I:\n{np.allclose(A @ A_inv, I)}') # Check if product equals identity
Kiitos palautteestasi!