Matriseoperasjoner i Python
1. Addisjon og subtraksjon
To matriser A og B med samme dimensjon kan adderes:
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. Regler for multiplikasjon
Matrisemultiplikasjon er ikke elementvis.
Regel: Hvis A har dimensjon (n,m) og B har dimensjon (m,l), vil resultatet ha dimensjon (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. Transponering
Transponering bytter rader og kolonner.
Generell regel: hvis A er (n×m), så er AT (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. Invers av en matrise
En matrise A har en invers A−1 hvis:
A⋅A−1=IDer I er identitetsmatrisen.
Ikke alle matriser har en invers. En matrise må være kvadratisk og ha full rang.
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
Takk for tilbakemeldingene dine!
Spør AI
Spør AI
Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår
Awesome!
Completion rate improved to 1.96
Matriseoperasjoner i Python
Sveip for å vise menyen
1. Addisjon og subtraksjon
To matriser A og B med samme dimensjon kan adderes:
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. Regler for multiplikasjon
Matrisemultiplikasjon er ikke elementvis.
Regel: Hvis A har dimensjon (n,m) og B har dimensjon (m,l), vil resultatet ha dimensjon (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. Transponering
Transponering bytter rader og kolonner.
Generell regel: hvis A er (n×m), så er AT (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. Invers av en matrise
En matrise A har en invers A−1 hvis:
A⋅A−1=IDer I er identitetsmatrisen.
Ikke alle matriser har en invers. En matrise må være kvadratisk og ha full rang.
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
Takk for tilbakemeldingene dine!