Matrixbewerkingen in Python
1. Optellen en Aftrekken
Twee matrices A en B met dezelfde vorm kunnen worden opgeteld:
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. Regels voor Vermenigvuldiging
Matrixvermenigvuldiging is niet elementgewijs.
Regel: als A de vorm (n,m) heeft en B de vorm (m,l), dan heeft het resultaat de vorm (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. Transponeren
Transponeren verwisselt rijen en kolommen.
Algemene regel: als A (n×m) is, dan is 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. Inverse van een matrix
Een matrix A heeft een inverse A−1 als:
A⋅A−1=IWaarbij I de identiteitsmatrix is.
Niet alle matrices hebben een inverse. Een matrix moet vierkant en vol-rang zijn.
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
Bedankt voor je feedback!
Vraag AI
Vraag AI
Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.
Awesome!
Completion rate improved to 1.96
Matrixbewerkingen in Python
Veeg om het menu te tonen
1. Optellen en Aftrekken
Twee matrices A en B met dezelfde vorm kunnen worden opgeteld:
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. Regels voor Vermenigvuldiging
Matrixvermenigvuldiging is niet elementgewijs.
Regel: als A de vorm (n,m) heeft en B de vorm (m,l), dan heeft het resultaat de vorm (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. Transponeren
Transponeren verwisselt rijen en kolommen.
Algemene regel: als A (n×m) is, dan is 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. Inverse van een matrix
Een matrix A heeft een inverse A−1 als:
A⋅A−1=IWaarbij I de identiteitsmatrix is.
Niet alle matrices hebben een inverse. Een matrix moet vierkant en vol-rang zijn.
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
Bedankt voor je feedback!