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.
Can you explain why matrix multiplication is not element-wise?
How do I know if a matrix is full-rank?
What happens if I try to invert a non-square matrix?
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!