Код умножения матрицы Python
Выполните умножение матриц на чистом Python без зависимостей. Запустите наше сравнение вложенных циклов и оптимизированных структур.
Обзор
Умножение матриц — фундаментальная математическая операция в линейной алгебре, компьютерной графике и машинном обучении. Он включает в себя взятие двух матриц и создание третьей путем вычисления скалярного произведения строк и столбцов.
Чтобы умножить матрицу A на матрицу B, количество столбцов в A должно равняться количеству строк в B. Полученная матрица имеет размеры строк A и столбцов B.
В чистом Python умножение матриц реализовано с помощью трех вложенных циклов. Эту операцию O(n³) легко написать, но она медленная, поэтому ученые, работающие с данными, используют в производстве специализированные библиотечные механизмы, такие какNumPy.
Код и вывод выполнения
Умножение матриц на чистом Python с использованием вложенных циклов и понимания списков.
def multiply_matrices(A, B):
rows_A = len(A)
cols_A = len(A[0])
rows_B = len(B)
cols_B = len(B[0])
if cols_A != rows_B:
raise ValueError("Cannot multiply: column size of A must match row size of B.")
# Initialize result matrix with zeros
result = [[0 for _ in range(cols_B)] for _ in range(rows_A)]
# Iterate through rows of A
for i in range(rows_A):
# Iterate through columns of B
for j in range(cols_B):
# Iterate through rows of B (or columns of A)
for k in range(cols_A):
result[i][j] += A[i][k] * B[k][j]
return result
# 2x3 Matrix A
matrix_A = [
[1, 2, 3],
[4, 5, 6]
]
# 3x2 Matrix B
matrix_B = [
[7, 8],
[9, 10],
[11, 12]
]
print("Matrix A (2x3):", matrix_A)
print("Matrix B (3x2):", matrix_B)
res = multiply_matrices(matrix_A, matrix_B)
print("Product (2x2):", res)Matrix A (2x3): [[1, 2, 3], [4, 5, 6]]
Matrix B (3x2): [[7, 8], [9, 10], [11, 12]]
Product (2x2): [[58, 64], [139, 154]]Пошаговая реализация
- Рендеринг математической графики и вращение координат.
- Простые скалярные произведения слоя искусственной нейронной сети
- Понимание алгоритмических структур и вложенных циклов
Часто задаваемые вопросы
ПочемуNumPyвыполняет умножение матриц намного быстрее?
NumPyнаписан на C и использует высокооптимизированные библиотеки BLAS/LAPACK. Он использует преимущества векторизации, оптимизации кэша ЦП и параллельного выполнения, чего не могут сделать стандартные циклы Python.
Что такое оператор @ в Python?
Начиная сPython 3.5, символ `@` был введен как специальный инфиксный оператор для умножения матриц, позволяющий запускать `A @ B` при использовании числовых массивов.