Lernen Matrixoperationen in Python | Grundlagen der Linearen Algebra

1. Addition und Subtraktion

Zwei Matrizen $A$ und $B$ mit gleicher Form können addiert werden:


              123456789
            
import 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. Multiplikationsregeln

Matrizenmultiplikation ist nicht elementweise.

Regel: Wenn $A$ die Form $(n, m)$ und $B$ die Form $(m, l)$ hat, dann hat das Ergebnis die Form $(n, l)$ .


              1234567891011121314151617181920
            
import 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. Transponieren

Transponieren vertauscht Zeilen und Spalten.

Allgemeine Regel: Ist $A$ $(n \times m)$ , dann ist $A^T$ $(m \times n)$ .


              1234567
            
import 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 einer Matrix

Eine Matrix $A$ besitzt eine Inverse $A^{-1}$ , wenn gilt:

A \cdot A^{-1} = I

Dabei ist $I$ die Einheitsmatrix.

Nicht alle Matrizen besitzen eine Inverse. Eine Matrix muss quadratisch und vollen Rangs sein.


              12345678910
            
import 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

Was ist die Ausgabe dieses Python-Codes?

Select the correct answer

[[5 12]
 [21 32]]

[[19 22]
 [43 50]]

[[17 20]
 [39 46]]

[[6 8]
 [10 12]]

War alles klar?

Danke für Ihr Feedback!

Abschnitt 4. Kapitel 4

Fragen Sie AI

Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen

Suggested prompts:

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?

Swipe um das Menü anzuzeigen