向量矩阵乘法的标量向量乘法

Question

是否有 python (numpy) 功能可以完成第三个 "equation"？

将其用作返回的 lambda 函数

1.矢量 * 标量

import numpy as np
a = np.array([3,4])
b = 2
print(a*b)
>>[6,8]

或作为 lambda 函数：

import numpy as np

def multiply():
  return lambda a,b: a*b

a = np.array([3,4])
b = 2
j = multiply()
print(j(a,b))
>>[6,8]

2。矩阵 * 向量

import numpy as np
a = np.array([[3,4],[2,5]])
b = np.array([2,4])
print(a*b)
print()
print(np.multiply(a,b))
print()
print(a.dot(b))
print()
print(b.dot(a))
>>[[ 6 16]
>>[ 4 20]]
>>
>>[[ 6 16]
>>[ 4 20]]
>>
>>[22 24]
>>
>>[14 28]

或作为 lambda 函数：

import numpy as np

def multiply():
  return lambda a,b: a.dot(b)

a = np.array([[3,4],[2,5]])
b = np.array([2,4])
j = multiply()
print(j(a,b))
>>[22 24]

3。矩阵（解释为多个 (2,1)-向量）* 向量（解释为多个标量）或：每行的向量*标量

import numpy as np
a = np.array([[3,4],[2,5]])
b = np.array([2,4])

see answer by ALI

或作为 lambda 函数：

import numpy as np

def multiply():
  return lambda a,b: ???

a = np.array([[3,4],[2,5]])
b = np.array([2,4])
j = multiply()
print(j(a,b))
>>[[6,8],
>>[8,20]]

Answer 1

import numpy as np
a = np.array([[3,2], [4, 5]])
b = np.array([2, 4])
c = np.vstack((b, b)).T
d = np.multiply(a,c)
print(d)


array([[ 6,  8],
       [8, 20]])

如果你需要一个函数

def elementwisemult(a, b):
    b = np.vstack((b, b)).T
    d = np.multiply(a,b)
    return d

如果你想使用lambda函数：

import numpy as np
a = np.array([[3,4],[2,5]])
b = np.array([2,4])
def elementwisemult():
    return lambda a, b: np.multiply(a, (np.vstack((b, b)).T))
j = elementwisemult()
j(a,b)

Answer 2

有

import numpy as np

a = np.array([
    [3, 4],
    [2, 5],
])
b = np.array([2, 4])

方程 1 使用标量积

b * 3
# array([ 6, 12])

方程 2 使用点积

np.dot(a, b)
# array([22, 24])

公式 3 使用 broadcasted elementwise product

a * b[:, None]
# array([[ 6,  8],
#        [ 8, 20]])

向量矩阵乘法的标量向量乘法

Scalar-vector multiplication for Vector-Matrix multiplication

python

arrays

numpy

matrix-multiplication

scalar