Matrixmultiplikation er en operation, der tager to matricer som input og producerer en enkelt matrix ved at multiplicere rækker af den første matrix til kolonnen i den anden matrix. I matrixmultiplikation skal du sørge for, at antallet af kolonner i den første matrix skal være lig med antallet af rækker i den anden matrix.

Eksempel: Multiplikation af to matricer med hinanden i størrelsen 3×3.

Input:matrix1 = ([1, 2, 3], [3, 4, 5], [7, 6, 4]) matrix2 = ([5, 2, 6], [5, 6, 7], [7, 6, 4]) Output : [[36 32 32] [70 60 66] [93 74 100]] 

Metoder til at multiplicere to matricer i python

1. Brug af eksplicit til loops: Dette er en simpel teknik til at multiplicere matricer, men en af ​​de dyre metoder til større inputdatasæt. I denne bruger vi indlejrede til sløjfer for at gentage hver række og hver kolonne.

Hvis matrix1 er en n x m matrix og matrix2 er en m x l matrix.

Implementering:

Python3

[[114, 160, 60], [74, 97, 73], [119, 157, 112]] 

I dette program har vi brugt nestet for loops til beregning af resultat, som vil iterere gennem hver række og kolonne i matricerne, til sidst vil det akkumulere summen af ​​produktet i resultatet.

2. Brug af Numpy: Multiplikation ved hjælp af Numpy kender også som vektorisering, som hovedformålet er at reducere eller fjerne den eksplicitte brug af for loops i programmet, hvorved beregningen bliver hurtigere.
Numpy er en indbygget pakke i python til array-behandling og manipulation. Til større matrixoperationer bruger vi numpy python-pakke, som er 1000 gange hurtigere end iterativ én metode.
For detaljer om Numpy besøg venligst Link

Implementering:

Python3

Produktion:

[[ 63 320 83] [ 77 484 102] [ 84 248 117]] 

Ved brug af nusset

Python3

Produktion:

[[ 63 320 83] [ 77 484 102] [ 84 248 117]] 

I ovenstående eksempel har vi brugt prikprodukt og i matematik er prikproduktet en algebraisk operation, der tager to lige store vektorer og returnerer et enkelt tal. Resultatet beregnes ved at gange de tilsvarende poster og lægge disse produkter sammen.