Matriks adalah bagian mendasar dari banyak tugas komputasi di berbagai bidang, termasuk ilmu data, pembelajaran mesin, dan grafik. Di Python, pustaka numerik populer NumPy menyediakan cara mudah untuk melakukan perkalian matriks menggunakan fungsi matmul. Pada artikel ini, kita akan membahas singkatan matmul di NumPy, fungsinya, dan penerapannya di kode Python Anda.
Pengantar Matriks dan NumPy
Matriks adalah susunan bilangan dua dimensi yang diatur dalam baris dan kolom, yang dapat digunakan untuk mewakili berbagai transformasi linier, sistem persamaan linier, dan transformasi geometris. Di Python, pustaka NumPy menawarkan serangkaian fungsi yang kaya untuk membuat dan mengoperasikan matriks secara efisien.
JumlahPy adalah pustaka Python sumber terbuka yang kuat yang menyediakan dukungan untuk bekerja dengan array dan matriks multidimensi yang besar. Ini juga menawarkan kumpulan fungsi matematika untuk melakukan operasi pada array ini, seperti perkalian matriks, yang merupakan operasi inti di banyak aplikasi.
Perkalian Matriks dan matmul
Perkalian matriks adalah operasi biner yang mengambil sepasang matriks dan menghasilkan matriks lain sebagai hasilnya. Ini didefinisikan sebagai jumlah produk dari elemen baris yang sesuai dari matriks pertama dan kolom dari matriks kedua.
The matmul fungsi di NumPy digunakan untuk perkalian matriks. Dibutuhkan dua array input dan mengembalikan produk matriksnya. Jika array input bukan matriks, mereka diperlakukan sebagai matriks dengan dua dimensi terakhir yang mewakili baris dan kolom.
import numpy as np matrix1 = np.array([[1, 2], [3, 4]]) matrix2 = np.array([[5, 6], [7, 8]]) result = np.matmul(matrix1, matrix2) print(result)
Dalam contoh ini, fungsi mengambil dua matriks 2x2 sebagai masukan dan mengembalikan hasilnya. Hasil yang diperoleh akan berupa matriks dengan dimensi yang sama.
Penjelasan Langkah-demi-Langkah
Berikut penjelasan langkah demi langkah dari contoh kode perkalian matriks yang diberikan di atas:
1. Impor pustaka numpy menggunakan singkatan “np”.
2. Tentukan dua matriks (dalam hal ini 2×2) menggunakan fungsi array numpy.
3. Lakukan perkalian matriks menggunakan fungsi numpy matmul, berikan matriks1 dan matriks2 sebagai argumen.
4. Cetak matriks yang dihasilkan.
Output untuk contoh ini adalah:
[[19 22] [43 50]]
Sifat dan Keterbatasan Matmul
Secara umum, perkalian matriks tidak memenuhi sifat matematis tertentu seperti komutatif, tetapi memenuhi sifat asosiatif dan distributif. Dimensi matriks input memainkan peran penting dalam perkalian matriks―jumlah kolom pada matriks pertama harus sama dengan jumlah baris pada matriks kedua.
Jika matriks input tidak memenuhi persyaratan dimensi ini, a NilaiError akan dibangkitkan. Perlu dicatat juga bahwa, meskipun fungsi matmul dapat menangani array multidimensi, perkalian matriks hanya ditentukan untuk matriks dua dimensi.
Fungsi Alternatif untuk Perkalian Matriks
Selain fungsi matmul, NumPy menyediakan metode singkatan lain untuk perkalian matriks:
1. np.dot: Fungsi ini juga dapat melakukan perkalian matriks tetapi lebih umum, karena dapat menangani perkalian dalam, perkalian luar, dan perkalian tensor juga.
2. @operator: Di Python 3.5 dan yang lebih baru, simbol @ dapat digunakan sebagai operator infiks untuk perkalian matriks.
result_alternative1 = np.dot(matrix1, matrix2) result_alternative2 = matrix1 @ matrix2
Metode alternatif ini akan menghasilkan hasil yang sama dengan fungsi matmul.
Kesimpulannya, steno matmul di NumPy menyediakan cara yang efisien dan serbaguna untuk melakukan perkalian matriks dengan Python. Memahami fungsi hebat ini dan penggunaannya dapat meningkatkan kinerja kode Anda secara signifikan di berbagai aplikasi.
