Numpy 함수로 행렬연산 다루기

Numpy는 행렬과 관련된 여러 편리한 연산과 기능들을 제공합니다. 행렬의 곱, 전치 행렬, 역행렬 등을 간편하게 구할 수 있습니다.

 

이번 시간엔 Numpy의 함수를 이용해서 행렬의 여러 연산들을 적용해봅시다.

---

행렬의 연산과 관련된 함수들

• np.transpose(x) / (ndarray)x.T : 배열 x의 전치 행렬을 나타낸다.
• np.dot(x, y) : 배열 x와 y의 행렬곱을 나타낸다.
• (ndarray)x * (ndarray)y : 행렬x와 y의 요소별 곱을 나타낸다.
• np.linalg.inv(x) : 행렬 x의 역행렬을 배열로 나타낸다.

---

import numpy as np

array1 = np.array([[1,2,3], [4,5,6], [7,8,9]])

#array1의 전치 행렬을 구해보자
transposed = np.transpose(array1) # transposed = array1.T
print(transposed, '는 array1을 전치한 행렬입니다.')

#array1과 array1의 전치 행렬의 행렬곱을 구해보자
power = np.dot(array1, transposed)
print(power, '는 array1과 array1의 전치 행렬을 행렬곱한 것입니다.')

#array1과 array1의 전치 행렬의 요소별 곱을 구해보자.
elementwise_prod = array1 * transposed
print(elementwise_prod, '는 array1과 array1의 전치행렬을 요소별로 곱한 행렬입니다.')

array2 = np.array([[2,3],[1,7]])

# array2의 역행렬을 만들어보자.
inverse_array2 = np.linalg.inv(array2)
print(inverse_array2, '는 array2의 역행렬입니다.')

# array2와 array2의 역행렬을 곱한 행렬을 만들어보자.
producted = np.dot(array2, inverse_array2)
print(producted, '는 array2와 array2의 역행렬을 곱한 행렬입니다.')

[[1 4 7]
 [2 5 8]
 [3 6 9]] 는 array1을 전치한 행렬입니다.
[[ 14  32  50]
 [ 32  77 122]
 [ 50 122 194]] 는 array1과 array1의 전치 행렬을 행렬곱한 것입니다.
[[ 1  8 21]
 [ 8 25 48]
 [21 48 81]] 는 array1과 array1의 전치행렬을 요소별로 곱한 행렬입니다.
[[ 0.63636364 -0.27272727]
 [-0.09090909  0.18181818]] 는 array2의 역행렬입니다.
[[ 1.00000000e+00  5.55111512e-17]
 [-2.77555756e-17  1.00000000e+00]] 는 array2와 array2의 역행렬을 곱한 행렬입니다.