Skip to content

MATLAB 的矩阵运算与逐元素运算有什么区别? ​

问题 ​

为什么同一对数组用 MATLAB 的 *、.* 或 Python 的 *,结果会变?

快速回答 ​

MATLAB 的 A*B 做行与列的点积,A.*B 逐位置相乘。NumPy 数组的矩阵乘法写 A @ B,A * B 是逐位置相乘。

原因解释 ​

若 A=[1234],B=[2003],矩阵乘法第一行第二列为 1⋅0+2⋅3=6。逐元素乘法同一个位置为 2⋅0=0。先写出行、列各代表什么,可以决定哪一个 6 或 0 有意义。

在求解 Ax=b 时,A\b 让 MATLAB 按矩阵结构选择求解办法。例如 A=[2113]、b=(1,2)⊤ 的解是 (0.2,0.6)⊤。检查解的直接办法是计算 Ax−b。显式构造 inv(A)*b 会多做求逆,稀疏问题还可能失去稀疏性。矩形满列秩设计矩阵可用反斜杠求最小二乘。 MathWorks 矩阵左除

处理建议 ​

先输出 size(A) 或 A.shape 确认维度,再预报结果形状。用上述数字逐项验算,然后到实验指南核对方阵求解、广播与转置规则。

特殊情况 ​

MATLAB 自 R2016b 支持相容维度的隐式扩展。例如列向量减行向量会扩展成二维矩阵。NumPy 则从尾端对齐维度。复数情形下 MATLAB 的 A' 含共轭,A.' 只转置。

常见误区 ​

把维度兼容当作公式正确。在损失函数里,一个 n×1 列向量和一个 1×n 行向量相减时,额外的维度会让本应只有 n 个残差的操作得到 n2 个数。

关联文章 ​

MathModel FAQ · 数学建模知识库