python 矩阵乘法

1.列表作为数据结构

def MatrixProduct(a, b):
    temp2 = []
    for i in range(len(a)):         
        temp1 = []
        for j in range(len(b[0])):
            total = 0            
            for k in range(len(a[0])):
                total += a[i][k] * b[k][j]
            temp1.append(total)
        temp2.append(temp1)
    return temp2

print(MatrixProduct([[1,0],[0,0]], [[0,1],[1,0]]))

时间复杂度太高O(n^3)

以后再想办法用矩阵快速幂来优化，降低时间复杂度

2.numpy中ndarray作为数据结构

(注意numpy数组的a*b指的并不是矩阵乘法，a.dot(b)或者numpy.dot(a,b))

import numpy as np

def MatrixProduct(a, b):
    a=np.array(a)
    b=np.array(b)
    c=np.dot(a,b)
    return c.tolist()

print(MatrixProduct([[1,0],[0,0]], [[0,1],[1,0]]))

3.numpy中mat作为数据结构

这种矩阵格式就可以a*b了

import numpy as np

def MatrixProduct(a, b):
    a=np.mat(a)
    b=np.mat(b)
    c=a*b
    return c.tolist()

print(MatrixProduct([[1,0],[0,0]], [[0,1],[1,0]]))