是否使用 numpy 的 dot 或 matmul 函数

Question

我需要做以下两个操作：

• 通过反转n-by-n matrix A来解决Ax=b，并且

• 使用幂迭代求解r=Ar（即通过重复将当前向量 r 乘以 A），例如 PageRank 算法。

我的问题是：在计算矩阵-向量积A^{-1}b或矩阵-向量积Ar时，使用numpy.dot还是numpy.matmul更好？ （我知道更高维度可能存在差异，但我的问题仅适用于A 是二维数组且b、r 是向量的情况。）

Answer 1

从numpy doc 到np.dot：

两个数组的点积。具体来说，如果a和b都是二维数组，就是矩阵乘法，但是使用matmul或者a@b是 首选。

所以基本上就你的情况而言，没关系，尽管根据文档，matmul 是首选。

此外，由于您的数组之一是一维数组，来自docs for np.matmul：

如果第二个参数是一维的，则通过追加将其提升为矩阵 其尺寸为 1。矩阵乘法后，附加的 1 是 删除。

还有：

matmul 在两个重要方面与 dot 不同： 不允许使用标量乘法，请改用 *。矩阵堆栈是 一起广播，就好像矩阵是元素一样，尊重 签名

因此，在您的情况下它们的工作方式相同，但我会接受 numpy doc 关于使用 matmul 的建议。