Matriks adalah cara alami merepresentasikan data tabular, transformasi geometris, dan parameter model. Section ini membedah operasi matriks di NumPy, dimulai dari pembedaan perkalian elemen demi elemen dengan perkalian matriks, dilanjutkan dot product, inner dan outer product, diagonal, trace, dan norm. Bagian akhir mengenalkan operasi batch pada tumpukan matriks serta notasi einsum yang ringkas untuk operasi multidimensi.

# Konsep Matriks

Meninjau matriks sebagai array dua dimensi: baris, kolom, ordo, dan cara NumPy merepresentasikannya.

Buka → # Perkalian Elemen vs Perkalian Matriks

Membedakan operator * yang mengalikan elemen demi elemen dengan @ yang mengalikan matriks secara aljabar.

Buka → # Matrix Multiplication

Mengalikan matriks dengan operator @ dan np.matmul beserta aturan kesesuaian ukuran dan sifat tidak komutatifnya.

Buka → # Dot Product

Menghitung dot product vektor dan matriks dengan np.dot serta kaitannya dengan perkalian matriks.

Buka → # Inner dan Outer Product

Menggunakan inner dan outer product untuk menghitung proyeksi dan tabel kombinasi antar vektor.

Buka → # Transpose Matriks

Memanfaatkan transpose pada operasi matriks: sifat (AB)^T, vektor kolom, dan perhitungan yang memanfaatkannya.

Buka → # Diagonal dan Trace

Mengambil diagonal matriks dengan np.diag dan np.diagonal serta menjumlahkannya dengan np.trace.

Buka → # Norm dan Magnitude

Menghitung panjang vektor dan ukuran matriks dengan np.linalg.norm untuk norm L1, L2, dan lainnya.

Buka → # Operasi Matriks Batch

Mengalikan banyak pasangan matriks sekaligus dengan matmul pada array tiga dimensi berisi tumpukan matriks.

Buka → # einsum

Merumuskan operasi multidimensi ringkas dengan notasi einsum: dari dot product sampai perhitungan per baris.

Buka → # tensordot dan kron

Mengkontraksi tensor dengan tensordot dan membangun pola blok berulang dengan produk Kronecker kron.

Buka →