Unterschied zwischen Numpy und Matlab in Multiplikation von Arrays

Question

Ich überschreibe ein Programm von Matlab zu Python. Ich erkannte einen Unterschied in einer Multiplikation zwischen Arrays. Hier ein Beispiel:

A = [-1822.87977846-4375.93518777j 
     3675.88618351+3824.34290883j 
     971.68964707-2393.36758923j] 

In Matlab:

A*A'= 5.7282e+07 

In Python:

np.dot(A,A) = -21723405.178+39418085.0343j 

Wie das gleiche Ergebnis von A '* A in Numpy erhalten?

Vielen Dank.

Answer 1

Zunächst einmal erinnern, in MATLAB, ' ist anders als .'.

' tut complex conjugate transpose

.' tut non-conjugate transpose

Auf einem realen Wert Vektors oder einer Matrix beide Operatoren ähnliches Ergebnis erhalten. Auf komplexen Vektoren oder Matrizen erhalten sie jedoch unterschiedliche Ergebnisse. Überprüfen Sie die Links, um Matlab-Beispiele für beide zu finden.

In MATLAB, können Sie folgendes tun:

A.'*A 

ans = 

    -2.172340517799748e+07 + 3.941808503424492e+07i 

Answer 2

Auf der Python Seite

In [488]: A=np.array([-1822.87977846-4375.93518777j , 
    ...:   3675.88618351+3824.34290883j, 
    ...:   971.68964707-2393.36758923j]) 
In [489]: A 
Out[489]: 
array([-1822.87977846-4375.93518777j, 3675.88618351+3824.34290883j, 
     971.68964707-2393.36758923j]) 
In [490]: A.conj() 
Out[490]: 
array([-1822.87977846+4375.93518777j, 3675.88618351-3824.34290883j, 
     971.68964707+2393.36758923j]) 
In [491]: A.dot(A.conj()) 
Out[491]: (57281826.560119703+0j) 
In [492]: A.dot(A) 
Out[492]: (-21723405.177997477+39418085.034244925j) 
In [497]: np.vdot(A,A) 
Out[497]: (57281826.560119703+0j) 

In Octave, als

in der anderen Antwort darauf hingewiesen,

>> A'*A 
ans = 5.7282e+07 
>> A.'*A 
ans = -2.1723e+07 + 3.9418e+07i 
>> 

Answer 3

zu erhalten Die A*A' Matlab-Operation in Numpy, können Sie tun:

np.dot(A,np.conj(A)) 

Vielen Dank!