Python

外積（Outer Product）とは2つのベクトル a = [a0, a1, ..., aM] と b = [b0, b1, ..., bN] が与えられたとき、外積は次のように定義されます。[[a0*b0 a0*b1 ... a0*bN ] [a1*b0 . [ ... . [aM*b0 aM*bN ]]Pythonで2つの配列の外積を求めるには、numpy.outer() メソッドを使用します。あわせて覚えておきたいのが次の2つの関数です。numpy.ones(): 指定した形状と型をもつ「すべての要素が1」の新しい配列を返します。num

PythonのNumPyライブラリを使うと、文字(アルファベット)を要素に持つベクトルと数値配列の外積(アウタープロダクト)を簡単に計算できます。本記事では、numpy.outer()メソッドを使って、文字のベクトルを含む配列の外積を取得する手順を解説します。外積とは2つのベクトル a = [a0, a1, ..., aM] と b = [b0, b1, ..., bN] が与えられたとき、外積は以下のような行列として定義されます。[[a0*b0 a0*b1 ... a0*bN ] [a1*b0 . . [ ... . . [aM*b0 aM*

Pythonで配列とスカラーの外積を計算するには、NumPyライブラリの numpy.outer() メソッドを使用します。このメソッドは、2つの入力ベクトルの外積を返す関数です。 numpy.outer() のパラメータ a：最初の入力ベクトル。1次元でない場合は自動的にフラット化されます。 b：2番目の入力ベクトル。1次元でない場合は自動的にフラット化されます。 out：計算結果を格納する場所（省略可能なパラメータ）。 2つのベクトル a = [a0, a1, ..., aM] と b = [b0, b1, ..., bN] が与えられた場合、外積は以下のように定義されます。 [[a0

Pythonで2つの配列の内積（Inner Product）を求めるには、NumPyライブラリのnumpy.inner()メソッドを使用します。1次元配列に対しては通常のベクトルの内積が計算され、高次元配列の場合は最後の軸に沿った積和が計算されます。引数にはaとbの2つの配列を指定します。なお、aとbがスカラーでない場合は、両者の最後の次元（軸のサイズ）が一致している必要があります。手順1. 必要なライブラリをインポートするまず、NumPyをインポートします。import numpy as np2. 配列を作成するarange()メソッドとreshape()メソッドを組み合わせて、2つの多次元

Pythonでテンソル同士の内積（テンソルドット積）を計算するには、NumPyのnumpy.tensordot()メソッドを使用します。このメソッドは、2つのテンソルaとb、および軸を指定する配列様オブジェクト(a_axes, b_axes)を受け取り、指定された軸に沿ってaとbの要素（成分）の積を合計します。 第3引数には単一の非負整数スカラーNを指定することもできます。その場合、aの後ろN個の次元とbの先頭N個の次元が縮約されます。axesパラメータにint型のNを渡すと、aの最後のN軸とbの最初のN軸が順に合計されます。対応する軸のサイズは一致している必要があります。 テンソル内積の計算

2つのテンソル a と b、および (a_axes, b_axes) の形式で軸の対応を指定するオブジェクトが与えられたとき、テンソル内積（テンソルドット積）では、指定された軸に沿って a と b の要素（成分）の積を合計します。第3引数には単一の非負整数 N を指定することもでき、その場合は a の末尾の N 個の軸と、b の先頭の N 個の軸が順に縮約（sum over）されます。numpy.tensordot() メソッドとは異なる次元（ndim）を持つ配列同士のテンソル内積を計算するには、Python の numpy.tensordot() メソッドを使用します。a, b：ドット演算を

NumPyのnancumprod()メソッドを使うと、NaNを1として扱いながら、指定した軸に沿った配列要素の累積積を求めることができます。NaNに遭遇しても累積積の値は変化せず、先頭にあるNaNは1に置き換えられます。また、すべてがNaNのスライスや空のスライスに対しては1が返されます。out引数を指定しない限り、結果を格納した新しい配列が返されます。 累積積とは、例えば「5、5×10、5×10×15、5×10×15×20」のように、要素を順番に掛け合わせていく計算のことです。 nancumprod()メソッドの主なパラメータ 第1パラメータ： 入力配列を指定します。 第2パラメータ（ax

nancumprod()メソッドの概要指定した軸に沿って配列要素の累積積を求める際に、NaN（非数）を1として扱いたい場合は、NumPyのnancumprod()メソッドを使用します。NaNに到達しても累積積の値は変化せず、先頭にあるNaNは1に置き換えられます。すべてがNaNのスライスや空のスライスに対しては、1が返されます。このメソッドは結果を格納した新しい配列を返します。ただし、引数outが指定されている場合は、その配列に結果が書き込まれた上で返されます。累積積の動作イメージは「5 → 5×10 → 5×10×15 → 5×10×15×20」のように、要素を順番に掛け合わせていく処理です

NumPy配列の行列ランクを特異値分解（SVD）法によって求めるには、Pythonのnumpy.linalg.matrix_rank()メソッドを使用します。配列のランクとは、許容誤差（tol）よりも大きい特異値の個数のことです。第1引数のAには、入力となるベクトルまたは行列のスタックを指定します。第2引数のtolは、SVDの値がゼロとみなされる閾値です。tolがNoneの場合、SがMの特異値を格納した配列、epsがSのデータ型におけるイプシロン値であるとすると、tolは「S.max() * max(M, N) * eps」として自動的に設定されます。第3引数のhermitianは、Trueに

2つのテンソル a と b、そして2つの配列様オブジェクト(a_axes, b_axes)を含む配列様オブジェクトが与えられたとき、a_axes および b_axes で指定された軸に沿って、a と b の要素(成分)の積を合計します。第3引数には単一の非負の整数値スカラー N を指定することもでき、その場合は a の後ろ N 個の次元と b の先頭 N 個の次元が順に縮約されます。Pythonで次元の異なる配列同士のテンソル内積(テンソルドット積)を計算するには、numpy.tensordot() メソッドを使用します。パラメータ a と b は「ドット」演算の対象となるテンソルです。axe

2つのテンソル a と b、および2つのarray_likeオブジェクト(a_axes, b_axes)を含むarray_likeオブジェクトが与えられた場合、a_axesとb_axesで指定された軸に沿って、aとbの要素(成分)の積が合計されます。第3引数には単一の非負の整数スカラー N を指定することもできます。その場合、a の最後の N 個の次元と b の最初の N 個の次元について総和が計算されます。 異なる次元を持つ配列同士のテンソルドット積を計算するには、Pythonの numpy.tensordot() メソッドを使用します。a と b は「ドット」演算の対象となるテンソルです。

NumPyのnumpy.tensordot()メソッドを使うと、2つのテンソル（多次元配列）のテンソル内積（テンソルドット積）を計算できます。このメソッドは、2つのテンソルaとb、そして2つのarray_likeオブジェクト(a_axes, b_axes)を含むarray_likeオブジェクトを受け取ります。指定された軸に沿って、aとbの要素（成分）の積を合計します。 第3引数には、単一の非負の整数スカラーNを指定することも可能です。その場合、aの最後のN個の次元とbの最初のN個の次元について和が計算されます。これにより、次元数が異なる配列同士でも柔軟にテンソル内積を求めることができます。 手

Pythonでアインシュタインの縮約記法（Einstein summation convention）を使ってベクトルの内積を計算するには、NumPyの numpy.einsum() メソッドを使用します。第1引数は「添字（subscript）」で、計算に使用する添字ラベルをカンマ区切りの文字列として指定します。第2引数は「オペランド（operands）」で、演算の対象となる配列を渡します。 einsum() メソッドは、指定されたオペランドに対してアインシュタインの縮約記法に基づく評価を行います。この記法を活用すると、多次元配列を扱う線形代数の一般的な演算の多くを、非常にシンプルな形式で表現

Pythonでアインシュタインの縮約記法（Einstein summation convention）を用いて行列とベクトルの掛け算を行うには、NumPyが提供する numpy.einsum() メソッドを使用します。einsum() メソッドは、第1引数に「添字（subscript）」を指定します。これは、縮約（総和）の対象となる添字ラベルをカンマ区切りの文字列として記述したものです。第2引数には「オペランド（operands）」、つまり演算対象となる配列を渡します。einsum() メソッドは、オペランドに対してアインシュタインの縮約記法に基づく評価を行います。この記法を活用すると、多次元

Pythonでアインシュタイン縮約記法（Einstein summation convention）に基づくスカラー乗法を実行するには、NumPyライブラリのnumpy.einsum()メソッドを使用します。 第1引数の「subscript（添字）」には、総和の対象となる添字ラベルをカンマ区切りのリスト形式で指定します。第2引数の「operands（オペランド）」には、演算の対象となる配列を渡します。 einsum()メソッドは、オペランドに対してアインシュタイン縮約記法を評価します。この記法を活用すると、多次元配列を扱う線形代数の一般的な演算の多くを、非常にシンプルな形で表現できます。暗黙モ

Pythonでアインシュタインの縮約記法（Einstein summation convention）を用いてベクトルの外積を計算するには、NumPyのnumpy.einsum()メソッドを使用します。第1引数は「添字（subscript）」です。総和を取る対象の添字ラベルを、カンマ区切りの文字列として指定します。第2引数以降は「オペランド」であり、演算の対象となる配列を渡します。einsum()メソッドは、オペランドに対してアインシュタインの縮約記法を評価します。この記法を活用すると、内積・外積・転置など、多次元配列に関する線形代数の一般的な操作を非常に簡潔に表現できます。暗黙モードと明示モ

Pythonでアインシュタインの縮約記法（Einstein summation convention）を用いたテンソルの縮約（Tensor contraction）を行うには、numpy.einsum() メソッドを使用します。第1引数は「subscript（添字）」で、縮約に使用する添字ラベルをカンマ区切りのリストとして指定します。第2引数は「operands（オペランド）」で、演算の対象となる配列を渡します。einsum() メソッドは、オペランドに対してアインシュタインの縮約記法を評価します。この記法を活用すると、多次元配列に対する線形代数の代表的な演算の多くを、非常にシンプルな形式で表

はじめにeinsum式における最低コスト（最適）な縮約順序を求めるには、Pythonのnumpy.einsum_path()メソッドを使用します。第1引数のsubscripts（添字）は総和を行うための添字を指定し、第2引数のoperands（オペランド）には演算対象となる配列を渡します。アインシュタインの縮約記法（Einstein summation convention）を用いることで、多次元配列に対する多くの一般的な線形代数操作を簡潔に表現できます。暗黙モードでは、einsumはこれらの値をそのまま計算します。一方、明示モードでは、特定の添字ラベルへの総和を無効化または強制できるため、古

Pythonで正方行列をn乗するには Pythonの線形代数計算で正方行列をn乗したい場合は、NumPyのnumpy.linalg.matrix_power()関数を使用します。この関数の基本的な挙動は以下のとおりです。 nが正の整数の場合 — 行列の二乗演算と行列積を繰り返し適用することで累乗を計算します。 n == 0の場合 — 元の行列Mと同じ形状の単位行列を返します。 nが負の場合 — まず逆行列を計算し、その絶対値abs(n)乗を返します。 戻り値は元の行列Mと同じ形状・型になります。指数が正または0のときは要素の型もMと同じですが、指数が負の場合は要素が浮動小数点数（float

2つの配列のクロネッカー積（Kronecker product）を求めるには、PythonのNumPyが提供する numpy.kron() メソッドを使用します。クロネッカー積とは、最初の配列でスケーリングされた2番目の配列のブロックから構成される複合配列のことです。この関数は、配列 a と b の次元数が同じであると仮定し、必要に応じて次元数が小さい方に1を前置して調整します。a.shape = (r0, r1, ..., rN)、b.shape = (s0, s1, ..., sN) の場合、クロネッカー積の形状は (r0*s0, r1*s1, ..., rN*sN) になります。各要素は