C语言每日练习之求两个矩阵的乘积详解

目录
  • 分析
  • 代码实现
  • 总结

分析

在数学中,矩阵(matrix)是一个按照长方阵列排列的复数或实数集合,矩阵是高等代数学中的常见工具,也常见于统计分析等应用数学学科中。

矩阵的乘法有以下注意事项:

  • 1、当矩阵a的列数(column)等于矩阵b的行数(row)时,a与b可以相乘。
  • 2、矩阵c的行数等于矩阵a的行数,c的列数等于b的列数。
  • 3、乘积c的第m行第n列的元素等于矩阵a的第m行的元素与矩阵b的第n列对应元素乘积之和。

代码实现:只需要用矩阵乘积的公式求出新的矩阵,即为两个矩阵的乘积,程序中还需要判断输入的两个矩阵是否可以相乘。

代码实现

#include <stdio.h>

int main()
{
    int line_a = 0; //a矩阵行数
    int col_a = 0; //a矩阵列数
    int line_b = 0; //b矩阵行数
    int col_b = 0; //b矩阵列数
    int i = 0;
    int j = 0;
    int k = 0;


    /* 获取a矩阵行数和列数 */
    printf("请输入a矩阵的行数和列数\n");
    scanf("%d%d", &line_a, &col_a);
    int matrix_a[line_a][col_a];

    /* 获取b矩阵行数和列数 */
    printf("请输入b矩阵的行数和列数\n");
    scanf("%d%d", &line_b, &col_b);
    int matrix_b[line_b][col_b];

    if(col_a != line_b)
    {
        printf("error,a矩阵的列数和b矩阵的行数必须相等!\n");
        return 0;
    }
    int matrix_c[line_a][col_b]; //c矩阵:a矩阵和b矩阵的乘积

    /* 获取a矩阵元素 */
    for(i = 0; i< line_a; i++)
    {
        printf("请输入a矩阵第%d行元素\n", i);
        for(j = 0; j < col_a; j++)
        {
            scanf("%d", &matrix_a[i][j]);
        }
    }

    /* 获取b矩阵元素 */
    for(i = 0; i< line_b; i++)
    {
        printf("请输入b矩阵第%d行元素\n", i);
        for(j = 0; j < col_b; j++)
        {
            scanf("%d", &matrix_b[i][j]);
        }
    }

    /* 打印矩阵 */
    printf("输入的a矩阵为:\n");
    for(i = 0; i < line_a; i++)
    {
        for(j = 0; j < col_a; j++)
        {
            printf("%d\t", matrix_a[i][j]);
        }
        printf("\n");
    }
    printf("输入的b矩阵为:\n");
    for(i = 0; i < line_b; i++)
    {
        for(j = 0; j < col_b; j++)
        {
            printf("%d\t", matrix_b[i][j]);
        }
        printf("\n");
    }

    /* 求ab的乘积,即矩阵c */
    for(i = 0; i < line_a; i++)
    {
        for(j = 0; j < col_b; j++)
        {
            matrix_c[i][j] = 0; //初始化
            for(k = 0; k < col_a; k++)
              matrix_c[i][j] += matrix_a[i][k] * matrix_b[k][j];
        }
    }

    /* 打印c矩阵 */
    printf("a矩阵乘b矩阵:\n");
    for(i = 0; i < line_a; i++)
    {
        for(j = 0; j < col_b; j++)
        {
            printf("%d\t", matrix_c[i][j]);
        }
        printf("\n");
    }

    return 0;
}

运行结果

总结

本篇文章就到这里了,希望能够给你带来帮助,也希望您能够多多关注的更多内容!

相关推荐:

如何在Python中利用NumPy实现矩阵的奇异值分解(SVD)?

numpy.linalg.svd返回U、s、Vh三元组,s为降序一维数组,Vh是V的共轭转置;full_matrices=False更高效;重建需构造匹配形状的对角矩阵;处理小奇异值需设阈值防除零;结果符号不唯一。 NumPy的numpy.linalg.svd是最直接、最可靠的SVD实现方式,它返回...

矩阵逐片乘法(Matrix-wise Multiplication)的高效实现

使用NumPy的np.matmul可对批量矩阵(M×3×3)与对应向量(M×3×1)执行高效逐片矩阵乘法,避免显式Python循环,显著提升计算性能。 使用numpy的`np.matmul`可对批量矩阵(m×3×3)与对应向量(m×3×1)执行高效逐片矩阵乘法,避免显式python循环,显著提升计算...

如何修复循环仅执行一次的矩阵零值检测逻辑

本文解析了因函数逻辑错误导致while循环提前终止的根本原因,并提供使用any()优化零值检测的正确实现方案,确保矩阵中所有零元素被彻底处理。 本文解析了因函数逻辑错误导致while循环提前终止的根本原因,并提供使用`any()`优化零值检测的正确实现方案,确保矩阵中所有零元素被彻底处理。 问题核心...

矩阵批量乘法:高效实现 M×3×3 与 M×3×1 的逐片矩阵-向量乘法

本文介绍如何使用NumPy的np.matmul实现批量矩阵-向量乘法,避免显式Python循环,在保持语义清晰的同时显著提升计算效率。适用于深度学习、几何变换等需对M组3×3矩阵分别作用于对应3维向量的场景。 本文介绍如何使用numpy的`np.matmul`实现批量矩阵-向量乘法,避免显式pyth...