Assignment - Basic Linear Algebra -list만 사용하여 행렬 연산하기

출처: 부스트코스-머신러닝을 위한 파이썬

수강일시:2021.01.09

 

 

이번 강의에서는 간단한 선형대수의 수식들을 python code로 작성하는 것을 목적으로 진행됩니다. 

문제와 풀이로 나누어서 작성하였습니다.

모든 답안은 한줄로 작성하였습니다.

 

조건: numpy등 외부모듈/ 함수를 이용하지 않고 한줄로 작성하기.

vector_size_check	vector 간 덧셈 또는 뺄셈 연산을 할 때, 연산이 가능한 사이즈인지를 확인하여 가능 여부를 True 또는 False로 반환함
vector_addition	vector간 덧셈을 실행하여 결과를 반환함, 단 입력되는 vector의 갯수와 크기는 일정하지 않음
vector_subtraction	vector간 뺄셈을 실행하여 결과를 반환함, 단 입력되는 vector의 갯수와 크기는 일정하지 않음
scalar_vector_product	하나의 scalar 값을 vector에 곱함, 단 입력되는 vector의 크기는 일정하지 않음
matrix_size_check	matrix 간 덧셈 또는 뺄셈 연산을 할 때, 연산이 가능한 사이즈인지를 확인하여 가능 여부를 True 또는 False로 반환함
is_matrix_equal	비교가 되는 n개의 matrix가 서로 동치인지 확인하여 True 또는 False를 반환함
matrix_addition	matrix간 덧셈을 실행하여 결과를 반환함, 단 입력되는 matrix의 갯수와 크기는 일정하지 않음
matrix_subtraction	matrix간 뺄셈을 실행하여 결과를 반환함, 단 입력되는 matrix의 갯수와 크기는 일정하지 않음
matrix_transpose	matrix의 역행렬을 구하여 결과를 반환함, 단 입력되는 matrix의 크기는 일정하지 않음
scalar_matrix_product	하나의 scalar 값을 matrix에 곱함, 단 입력되는 matrix의 크기는 일정하지 않음
is_product_availability_matrix	두 개의 matrix가 입력 되었을 경우, 두 matrix의 곱셈 연산의 가능 여부를 True 또는 False로 반환함
matrix_product	곱셈 연산이 가능한 두 개의 matrix의 곱셈을 실행하여 반환함

 

 

답안:

def vector_size_check(*vector_variables):
    return all(len(vector_variables[0])==len(vector_variables[i]) for i in range (len(vector_variables)))

print(vector_size_check([1,2,3], [2,3,4], [5,6,7])) # Expected value: True
print(vector_size_check([1, 3], [2,4], [6,7])) # Expected value: True
print(vector_size_check([1, 3, 4], [4], [6,7])) # Expected value: False


def vector_addition(*vector_variables):
    return [sum(vectors) for vectors in zip(*vector_variables)]


print(vector_addition([1, 3], [2, 4], [6, 7])) # Expected value: [9, 14]
print(vector_addition([1, 5], [10, 4], [4, 7])) # Expected value: [15, 16]



def vector_subtraction(*vector_variables):
    return [vectors[0]*2-sum(vectors) for vectors in zip(*vector_variables)]

print(vector_subtraction([1, 3], [2, 4])) # Expected value: [-1, -1]
print(vector_subtraction([1, 5], [10, 4], [4, 7])) # Expected value: [-13, -6]

def scalar_vector_product(alpha, vector_variable):
    return [alpha*vector_variable[vectors] for vectors in range(len(vector_variable))]

print(scalar_vector_product(5,[1,2,3])) # Expected value: [5, 10, 15]
print(scalar_vector_product(3,[2,2])) # Expected value: [6, 6]
print(scalar_vector_product(4,[1])) # Expected value: [4]

def matrix_size_check(*matrix_variables):
    return all(len(matrix_variables[0])==len(matrix_variables[i]) and len(matrix_variables[0][k])==len(matrix_variables[i][k]) for k in range(len(matrix_variables[0])) for i in range (len(matrix_variables)))

matrix_x = [[2, 2], [2, 2], [2, 2]]
matrix_y = [[2, 5], [2, 1]]
matrix_z = [[2, 4], [5, 3]]
matrix_w = [[2, 5], [1, 1], [2, 2]]
matrix_a = [[1,2,3], [4,5,6]]


print(matrix_size_check(matrix_x, matrix_y, matrix_z)) # Expected value: False
print(matrix_size_check(matrix_y, matrix_z)) # Expected value: True
print(matrix_size_check(matrix_x, matrix_w)) # Expected value: True
print(matrix_size_check(matrix_x, matrix_a)) # Expected value: False
print(matrix_size_check(matrix_y, matrix_a)) # Expected value: False

def is_matrix_equal(*matrix_variables):
    return all(len(matrix_variables[0])==len(matrix_variables[i]) and matrix_variables[0][k]==matrix_variables[i][k] for k in range(len(matrix_variables[0])) for i in range (len(matrix_variables)))

matrix_x = [[2, 2], [2, 2]]
matrix_y = [[2, 5], [2, 1]]

print (is_matrix_equal(matrix_x, matrix_y, matrix_y, matrix_y)) # Expected value: False
print (is_matrix_equal(matrix_x, matrix_x)) # Expected value: True


def matrix_addition(*matrix_variables):
    return [[sum(i) for i in zip(*value)] for value in zip(*matrix_variables)]

matrix_x = [[2, 2], [2, 2]]
matrix_y = [[2, 5], [2, 1]]
matrix_z = [[2, 4], [5, 3]]

print (matrix_addition(matrix_x, matrix_y)) # Expected value: [[4, 7], [4, 3]]
print (matrix_addition(matrix_x, matrix_y, matrix_z)) # Expected value: [[6, 11], [9, 6]]

def matrix_subtraction(*matrix_variables):
    return [[2*i[0]-sum(i) for i in zip(*value)] for value in zip(*matrix_variables)]

matrix_x = [[2, 2], [2, 2]]
matrix_y = [[2, 5], [2, 1]]
matrix_z = [[2, 4], [5, 3]]

print (matrix_subtraction(matrix_x, matrix_y)) # Expected value: [[0, -3], [0, 1]]
print (matrix_subtraction(matrix_x, matrix_y, matrix_z)) # Expected value: [[-2, -7], [-5, -2]]

def matrix_transpose(matrix_variable):
    return [[i for i in value] for value in zip(*matrix_variable)]

matrix_w = [[2, 5], [1, 1], [2, 2]]
print(matrix_transpose(matrix_w))


def scalar_matrix_product(alpha, matrix_variable):
    return [[alpha*value for value in matrix_variable[i]] for i in range(len(matrix_variable))]

matrix_x = [[2, 2], [2, 2], [2, 2]]
matrix_y = [[2, 5], [2, 1]]
matrix_z = [[2, 4], [5, 3]]
matrix_w = [[2, 5], [1, 1], [2, 2]]

print(scalar_matrix_product(3, matrix_x)) #Expected value: [[6, 6], [6, 6], [6, 6]]
print(scalar_matrix_product(2, matrix_y)) #Expected value: [[4, 10], [4, 2]]
print(scalar_matrix_product(4, matrix_z)) #Expected value: [[8, 16], [20, 12]]
print(scalar_matrix_product(3, matrix_w)) #Expected value: [[6, 15], [3, 3], [6, 6]]

def is_product_availability_matrix(matrix_a, matrix_b):
    return len([column for column in zip(*matrix_a)]) == len(matrix_b)
matrix_x= [[2, 5], [1, 1]]
matrix_y = [[1, 1, 2], [2, 1, 1]]
matrix_z = [[2, 4], [5, 3], [1, 3]]
matrix_w = [[2, 5], [1, 1], [2, 2]]

print(is_product_availability_matrix(matrix_y, matrix_z)) # Expected value: True
print(is_product_availability_matrix(matrix_z, matrix_x)) # Expected value: True
print(is_product_availability_matrix(matrix_z, matrix_w)) # Expected value: False
print(is_product_availability_matrix(matrix_x, matrix_x)) # Expected value: True

def matrix_product(matrix_a, matrix_b):
    return [[sum(a*b for a,b in zip(rowa,colb)) for colb in zip(*matrix_b)] for rowa in matrix_a]
    
matrix_x= [[2, 5], [1, 1]]
matrix_y = [[1, 1, 2], [2, 1, 1]]
matrix_z = [[2, 4], [5, 3], [1, 3]]

print(matrix_product(matrix_y, matrix_z)) # Expected value: [[9, 13], [10, 14]]
print(matrix_product(matrix_z, matrix_x)) # Expected value: [[8, 14], [13, 28], [5, 8]]
print(matrix_product(matrix_x, matrix_x)) # Expected value: [[9, 15], [3, 6]]