为什么我在NumPy中的矩阵向​​量乘法产生二维数组而不是一维向量？

Question

我有一个名为inverseJ的矩阵，它是一个2x2矩阵（[[0.07908312, 0.03071918], [-0.12699082, -0.0296126]]）和一个长度为2的deltaT（[-31.44630082, -16.9922145]）。在NumPy中，乘以这些应该再次产生一维向量，如this example中所示。但是，当我使用inverseJ.dot(deltaT)将它们相乘时，我得到一个二维数组（[[-3.00885838, 4.49657509]]），唯一的元素是我实际要寻找的向量。有谁知道为什么我不是简单地得到一个载体？非常感谢任何帮助！

整个脚本供参考

from __future__ import division
import sys
import io
import os
from math import *
import numpy as np

if __name__ == "__main__":
    # Fingertip position
    x = float(sys.argv[1])
    y = float(sys.argv[2])
    # Initial guesses
    q = np.array([0., 0.])
    q[0] = float(sys.argv[3])
    q[1] = float(sys.argv[4])

    error = 0.01
    while(error > 0.001):
        # Configuration matrix
        T = np.array([17.3*cos(q[0] + (5/3)*q[1])+25.7*cos(q[0] + q[1])+41.4*cos(q[0]),
                        17.3*sin(q[0] + (5/3)*q[1])+25.7*sin(q[0] + q[1])+41.4*sin(q[0])])

        # Deviation
        deltaT = np.subtract(np.array([x,y]), T)
        error = deltaT[0]**2 + deltaT[1]**2
        # Jacobian
        J = np.matrix([ [-25.7*sin(q[0]+q[1])-17.3*sin(q[0]+(5/3)*q[1])-41.4*sin(q[0]), -25.7*sin(q[0]+q[1])-28.8333*sin(q[0]+(5/3)*q[1])],
                        [25.7*cos(q[0]+q[1])+17.3*cos(q[0]+(5/3)*q[1])+41.4*cos(q[0]),      25.7*cos(q[0]+q[1])+28.8333*cos(q[0]+(5/3)*q[1])]])
        #Inverse of the Jacobian
        det = J.item((0,0))*J.item((1,1)) - J.item((0,1))*J.item((1,0))
        inverseJ = 1/det * np.matrix([  [J.item((1,1)),     -J.item((0,1))],
                                        [-J.item((1,0)),    J.item((0,0))]])
        ### THE PROBLEMATIC MATRIX VECTOR MULTIPLICATION IN QUESTION
        q = q + inverseJ.dot(deltaT)

Answer 1

当一个操作涉及matrix时，输出是另一个matrix。 matrix对象是严格线性代数意义上的矩阵。它们总是2D，即使它们只有一个元素。

相反，您提到的示例使用数组，而不是矩阵。数组更多＆＃34;松散的表现＆＃34;。其中一个不同之处是＆＃34;无用＆＃34;移除尺寸，在此示例中产生1D向量。

Answer 2

这似乎是numpy.dot（）函数的方式。它进行简单的数组乘法，由于其中一个参数是二维的，因此返回一个二维数组。 dot（）不是一个聪明的方法，它只是在没有进行健全性检查的情况下完成了我在文档here中收集的内容。请注意，这不是代码中的错误，但您必须自己提取内部列表。