python:矩阵的基本运算
一、Python 矩阵基本运算
引入 numpy 库
import numpy as np
1. python矩阵操作
1)使用 mat 函数创建一个 2X3矩阵
a = np.mat([[1, 2, 3], [4, 5, 6]])
2)使用 shape 可以获取矩阵的大小
a.shape
3)进行行列转换
a.T
4)使用二维数组代替矩阵来进行矩阵运算
b = np.array([[1, 2, 3], [4, 5, 6]])
5) 加减法
a + b
a - b
二、python矩阵乘法
1)使用二维数组创建两个矩阵A和B
A = np.array([[1, 2, 3], [4, 5, 6]])
B = A.T
2)一个矩阵的数乘,其实就是矩阵的每一个元素乘以该数
2 * A
3)dot 函数用于矩阵乘法,对于二维数组,它计算的是矩阵乘积,对于一维数组,它计算的是内积
np.dot(A, B)
np.dot( B, A)
4)再创建一个二维数组
C = np.array([[1, 2], [1, 3]])
5)验证矩阵乘法的结合性:( A B ) C = A ( B C ) (AB)C = A(BC)(AB)C=A(BC)
np.dot(np.dot(A, B), C)
np.dot(A, np.dot(B, C))
6)使用 eye 创建一个单位矩阵
三、python矩阵转置
1)A的转置
A.T
四、python求方阵的迹
1)A的迹
五、python求逆矩阵/伴随矩阵
逆矩阵的定义:
设A是数域上的一个n阶方阵,若在相同数域上存在另一个n阶矩阵B,使得: AB=BA=E。 则我们称B是A的逆矩阵,而A则被称为可逆矩阵。当矩阵A的行列式|A|不等于0时才存在可逆矩阵。
1)创建一个方阵
A = np.array([[1, -2, 1], [0, 2, -1], [1, 1, -2]])
2)使用 linalg.det求得方阵的行列式
A_abs = np.linalg.det(A)
3) 使用 linalg.inv 求得方阵A的逆矩阵
B = np.linalg.inv(A)
4)利用公式求伴随矩阵:
A_bansui = B * A_abs
六、python方阵的行列式计算方法
1)创建两个方阵
E = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
F = np.array([[1, 2], [1, 3]])
2)使用 linalg.det 方法求得方阵E和方阵F的行列式
np.linalg.det(E)
np.linalg.det(F)
七、python解多元一次方程
x+2y+z=72
x−y+3z=73
x+y+2z=18
1) 将未知数的系数写下来,排列成一个矩阵a
a = [[1, 2, 1], [2, -1, 3], [3, 1, 2]]
a = np.array(a)
2)常数项构成一个一维数组(向量)
b = [7, 7, 18]
b = np.array(b)
3)使用 linalg.solve 方法解方程,参数a指的是系数矩阵,参数b指的是常数项矩阵
x = np.linalg.solve(a, b)
4)使用点乘的方法可以验证一下,系数乘以未知数可以得到常数项
np.dot(a, x)