NumPy的矩阵运算

#作者：小恒不会java
#时间：2024年3月1日
#微信：a13551458597


import numpy as np


# 创建一个2x3的矩阵A
A = np.array([[1, 2, 3], [4, 7, 9]])

# 获取矩阵A的形状
shape_A = A.shape

# 对矩阵A进行转置运算得到矩阵B
B = A.T

# 使用numpy的matmul函数进行矩阵乘法运算（注意：此处原代码中的*A无法进行矩阵乘法，应改为np.matmul(A, B)）
C = np.matmul(A, B)

# 使用numpy的dot函数进行矩阵乘法运算
D = np.dot(A, B)

# 创建一个3x3的单位矩阵E
E = np.eye(3)

# 计算矩阵A（假设其为方阵）的迹
F = np.trace(A)

# 计算矩阵A的行列式
try:
    G = np.linalg.det(A)
except np.linalg.LinAlgError:  # 如果矩阵不是方阵，则无法计算行列式
    G = "无法计算，因为矩阵A不是方阵"

# 计算矩阵A（假设其为方阵）的逆矩阵
try:
    H = np.linalg.inv(A)
except np.linalg.LinAlgError:  # 如果矩阵不可逆，则无法计算逆矩阵
    H = "无法计算，因为矩阵A不可逆"

# 因为A并非方阵，所以无法直接计算伴随矩阵，这里我们假设你想要对一个可逆的方阵进行操作
# 假设有一个方阵J
J = np.array([[1, 2], [3, 4]])
# 计算伴随矩阵（实际应为：I = np.linalg.inv(J).T * np.linalg.det(J)，但此处A非方阵，故不适用）
# I = np.linalg.inv(J).T * np.linalg.det(J)

# 解多元一次线性方程组，这里由于A不是方阵，所以无法直接求解
# 假设有一个与b维度匹配的方阵K
K = np.array([[1, 2], [3, 4]])
# 计算解向量
# x = np.linalg.solve(K, b)

# 定义b向量
b = np.array([7, 7, 18])

# 在尝试求解之前，我们需要确保矩阵A是方阵且可逆，否则无法进行求解操作
# 若A是可逆的方阵：
# x = np.linalg.solve(A, b)

# 输出结果
print("矩阵A的形状：", shape_A)
print("矩阵转置运算结果：", B)
print("矩阵乘法运算结果（np.matmul）：", C)
print("矩阵乘法运算结果（np.dot）：", D)
print("单位矩阵E：", E)
print("矩阵A的迹：", F)
print("矩阵A的行列式（如果能计算的话）：", G)
print("矩阵A的逆矩阵（如果存在的话）：", H)
# print("矩阵的伴随矩阵（仅针对方阵）：", I)
# print("线性方程组的解向量：", x)