机器学习数学基础之Python矩阵运算

)

Python矩阵基础

打开jupyter

创建文件（Python3）

引入 numpy ，以后的教程中，我们都引用 np 作为简写。
使用 mat 函数创建一个 2×3 矩阵。
#引入numpy
import numpy as np
#使用mat函数创建一个2×3矩阵
a=np.mat([[1,2,3],[4,5,6]])
a

使用 shape 可以获取矩阵的大小。

使用下表读取矩阵中的元素

#使用下标读取矩阵中的元素
a.T

进行行列转换。

#进行行列转换
a.transpose()
a.T

实际上官方文档建议我们使用二维数组代替矩阵来进行矩阵运算；因为二维数组用得较多，而且基本可取代矩阵。

#用二维数组代替矩阵
b=np.array([[1,2,3],[4,5,6]])
b
b.T

加减法

python 矩阵乘法

使用二维数组创建两个矩阵 A 和 B。

矩阵的数乘，其实是矩阵的每一个元素乘以该数。

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。

(A+B)C=AC+BC、C(A+B)=CA+CB。

python 矩阵转置

验证第一个性质：(A’)’=A。

验证矩阵转置的第二个性质：(A±B)’=A’±B’。

验证矩阵转置的第三个性质：(KA)’=KA’

验证矩阵转置的第四个性质：(A×B)’=B’×A’

python 求方阵的迹

方阵的迹就是主对角元素之和。
创建一个方阵（行数等于列数的矩阵）。

用 trace 计算方阵的迹。

创建一个方阵 F

验证一下方阵的迹等于方阵的转置的迹。

验证一下方阵的乘积的迹。

验证一下方阵的和的迹等于方阵的迹的和。