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。