numpy的矩阵运算笔记

要想用tensorflow解决问题，对numpy矩阵运算的熟悉是必不可少的

NumPy函数库中存在两种不同的数据类型（矩阵matrix和数组array），都可以用于处理行列表示的数字元素。虽然它们看起来很相似，但是在这两个数据类型上执行相同的数学运算可能得到不同的结果

import numpy as np

随机产生矩阵

np.random.rand(4,4)

随机产生一个4*4的矩阵

矩阵自运算

X.flags      #数组的存储情况信息。

X.shape  
  #结果是一个tuple，返回本数组的行数、列数、……

X.ndim    #数组的维数，结果是一个数

X.size      #数组中元素的数量

X.itemsize  
  #数组中的数据项的所占内存空间大小

X.dtype      #数据类型

X.T    #如果X是矩阵，发挥的是X的转置矩阵

X.trace()      #计算X的迹

np.linalg.det(a)    #返回的是矩阵a的行列式

np.linalg.norm(a,ord=None)  
  #计算矩阵a的范数

np.linalg.eig(a)  
  #矩阵a的特征值和特征向量

np.linalg.cond(a,p=None)  
  #矩阵a的条件数

np.linalg.inv(a)  
  #矩阵a的逆矩阵

矩阵二元运算

内积： np.dot(a,b)

矢量外积： outer(a,b)