Python矩阵中的matrix()函数和array()函数的区别

 一:矩阵生成

#下面介绍array()函数与mat()函数

a1=np.array([[1,2],[3,4]])
b1=np.mat([[1,2],[3,4]])

a2=np.array(([1,2],[3,4]))
b2=np.mat(([1,2],[3,4]))

a3=np.array(((1,2),(3,4)))
b3=np.mat(((1,2),(3,4)))

b4=np.mat('1 2;3 4')

print("\n",a1,"\n",b1,"\n",a2,"\n",b2,"\n",a3,"\n",b3,"\n",b4)

输出结果都是:

二、矩阵性质

matrix()和array()函数可以通过对象后面加上.T得到其转置。但是matrix()还可以在后面加上.H得到共轭矩阵,加上.I得到逆矩阵,array()不可以。

不举例了。

三、矩阵乘法

array()函数的乘法是矩阵元素所对应位置的两个数进行相乘。而matrix()函数的乘法遵循矩阵乘法规则。

但是可以用dot函数改进

#矩阵乘法

a1 = np.array([[1, 2], [3, 4]])
c1 = np.array([[5, 6], [7, 8]])

b1 = np.mat([[1, 2], [3, 4]])
d1 = np.mat([[5, 6], [7, 8]])

print("a1乘c1的结果:\n", a1 * c1
  • 3
    点赞
  • 30
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
### 回答1: 在python,可以使用numpy库matrix函数来创建矩阵。该函数接受一个二维数组或列表作为参数,并返回一个矩阵对象。 语法: numpy.matrix(data, dtype=None, copy=True) 参数说明: - data: 创建矩阵所需的数据,可以是数组,列表或元组 - dtype: 矩阵元素的数据类型,默认为None - copy: 是否对数据进行拷贝,默认为True 举个例子: ``` import numpy as np # 创建3x3矩阵 matrix_a = np.matrix([[1,2,3], [4,5,6], [7,8,9]]) print(matrix_a) # [[1 2 3] # [4 5 6] # [7 8 9]] ``` matrix函数已经被淘汰,使用numpy.array代替。 ``` import numpy as np # 创建3x3矩阵 matrix_a = np.array([[1,2,3], [4,5,6], [7,8,9]]) print(matrix_a) # [[1 2 3] # [4 5 6] # [7 8 9]] ``` 最终建议使用numpy.array代替numpy.matrix。 ### 回答2: Pythonmatrix函数是numpy的一个函数,它可以将一个列表或者序列转换为矩阵对象。具体来说,matrix函数可以将一个1维列表转换为1行n列的矩阵,或者将一个二维列表转换为m行n列的矩阵。 对于一个一维列表,我们可以通过matrix函数进行转换: ``` import numpy as np a = [1, 2, 3, 4, 5] b = np.matrix(a) # 将一个1维列表转换为1行n列的矩阵 print(b) ''' [[1 2 3 4 5]] ''' ``` 对于一个二维列表,我们也可以通过matrix函数进行转换: ``` import numpy as np a = [[1, 2, 3], [4, 5, 6], [7, 8, 9]] b = np.matrix(a) # 将一个二维列表转换为m行n列的矩阵 print(b) ''' [[1 2 3] [4 5 6] [7 8 9]] ''' ``` 除了将列表转换为矩阵外,matrix函数还可以进行一些其他操作,比如矩阵的加、减、乘等运算。我们可以通过numpy的其他函数和方法对矩阵进行操作。 总之,matrix函数Python非常常用的一个函数,尤其在科学计算、机器学习等领域。熟练掌握matrix函数的用法,可以大大提高编码效率和开发效率。 ### 回答3: 在Pythonmatrix函数是内置的NumPy模块的一个函数,用于创建矩阵对象。矩阵可以在数学用于表示线性方程组和矩阵变换等问题。矩阵可以包含任意数量的行和列,并且矩阵的每个元素都可以是任意数字。 使用matrix函数时,需要将所需矩阵的元素输入到函数。可以使用列表、数组等这些数据集合类型作为输入参数。例如,以下代码创建一个2x2的矩阵: import numpy as np M = np.matrix([[1, 2], [3, 4]]) print(M) 执行以上代码,结果将返回以下矩阵: [[1 2] [3 4]] 在创建矩阵对象之后,可以对矩阵执行各种操作,例如矩阵加法、矩阵乘法、转置等。这些操作可以通过NumPy模块的工具函数实现。 对于矩阵加法,可以使用“+”运算符,例如: M1 = np.matrix([[1, 2], [3, 4]]) M2 = np.matrix([[5, 6], [7, 8]]) M3 = M1 + M2 print(M3) 执行以上代码,结果将返回以下矩阵: [[ 6 8] [10 12]] 对于矩阵乘法,可以使用“*”运算符,例如: M1 = np.matrix([[1, 2], [3, 4]]) M2 = np.matrix([[5, 6], [7, 8]]) M3 = M1 * M2 print(M3) 执行以上代码,结果将返回以下矩阵: [[19 22] [43 50]] 对于矩阵的转置,可以使用“.T”操作符,例如: M = np.matrix([[1, 2], [3, 4]]) M_T = M.T print(M_T) 执行以上代码,结果将返回以下矩阵: [[1 3] [2 4]] 总之,Pythonmatrix函数提供了一个方便的方式来创建和操纵矩阵对象,可以方便地进行线性代数、计算机视觉等方面的任务。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值