Exercise9-Numpy

Premise:

分析：

要生成两个矩阵，A为高斯（正态分布）矩阵，可以numpy.random.normal获得；B为Toeplitz矩阵，可用scipy.linalg 中的toeplitz获得。

内置函数等介绍：

1. numpy.random.normal(loc=0.0, scale=1.0, size=None)
   对应于高斯分布的概率密度函数，第一，二个参数分别为均值和标准差，最后为输出的形状。例如numpy.random.normal(loc=0, scale=1, size=(2，3))正态分布的矩阵。

2. scipy.linalg.toeplitz(c, r=None)
   用于生成toeplitz矩阵，第一个参数为矩阵的第一列，第二个为矩阵的第一行（默认为c的转置）。

代码实现：

import numpy as np
import time
from scipy.linalg import toeplitz
#N(0,1)gaussian
mu,sigma = 0,1 #mean and standard deviation
n,m = 200,500 #the dimension of A
A = np.random.normal(loc=mu, scale=sigma, size=(n,m))
c = list(range(1,m+1))
B = toeplitz(c,c)

Exercise 9.1: Matrix operations:

分析：

矩阵之间的简单运算，使用简单的运算符或numpy的相关方法即可实现，I为单位矩阵，可用方法numpy.eye获得。

内置函数等介绍：

1. 基本运算
   获得矩阵A的转置：A.T
   共轭矩阵：A.I
   矩阵相加减：A+A A-A
   逆矩阵：numpy.linalg.inv(a)
   矩阵相乘：a.dot(b.T) numpy.dot(a,b) a*b
   求迹： np.trace(a)
2. 生成对角矩阵
   numpy.eye(N,M=None, k=0, dtype=(type ‘float’))
   第一个参数为输出方阵（行数=列数）的规模，即行数或列数，第二个参数k默认情况下输出的是对角线全“1”，其余全“0”的方阵，如果k为正整数，则在右上方第k条对角线全“1”其余全“0”，k为负整数则在左下方第k条对角线全“1”其余全“0”。例如：

>>> np.eye(2, dtype=int)
array([[1, 0],
       [0, 1]])
>>> np.eye(3, k=1)
array([[ 0.,  1.,  0.],
       [ 0.,  0.,  1.],
       [ 0.,  0.,  0.]])

代码实现：

其中函数以lambda为2调用

#9.1
print("---9.1:Matrix operations")
print("calculate A+A:")
dA = A+A
print(dA)
print("calculate AA(T):")
mA = np.dot(A,A.T)
print(mA)
print("calculate A(T)A:")
mA2 = np.dot(A.T,A)
print(mA2)
print("calculate AB:")
mAB = np.dot(A,B)
print(mAB)

def func(A, B, lamb):
    C = B-lamb*(np.eye(m))
    print(np.dot(A,C))
print("calculate A(B-I) for  = 2:")
func(A,B,2)

Exercise 9.2: Solving a linear system

分析：

numpy.linalg中的函数solve可以求解形如 Ax = b