【Python科学计算系列】矩阵

这篇博客介绍了矩阵的基本运算,包括使用递归实现矩阵的幂计算,求解逆矩阵及其伴随矩阵的方法,计算矩阵的秩,并详细展示了单位矩阵、自定义斜对角矩阵及反向单位矩阵的创建。此外,还探讨了矩阵乘法的规则。这些内容是线性代数和数值计算的基础,对于理解和应用线性系统至关重要。
摘要由CSDN通过智能技术生成

1.矩阵的幂计算(设计思想:递归)

#!/usr/bin/env python 
# -*- coding: utf-8 -*-
import numpy as np
def matrixPow(Matrix,n):
    if(type(Matrix)==list):
        Matrix=np.array(Matrix)
    if(n==1):
        return Matrix
    else:
        return np.matmul(Matrix,matrixPow(Matrix,n-1))

2.求逆矩阵/伴随矩阵

设A是数域上的一个n阶方阵,若在相同数域上存在另一个n阶矩阵B,使得: AB=BA=E。 则我们称B是A的逆矩阵,而A则被称为可逆矩阵。当矩阵A的行列式|A|不等于0时才存在可逆矩阵。

import numpy as np
A = np.array([[1, -2, 1], [0, 2, -1], [1, 1, -2]])
#np.linalg.det求方阵的行列式(如果行列式不等于0才存在可逆矩阵),使用linalg.inv求得方阵的逆矩阵
if np.linalg.det(A):
    B = np.linalg.inv(A)
print(B)

#伴随矩阵

C = np.linalg.det(A) * np.linalg.inv(A)

3.矩阵的秩

import numpy as np
A = np.array([[1, -2, 1], [0, 2, -1], [1, 1, -2]])
#返回矩阵的秩
B = np.linalg.matrix_rank(A)
print(B)

4.单位矩阵&反向单位矩阵

# 单位矩阵,type是ndarray
A = np.eye(3)
"""
[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]
"""
print(A)
# 自定义:斜对角矩阵(可构建数量矩阵)aE
B = np.eye(3)*3.14
"""
[[3.14 0.   0.  ]
 [0.   3.14 0.  ]
 [0.   0.   3.14]]
"""
print(B)
# 反向单位矩阵
C = np.fliplr(A)
"""
[[0. 0. 1.]
 [0. 1. 0.]
 [1. 0. 0.]]
"""
print(C)

5.矩阵乘法

 矩阵乘法的相关数学定义参考

  1.如有对角形矩阵A,A左(右)乘矩阵B,等于用A主对角线上的元素依次乘B各行(列)。AB为左乘,左乘行乘;BA为右乘,右乘列乘。

import numpy as np


def matrixDot(p1, p2):
    return np.dot(p1, p2)

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
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

打赏作者

༄yi笑奈何

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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