机器学习（数据分析）数学基础——线性代数篇（三）矩阵

【注】代码段不包含导入包

在第一章的里面，我们学习了如何定义一个向量，这里稍加改动变成一个矩阵

# 表示一个矩阵
A = np.array([[1,2],
              [3,4],
              [5,6],
              [7,8]])
print(A)
# 确定一个矩阵的行列数
print(A.shape)

A.shape 可以确定矩阵的行列数，上面这个矩阵的输出结果是（4，2）

同样的我们知道转置就是print（A.T）

下面是零矩阵，对角矩阵，单位矩阵的代码

# 零矩阵
A_1 = np.zeros([5,4])
# 对角矩阵
A_2 = np.diag([1,2,3,4,5])
# 单位矩阵
A_3 = np.eye(4)

关于矩阵加法，数乘的可以参考第一章中向量的计算方法，下面说一下矩阵与矩阵、向量的计算方法：

B = np.array([[2,3,4,5],
              [6,7,8,9]])
print(np.dot(A,B))

A矩阵是上面定义过那个，这里我们看见矩阵乘矩阵和之前我们用到的向量内积是一个代码，同理我们可以得到矩阵乘向量的代码。

x = np.array([[1,2]]).T
print(np.dot(A,x))