python矩阵的基本运算

最新推荐文章于 2024-08-13 09:24:59 发布
最新推荐文章于 2024-08-13 09:24:59 发布
阅读量3.3w 收藏 290
点赞数 45
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42032327/article/details/115443307
版权

文章目录

一、python矩阵操作

先引入numpy，以后的教程中，我们都引用为np作为简写

在这里插入图片描述使用mat函数创建一个2X3矩阵
在这里插入图片描述
在这里插入图片描述
使用shape获取矩阵大小

在这里插入图片描述
使用下标读取矩阵中的元素

在这里插入图片描述
进行行业转换
在这里插入图片描述
通常情况下，使用二维数组代替矩阵来进行矩阵运算，可见矩阵和数组基本上都可以
在这里插入图片描述
在这里插入图片描述
加减法同样
在这里插入图片描述
当然列表是不能这么尽兴加减的

在这里插入图片描述

二、python矩阵乘法

使用Python的numpy包进行矩阵的乘法运算

使用二位数组创建两个矩阵A和B

在这里插入图片描述
矩阵的数乘，即矩阵的每一个元素乘以该数

在这里插入图片描述
dot函数用于矩阵乘法，对于二维数组，它计算的是矩阵乘积，对于一维数组，它计算的是内积。注意交换矩阵的前后位置会导致不同的结果

在这里插入图片描述
再建立一个二位数组
在这里插入图片描述
验证矩阵乘法的结合性（AB）C=A(BC)
在这里插入图片描述
在这里插入图片描述
加法的分配性：（A+B)C=AC+BC，C(A+B）=CA+CB
在这里插入图片描述数乘的结合性

在这里插入图片描述
使用eye创建一个单位矩阵

一个矩阵在这里插入图片描述
A乘以一个单位矩阵，还是它本身
在这里插入图片描述

三、python矩阵转置

矩阵的转置很简单，就是将矩阵的行变为列，将列变为行
创建一个矩阵D，使用属性T得到矩阵D的转置矩阵E
在这里插入图片描述
矩阵转置的基本性质：
在这里插入图片描述
验证性质1：（A’）’=A

在这里插入图片描述在这里插入图片描述
验证性质2：(A±B)’=A’±B’：
创建两个尺寸相同的矩阵
在这里插入图片描述
在这里插入图片描述

验证性质3：(KA)’=KA’
在这里插入图片描述
验证性质4：(A×B)’= B’×A’
在这里插入图片描述

四、python求方阵的迹

方阵的迹就是主对角元素之和
创建一个方阵（方阵也就是行数等于列数的矩阵）

在这里插入图片描述
用trace计算方阵的迹
在这里插入图片描述.创建一个方阵F
在这里插入图片描述
验证一下方阵的迹等于方阵的转置的迹在这里插入图片描述
验证一下方阵的乘积的迹等于在这里插入图片描述

五、python方阵的行列式计算方法

计算方阵的行列式，用到的是numpy模块的linalg.det方法
行列式的算法：这是二阶方阵行列式：
在这里插入图片描述
行列式的算法：这是三阶行列式
在这里插入图片描述

利用E，F进行行列的计算在这里插入图片描述

使用det方法求得方阵E和方阵F的行列式
在这里插入图片描述
在这里插入图片描述

六、python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。而伴随矩阵的定义：
在这里插入图片描述
先来求一下矩阵的逆，先引入numpy
在这里插入图片描述
创建一个方阵
在这里插入图片描述
使用linalg.det求得方阵的行列式
在这里插入图片描述
使用linalg.inv求得方阵A的逆矩阵在这里插入图片描述
利用公式:在这里插入图片描述

numpy的计算方法:
在这里插入图片描述

七、 python解多元一次方程用python的

用python的numpy包中的linalg.solve()方法解多元一次方程
首先看一下我们要解的方程，将这个方程格式调整好，按照x-y-z-常数项的顺序排列
在这里插入图片描述
将未知数的系数写下来，排列成一个矩阵
a={[1,2,1],
[2,-1,3],
[3,1,2]}
在这里插入图片描述
常数项构成一个一维数组（向量）
在这里插入图片描述使用linalg.solve方法解方程，参数a指的是系数矩阵，参数b指的是常数项矩阵：
在这里插入图片描述
使用点乘的方法可以验证一下，系数乘以未知数可以得到常数项
在这里插入图片描述

贪睡的小孩
关注
机器学习数学基础之Python矩阵运算
yqpgalvzm的博客
04-05 503
一、Python 矩阵基本运算 1. Python 矩阵操作 引入 numpy import numpy as np 创建一个 2 × 3 矩阵 a=np.mat([[1,2,3],[4,5,6]]) a 运行结果如下 获取矩阵大小 a.shape 运行结果如下 转置矩阵 a.T 运行结果如下 进行行列转换 a.transpose 运行结果如下 使用二维数组代替矩阵 b=np.array([[1,2,1],[4,5,6]]) 运行结果如下 矩阵、数组加减法写法与普通加减法一样，但是列
Python矩阵基本运算
无由的博客
04-05 3434
文章目录一、python矩阵操作 一、python矩阵操作 引入numpy，以后的教程中，我们都引用为np作为简写 #1.先引入numpy，以后的教程中，我们都引用为np作为简写 import numpy as np
python的常见矩阵运算
热门推荐
lanyizheng blog
06-21 25万+
python的numpy库提供矩阵运算的功能，因此我们在需要矩阵运算的时候，需要导入numpy的包。1.numpy的导入和使用from numpy import *;#导入numpy的库函数 import numpy as np; #这个方式使用numpy的函数时，需要以np.开头。2.矩阵的创建由一维或二维数据创建矩阵from numpy import *; a1=array([1,2,3]);
【python数据分析03】——Numpy矩阵与通用函数
最新发布
zhejie666的博客
08-13 1546
如果要对数组进行矩阵运算，则可以调用相应的函数。
Python学习笔记5 【转载】基本矩阵运算_20170618
06-18 3357
需要 numpy 库支持 保存链接 http://www.cnblogs.com/chamie/p/4870078.html 1.numpy的导入和使用 from numpy import *;#导入numpy的库函数 import numpy as np; #这个方式使用numpy的函数时，需要以np.开头。 2.矩阵的创建 由一维或二维数据创建矩阵 ...
python矩阵运算
weixin_49513468的博客
02-01 8657
文章目录1.将一维行向量转化为一维列向量2.矩阵m\*1可以和1\*k相乘，得到矩阵m\*k，但矩阵m\*n(n≠1)不可以和1\*k相乘(k≠n) 1.将一维行向量转化为一维列向量 注意：此处不能用a = a.T或a = np.transpose(a)来进行转置，这两种方法在a为多维矩阵时才有效 a = range(4) a = np.array([a]).T 输出: [[0] [1] [2] [3]] 2.矩阵m*1可以和1*k相乘，得到矩阵m*k，但矩阵m*n(n≠1)不可以和1*k相乘(k≠
python 矩阵运算
m0_56051805的博客
10-14 5208
python 矩阵运算
Python矩阵常见运算操作实例总结
09-21
在Python编程中，处理矩阵...掌握这些基本的Python矩阵运算操作，能帮助我们高效地处理各种线性代数问题，尤其在数据分析和机器学习领域中显得尤为重要。通过实践和不断练习，可以更加熟练地运用numpy库进行矩阵运算。
Python 矩阵基本运算【numpy】
web18484626332的博客
06-10 659
引入 numpy 库 1. python矩阵操作 ① 使用 mat 函数创建一个 2X3矩阵 ② 使用 shape 可以获取矩阵的大小 ③ 进行行列转换 ④ 使用二维数组代替矩阵来进行矩阵运算 ⑤ 加减法 ① 使用二维数组创建两个矩阵A和B ② 一个矩阵的数乘，其实就是矩阵的每一个元素乘以该数 ③ dot 函数用于矩阵乘法，对于二维数组，它计算的是矩阵乘积，对于一维数组，它计算的是内积 ④ 再创建一个二维数组 ⑤ 验证矩阵乘法的结合性： ( A B ) C = A ( B C ) (AB)C = A(BC
Python矩阵基本运算的学习记录
java_creater的博客
04-05 662
这里写目录标题一级目录二级目录三级目录 一级目录 二级目录 三级目录
NumPy 矩阵库(Matrix).nump.mat()
错位的梦寐的博客
09-21 769
NumPy 中包含了一个矩阵库numpy.matlib，该模块中的函数返回的是一个矩阵，而不是 ndarray 对象。 一个m*n 的矩阵是一个由行（mrow）列n（column）元素排列成的矩形阵列。 矩阵里的元素可以是数字、符号或数学式。以下是一个由 6 个数字元素构成的 2 行 3 列的矩阵： matlib.empty() matlib.empty() 函数返回一个新的矩阵，语法格式为： ...
python_矩阵运算
06-02
python_矩阵运算，很详细的一篇，全程解读
python矩阵运算_python 矩阵运算
weixin_39662432的博客
11-28 147
python矩阵运算第一次看见Python的运行感觉就让我想起了matlab，于是就上网嗖嗖他在矩阵方面的运算如何，如果不想安装Matlab那么大的软件，而你又只是想计算些矩阵，python绝对够用！尤其在Linux下太方便了Python使用NumPy包完成了对N-维数组的快速便捷操作。使用这个包，需要导入numpy。SciPy包以NumPy包为基础，大大的扩展了numpy的能力。为了使用的方便，...
python：矩阵的基本运算
m0_47017197的博客
08-12 3万+
python矩阵的基本运算
python中的矩阵运算
qq_17065591的博客
10-03 646
python矩阵运算1-1 python矩阵运算所需模块1-2定义矩阵和进行相关的矩阵运算RREF numpy/scipy/sympy: 搬运：python矩阵的运算大全: python矩阵运算可以用numpy模块，也可以用scipy模块，主要运算包括以下几种： 1-1 python矩阵运算所需模块 import numpy as np import matplotlib.pyplot as plt import scipy.linalg as lg #scipy矩阵运算模块 1-2定义矩阵和进行相关的矩
Python矩阵运算
qq_31409555的博客
05-17 1502
Python使用NumPy包完成了对N-维数组的快速便捷操作。使用这个包，需要导入numpy。SciPy包以NumPy包为基础，大大的扩展了numpy的能力。建立矩阵matI=np.array([1,2,3],dtype=int) 建立一个一维数组，数据类型是int。也可以不指定数据类型，使用默认。几乎所有的数组建立函数都可以指定数据类型，即dtype的取值。 matII=np.array(
Jupyter中Python矩阵基本运算的学习记录
CHL的博客
04-03 4323
实验环境：jupyter+python3 一、python矩阵操作 1.引入numpy，使用mat函数创建一个2X3矩阵，查看a的值 import numpy as np #使用mat函数创建一个2X3矩阵 a = np.mat([[1,2,3],[4,5,6]]) #查看a的值 a matrix([[1, 2, 3], [4, 5, 6]]) 2.使用shape获取矩阵大小 #使用shape获取矩阵大小 a.shape (2, 3) 3.使用下标读取矩阵的元素 #使用下标读取.
机器学习数学基础之python矩阵运算
qq_46051625的博客
04-05 1262
实验环境： Anaconda + python3.7 + jupyter 一、 在Jupyter中进行Python矩阵基本运算 1.python矩阵基本操作 矩阵的加减，行列转换 代码如下： import numpy as np a = np.mat([[1, 2, 3], [4, 5, 6]]) a.shape a.T b = np.array([[1, 2, 3], [4, 5, 6]]) a + b a - b 2.python矩阵乘法 注： 矩阵之间的相乘和数的相乘不一样。 1.
python进行矩阵的计算
05-26
在 Python 中，可以使用 NumPy 库进行矩阵计算。以下是一个简单的示例： 1. 安装 NumPy 库 如果你还没有安装 NumPy 库，可以通过以下命令在命令行中安装： ``` pip install numpy ``` 2. 导入 NumPy 库 在 Python 中，导入 NumPy 库的方式如下： ```python import numpy as np ``` 3. 创建矩阵 创建矩阵的方式有很多种，以下是一些示例： ```python # 创建一个 2x2 的矩阵 matrix1 = np.array([[1, 2], [3, 4]]) # 创建一个 2x3 的矩阵 matrix2 = np.array([[5, 6, 7], [8, 9, 10]]) # 创建一个 3x2 的矩阵 matrix3 = np.array([[11, 12], [13, 14], [15, 16]]) ``` 4. 矩阵运算 使用 NumPy 库进行矩阵运算非常方便，以下是一些常见的矩阵运算： - 矩阵加法 ```python result = matrix1 + matrix2 ``` - 矩阵减法 ```python result = matrix1 - matrix2 ``` - 矩阵乘法 ```python result = np.dot(matrix1, matrix3) ``` - 矩阵转置 ```python result = matrix1.T ``` - 矩阵求逆 ```python result = np.linalg.inv(matrix1) ``` 以上仅是一些简单的矩阵运算示例，NumPy 库还提供了更多的矩阵计算函数和操作符。需要注意的是，矩阵运算时需要保证矩阵维度正确。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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