利用numpy库实现基本矩阵运算

一、创建矩阵
numpy库中有两种创建矩阵的方法，两种方法产生的矩阵类型有所不同。第一种方法是matrix方法，产生的是普通矩阵：

>>>import numpy as np #在IDLE下直接调用numpy库
>>>A=np.matrix([[1,2],[3,4],[5,6]])  #产生一个3×2的矩阵A

而另一种方法为array方法，产生的是二维数组：

>>>B=np.array(range(1,7)).reshape(3,2)  #产生一个三行二列的数组B

上述两个方法生成的矩阵类型有所不同，体现在它们的计算上，在介绍运算 的时候我会提及。
接下来介绍几个numpy内置函数生成一些特殊矩阵：

>>>np.zeros((3,3)) #产生全零3×3方阵
>>>np.identity(3) #生成3×3单位矩阵
>>>np.diag([3,2,1]) #生成对角阵

二、矩阵运算
继续利用前面产生过的矩阵进行运算

>>> A+A
matrix([[ 2,  4],
        [ 6,  8],
        [10, 12]])
>>> B+B
array([[ 2,  4],
       [ 6,  8],
       [10, 12]])
>>> A-B
matrix([[0, 0],
        [0, 0],
        [0, 0]])
>>> B+A
matrix([[ 2,  4],
        [ 6,  8],
        [10, 12]])

可以看到矩阵类型在计算中的变化，不过虽然类型不同，但矩阵加减法的值的结果仍相同。接下来计算矩阵乘法，而两种类型的默认乘法有所不同。当矩阵是array类时，默认乘法为Hadamard乘法，即按照矩阵内对应元素的位置相乘；当矩阵是matrix类时，默认乘法为矩阵的乘法，即行×列，列×行。

>>> A*A
Traceback (most recent call last):
  File "<pyshell#3>", line 1, in <module>
    A*A
  File "D:\Python36_64\lib\site-packages\numpy\matrixlib\defmatrix.py", line 215, in __mul__
    return N.dot(self, asmatrix(other))
ValueError: shapes (3,2) and (3,2) not aligned: 2 (dim 1) != 3 (dim 0)
>>> B*B
array([[ 1,  4],
       [ 9, 16],
       [25, 36]])

可以看到，由于A矩阵为matrix类，无法实现自乘，而B矩阵为array类，遵循Hadamard乘法规则实现自乘。若array类矩阵想实现矩阵乘法该怎么做呢？答案是利用dot()函数。

>>> B.dot(B)
Traceback (most recent call last):
  File "<pyshell#5>", line 1, in <module>
    B.dot(B)
ValueError: shapes (3,2) and (3,2) not aligned: 2 (dim 1) != 3 (dim 0)

B和B使用矩阵乘法，结果显然报错。
array类矩阵还可以实现乘幂的形式：

>>> B**4
array([[   1,   16],
       [  81,  256],
       [ 625, 1296]], dtype=int32)