Python矩阵基本运算

实验环境
Anconda+python3.8+jupyter

矩阵基本运算

先引入numpy

import numpy as np

1、python矩阵操作

• 使用mat函数创建一个2X3矩阵

import numpy as np
a=np.mat([[1,2,3],[4,5,6]])
a

• 使用shape可以获取矩阵大小

a.shape

• 使用下标读取矩阵中的元素

a.T

• 进行行列转换

a.transpose()
a.T

• 使用二维数组代替矩阵

b=np.array([[1,2,3],[4,5,6]])
b

b.T

• 加减法

a+a
b+b

c=[[1,2,3],[4,5,6]]
c+c

2、python矩阵乘法

• 使用二维数组创建两个矩阵

A=np.array([[1,2,3],[4,5,6]])
B=A.T

• 矩阵的数乘
  

• 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
  

• 再创建一个二维数组

C=np.array([[1,2],[1,3]])
C

• 验证矩阵乘法的结合性：(AB)C=A(BC)

np.dot(np.dot(A,B),C)
np.dot(A,np.dot(B,C))

• 验证矩阵加法的分配性：（A+B）C=AC+BC，C(A+B)=CA+CB

D=B-1
D
np.dot(A,B+D)
np.dot(A,B)+np.dot(A,D)

• 验证矩阵数乘的结合性

2*(np.dot(A,B))
np.dot(A,2*B)
np.dot(2*A,B)
np.dot(A,2*B)

• 使用eye创建一个单位矩阵

I=np.eye(3)
I

• 一个矩阵A乘以单位矩阵，还是它本身

np.dot(A,I)

3、python矩阵转置

• 创建一个矩阵A
  

• 使用属性T来得到矩阵A的转置矩阵

A.T

• 验证第一个性质：(A ′) ′=A

A.T.T

• 创建两个尺寸相同的矩阵
  

• 验证第二个性质：( A ± B ) ′ = A ′ ± B ′

(B+D).T
B.T+D.T

• 验证第三个性质：( K A ) ′ = K A ′

10*A.T
(10*A).T

• 验证第四个性质：( A × B ) ′ = B ′ × A ′

np.dot(A,B)
np.dot(A.T,B.T)
np.dot(B.T,A.T)

4、python求方阵的迹

• 创建一个方阵（方阵也就是行数等于列数的矩阵）

E=np.array([[1,2,3],[4,5,6],[7,8,9]])
E

• 用trace计算方阵的迹

np.trace(E)

• 再创建一个方阵F

F=E-2
F

• 验证方阵的迹等于方阵的转置的迹

np.trace(E)
np.trace(E.T)

• 验证方阵的乘积的迹

np.trace(np.dot(E,F))
np.trace(np.dot(F,E))

• 验证方阵的和的迹等于方阵的迹的和

np.trace(E+F)
np.trace(E)+np.trace(F)

5、python方阵的行列式计算方法

• 创建两个方阵
  

• 使用det方法求得方阵E和方阵F的行列式

np.linalg.det(E)
np.linalg.det(F)

C
np.linalg.det(C)

6、python求逆矩阵/伴随矩阵

• 创建一个方阵

A=np.array([[1,-2,1],[0,2,-1],[1,1,-2]])
A

• 使用linalg.det求得方阵的行列式

A_abs=np.linalg.det(A)
A_abs

• 使用linalg.inv求得方阵A的逆矩阵

B=np.linalg.inv(A)
B

• 利用公式求伴随矩阵：A^-1=A^*/|A|==>A^∗ = A^-1|A|

A_bansui=B*A_abs
A_bansui

7、python解多元一次方程

• 要解的方程
  x+2y+z=7
  2x-y+3z=7
  3x+y+2z=18
• 将未知数的系数写下来，排列成一个矩阵a

a=[[1,2,1],[2,-1,3],[3,1,2]]
a=np.array(a)
a

• 常数项构成一个一维数组（向量）

b=[7,7,18]
b=np.array(b)
b

• 使用linalg.solve方法解方程，常数a指的是系数矩阵，常数b指的是常数项矩阵

x=np.linalg.solve(a,b)
x

• 使用点乘的方法验证一下，系数乘以未知数可以得到常数项

np.dot(a,x)