目录
实验目的:
1.练习Python矩阵
2.解释微分、梯度的含义? 什么是梯度下降法?并用用梯度下降法手工求解
参考,在Excel里用牛顿法、或者梯度下降法求解 z=2(x-1)2+y2 的近似根。
3.线性回归可以用最小二乘法求解,也可以用梯度下降法求解,试比较二者的结果。参考1,参考2
实验环境:python3.x,Anaconda
参考资料:python矩阵基本运算.doc
前置实验:环境搭建好
一、python矩阵
1.python矩阵操作
(1)导入包
import numpy as np #导入包
(2)使用mat函数创建矩阵
a=np.mat([[1,2,3],[4,5,6]]) #创建2*3的矩阵
a
(3)使用shape
a.shape #获取矩阵的大小
(4)使用下标
a.T #使用下标读矩阵中元素
(5)行列转换
a.transpose() #进行行列转换
a.T
(6)二位数组
实际上官方文档建议我们使用二维数组代替矩阵来进行矩阵运算;因为二维数组用得较多,而且基本可取代矩阵。
b=np.array([[1,2,3],[4,5,6]])#用二维数据代替矩阵
b
b.T
(7)加减法
a+a #加法
b-b #减法
(8)列表不能进行加减法
c=[[1,2,3],[4,5,6]]#列表不能进行加减
c+c
2.python矩阵乘法
(1)使用二维数组创建两个矩阵A、B
#使用二维数组创建两个矩阵A和B
A=np.array([[1,2,3],[4,5,6]])
B=A.T
(2)矩阵数乘
#矩阵每个元素乘以该数
2*A
2*B
(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。交换矩阵的前后位置会导致不同的结果,看下面的例子
A*B
np.dot(A,B)
np.dot(B,A)
(4)再创建一个二维数组,验证矩阵乘法的结合性
#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))
(5)对加法的分配性 (A+B)C=AC+BC,C(A+B)=CA+CB
#验证加法的分配性 (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)
(6)数乘的结合性2x(AB)=(2A)xB=Ax(2B)
#验证数乘的结合性
2*(np.dot(A,B))
np.dot(A,2*B)
np.dot(2*A,B)
(7)接着我们用到一个新知识,使用eye创建一个单位矩阵,单位矩阵的定义就是看下面的步骤
#使用 eye 创建一个单位矩阵
I=np.eye(3)
I
(8)一个矩阵A乘以一个单位矩阵,还是它本身
#矩阵 A 乘以一个单位矩阵
np.dot(A,I)
3.python矩阵转置
(1)创建矩阵A,再用T方法转置
A=np.array([[1,2,3],[4,5,6]])#使用二维数组创建一个矩阵A
A.T#矩阵A的转置矩阵
(2)(A’)’=A
A.T.T#(A')'=A
(3)创建两个尺寸相同的矩阵,验证(A±B)’=A’±B’
B=np.array([[1,4],
[2,5],
[3,6],
])
D=np.array([[0,3],
[1,4],
[2,5]
])
(B+D).T
B.T+D.T
(4)(KA)’=KA’
#(KA)'=KA'
(10*A).T
10*A.T
(5)(A×B)’= B’×A’
#(A×B)'= B'×A'
np.dot(A,B).T
np.dot(A.T,B.T)
np.dot(B.T,A.T)
4.python求方程的迹
(1)先创建一个方阵(方阵也就是行数等于列数的矩阵)
#创建一个方阵
E=np.array([[1,2,3],
[4,5,6],
[7,8,9]])
(2)用trace计算方阵的迹
np.trace(E)
(3)再创建一个方阵F
F=E-2
(4)验证方阵的迹等于方阵的转置的迹
np.trace(E)
np.trace(E.T)
(5)验证一下方阵的乘积的迹
np.trace(np.dot(E,F))
np.trace(np.dot(F,E))
(6)验证一下方阵的和的迹等于方阵的迹的和
np.trace(E)+np.trace(F)
np.trace(E+F)
5.python方阵的行列式计算方法
(1)先创建两个方阵(就使用上面的E、F)
(2)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)
6.python求逆矩阵/伴随矩阵
(1)创建一个方阵
A=np.array([[1,-2,1],
[0,2,-1],
[1,1,-2]])
(2)使用linalg.det求得方阵的行列式
A_abs=np.linalg.det(A)
A_abs
(3)使用linalg.inv求得方阵A的逆矩阵
B=np.linalg.inv(A)
B
(4)利用公式求解
A_bansui=B*A_abs
A_bansui
7.python解多元一次方程
(1)首先将这个方程格式调整好,按照x-y-z-常数项的顺序排列
(2)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)
(3)常数项构成一个一维数组(向量)
b=[7,7,18]
b=np.array(b)
(4)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
x=np.linalg.solve(a,b)
x
(5)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
np.dot(a,x)