线性代数Python计算：矩阵的转置、方阵的行列式和方阵的逆

1.矩阵的转置

numpy用来表示矩阵的2维数组的array对象的T属性，返回矩阵的转置。
例1 设$\mathbf{A}=\left(\begin{array}{ccc}2& 0& 1\\ 1& 3& 2\end{array}\right)$，$\mathbf{B}=\left(\begin{array}{ccc}1& 7& -1\\ 4& 2& 3\\ 2& 0& 1\end{array}\right)$，在Python中验证$(\mathbf{AB}{)}^{\text{T}}={\mathbf{B}}^{\text{T}}{\mathbf{A}}^{\text{T}}$。

import numpy as np          #导入numpy
A=np.array([[2,0,-1],       #矩阵A
            [1,3,2]])
B=np.array([[1,7,-1],       #矩阵B
            [4,2,3],
            [2,0,1]])
print((np.matmul(A,B)).T)   #积的转置
print((np.matmul(B.T, A.T)))#转置的积

程序中第2~3行和第4~6行分别设置矩阵$\mathbf{A}$和$\mathbf{B}$。第7行调用numpy的函数matmal(A,B)计算积$\mathbf{AB}$，然后访问其转置属性matmal(A,B).T输出$(\mathbf{AB}{)}^{\text{T}}$。第8行调用函数matmul(B.T,A.T)计算${\mathbf{B}}^{\text{T}}{\mathbf{A}}^{\text{T}}$。运行程序，输出

[[ 0 17]
 [14 13]
 [-3 10]]
[[ 0 17]
 [14 13]
 [-3 10]]

2. 方阵的行列式

numpy包中用于处理线性代数的linalg模块提供的det函数可用来计算方阵的行列式。
例2：在Python中验算矩阵$\mathbf{A}=\left(\begin{array}{cccc}3& 1& -1& 2\\ -5& 1& 3& -4\\ 2& 0& 1& -1\\ 1& -5& 3& -3\end{array}\right)$的行列式$\det \mathbf{A}$。

import numpy as np          #导入numpy
A=np.array([[3,1,-1,2],     #矩阵A
            [-5,1,3,-4],
            [2,0,1,-1],
            [1,-5,3,-3]])
print(np.linalg.det(A))     #A的行列式

运行程序，输出

40.0

即$\det \left(\begin{array}{cccc}3& 1& -1& 2\\ -5& 1& 3& -4\\ 2& 0& 1& -1\\ 1& -5& 3& -3\end{array}\right)=40$。

3. 方阵的逆阵

numpy.linalg的inv函数计算可逆方阵的逆矩阵。
例3 设矩阵$\mathbf{A}=\left(\begin{array}{ccc}1& 2& 3\\ 2& 2& 1\\ 3& 4& 3\end{array}\right)$，计算逆矩阵${\mathbf{A}}^{-1}$。

import numpy as np                          #导入numpy
from utility import adjointMatrix           #导入adjointMatrix
from fractions import Fraction as F
np.set_printoptions(formatter={'all':lambda x:
                               str(F(x).limit_denominator())})
A=np.array([[1,2,3],                        #设置矩阵A
            [2,2,1],
            [3,4,3]])
print('%.1f'%np.linalg.det(A))              #输出A的行列式
print(np.linalg.inv(A))                     #输出A的逆阵

注意程序中的第8行，调用numpy.linalg的inv函数，计算A的逆矩阵。运行程序输出

2.0
[[  1   3 -2]
 [-3/2 -3 5/2]
 [  1   1 -1]]

由于$\det \mathbf{A}=2$，故$\mathbf{A}$可逆，$\mathbf{A}=\left(\begin{array}{ccc}1& 3& -2\\ -\frac{3}{2}& -3& \frac{5}{2}\\ 1& 1& -1\end{array}\right)$。
写博不易，敬请支持：
如果阅读本文于您有所获，敬请点赞、评论、收藏，谢谢大家的支持！
代码诚可贵，原理价更高。若为AI学，读正版书好。