使用Numpy解决线性代数问题

numpy中的线性代数内容

• 矩阵乘法
• 内积
• 矩阵对应位置相乘
• 矩阵的逆
• 求线性方程组的解
• 求行列式
• 特征向量和特征值
• 矩阵对角化

1. 矩阵乘法 np.dot(a,b) 和 np.matmul(a,b)

两者只有在a，b能否为标量上有区别，其他都基本相同。
np.matmul(a,b)是严格数学意义上的矩阵乘法，输入必须是arrays,标量是不允许的。
np.dot(a,b) 是允许a，b是标量的，不妨称之为广义上的矩阵乘法a*b，排除标量的情形，两者运算的前提条件可以简单概括为:a的列数要等于b的行数
但是当a,b分别为一维向量的时候，有会有些不同，但是总体上来说仍然是满足上述规则。有三种情况
$$np.dot(a,b)=\{\begin{array}{ll}a是常数：& b的维数没有任何限制\\ a是向量：& 如果len(a)=len(b)\\ a是矩阵：& 如果len(a[0])=len(b)\end{array}$$

$$np.matmul(a,b)=\{\begin{array}{ll}a是常数：& 不可以，a,b都必须是数组\\ a是向量：& 如果len(a)=len(b)\\ a是矩阵：& 如果len(a[0])=len(b)\end{array}$$

1.1 a为常数时

a为常数时，np.dot(a, b)相当于对b中的每个元素都乘以a

import numpy as np
a = 2
b = np.array([[1,2],[3,4]])
np.dot(a, b), np.dot(b, a)

(array([[2, 4],
        [6, 8]]),
 array([[2, 4],
        [6, 8]]))

np.matmul(a,b) ## -> 不可以， a，b必须是arrays

---------------------------------------------------------------------------

ValueError                                Traceback (most recent call last)

<ipython-input-61-aaf37998a60c> in <module>
----> 1 np.matmul(a,b) ## -> 不可以


ValueError: matmul: Input operand 0 does not have enough dimensions (has 0, gufunc core with signature (n?,k),(k,m?)->(n?,m?) requires 1)

1.2 a为向量时

np.dot(a,b)可行的前提条件是：len(a) == len(b)
乘法结果维度是$R^{1\times len(b[0])}$, 乘法过程是a中第i个元素乘以b中的第i个中括号内元素,得到一个和b[0]一样长度的向量，然后将所有这样的向量相加即可得到结果。即$c={\sum }_{}$