python矩阵的逆矩阵_Python之线性代数（矩阵运算，逆矩阵，伴随矩阵）

np.eye(10)*10

# 10阶方阵，当对角线值为1时为对角矩阵

np.eye(5)

array([[1., 0., 0., 0., 0.],

[0., 1., 0., 0., 0.],

[0., 0., 1., 0., 0.],

[0., 0., 0., 1., 0.],

[0., 0., 0., 0., 1.]])

a = np.arange(10)

print(a)

print(a.shape)

# 行向量

a = np.arange(10).reshape(10,1)

print(a)

print(a.shape)

# 列向量

[0 1 2 3 4 5 6 7 8 9]

(10,)

[[0]

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]]

(10, 1)

ar1 = np.arange(12).reshape(3,4)

ar2 = np.arange(10,22).reshape(3,4)

ar3 = np.ones((3,4))

ar4 = np.ones((3,5))

矩阵加法

print(ar1+ar2)

print(ar1+ar2+ar3)

#print(ar1+ar4)

# shape需要相同

# 数与矩阵相乘

ar1 * 10

# 数组与矩阵相乘

print(ar1*ar2)

#print(ar1*ar4)

print('------')

# 数组相乘 → numpy里面两个shape相同的数组可以直接相乘，对应位置的值的乘积为结果

# 如果shape不同，则报错

a1 = np.array([2,3,4])

b1 = np.array([5,6,7]).reshape(3,1) # 转换为列向量

c1 = np.dot(a1,b1)

print(a1.shape,b1.shape,c1.shape)

print(c1,type(c1))

a2 = np.array([

[1,2,3],

[2,3,4]

])

b2 = np.array([

[4,4],

[5,5],

[6,6]

])

c2 = np.dot(a2,b2)

print(a2.shape,b2.shape,c2.shape)

print(c2)

# 矩阵乘法，需要保证第一个矩阵的列数(column)和第二个矩阵的行数(row)相同

# 设 A = (aij) 是一个m×s 矩阵, B = (bij)是一个s×n矩阵，那么规定矩阵A与矩阵B的乘积是一个m×n的矩阵

# 矩阵相乘结果仍为矩阵

# numpy中用.dop()来计算矩阵乘法

# 矩阵乘法：A*B 与 B*A

a3 = np.array([

[-2,4],

[1,-2]

])

b3 = np.array([

[2,4],

[-3,-6]

])

print(np.dot(a3,b3))

print(np.dot(b3,a3))

# 矩阵的转置

A = np.array([

[2,0,-1],

[1,3,2]

])

B = np.array([

[1,7,-1],

[4,2,3],

[2,0,1]

])

np.dot(A,B).T

逆矩阵

设A是数域上的一个n阶矩阵，若在相同数域上存在另一个n阶矩阵B，使得： AB=BA=E ，则我们称B是A的逆矩阵，而A则被称为可逆矩阵。注：E为单位矩阵 → 单位矩阵值为1

唯一性：若矩阵A是可逆的，则A的逆矩阵是唯一的

A的逆矩阵的逆矩阵还是A。记作(A-1)-1=A

可逆矩阵A的转置矩阵AT也可逆，并且(AT)-1=(A-1)T (转置的逆等于逆的转置)

两个可逆矩阵的乘积依然可逆

# 创建A矩阵

A = np.array([

[1,2,3],

[2,2,1],

[3,4,3]

])

print(A)

print(np.linalg.det(A))

# numpy求逆矩阵B → np.linalg.inv()

B = np.linalg.inv(A)

print(B)

print(np.linalg.det(B))

# A*B = E，单位矩阵

E = np.dot(A,B)

print(E)

print(np.linalg.det(E))

#np.eye(3)

# 伴随矩阵

A_bs = B*np.linalg.det(A)

print(A_bs)

print(np.linalg.det(A_bs))