除法|python矩阵基本运算

前述文章中，我们已经初步学习了矩阵形数组（以下简称为“矩阵”）加减法和乘法运算，本次讨论除法运算。

未来得及一起学习的同学可以参考以下链接：

加减法| python矩阵运算（学习笔记一）-CSDN博客

乘法|python矩阵基本运算（学习笔记二）-CSDN博客

【1】array矩阵除法

按照先前学习惯例，先完成矩阵定义。此处以使用array模块定义3X3矩阵为例：

import numpy as np #引入numpy模块
a=np.array([[1,2,3],[4,5,6],[7,8,9]]) #使用array子模块定义3X3矩阵
b=np.array([[2,4,6],[8,10,12],[14,16,18]]) #使用array子模块定义3X3矩阵
c=a/b #两个array子模块定义的3X3矩阵直接相除
print('a/b=\n',c) #输出结果，\n用于换行

运行上述代码，输出结果为：

图1

可见，对array模块定义的矩阵，用“/”执行的除法操作，其实是同位置数据的彼此相除。

【2】matrix矩阵除法

参照前述内容，此处以使用matrix模块定义3X3矩阵为例：

d=np.matrix('1,2,3;4,5,6;7,8,9') #使用matrix子模块定义3X3矩阵
e=np.matrix('2,4,6;8,10,12;14,16,18') #使用matrix子模块定义3X3矩阵
f=d/e #两个matrix子模块定义的3X3矩阵直接相除,"/"为除法算符
g=np.divide(d,e) #两个matrix子模块定义的3X3矩阵直接相除,"np.divide()"为除法算符
print('d/e=\n',f) #输出结果，\n用于换行
print('np.divide(d,e)=\n',g) #输出结果，\n用于换行

运行上述代码，输出结果为：

图2

可见，对matrix模块定义的矩阵，用

“/”和 np.divide()

执行的除法操作，其实是同位置数据的彼此相除。

【3】逆矩阵

从线性代数我们知道，矩阵不直接计算除法，而是使用求逆矩阵的形式计算两个矩阵的“商”。

查询numpy官网，numpy模块使用numpy.linalg.inv模块进行逆矩阵求解，链接如下;

https://numpy.org/doc/stable/reference/generated/numpy.linalg.inv.html#numpy.linalg.inv

此外，官网教程贴心示例，用“@”作为矩阵乘法计算符。

图3

基于此，我们尝试重新定义矩阵，并寻求输出逆矩阵。

【3.1】array模块求解逆矩阵

首先使用array模块定义矩阵并求其逆矩阵，输入以下代码：

import numpy as np #引入numpy模块
from numpy.linalg import inv #引入inv逆矩阵求解模块
a=np.array([[1,2,7],[5,6,8],[9,10,2]]) #使用array子模块定义3X3矩阵
b=np.array([[2,5,6],[8,7,12],[14,15,18]]) #使用array子模块定义3X3矩阵
c=inv(a) #矩阵a的逆矩阵
d=inv(b) #矩阵b的逆矩阵
print('矩阵a的逆矩阵为：\n',c) #输出结果，\n用于换行
print('矩阵b的逆矩阵为：\n',d) #输出结果，\n用于换行

获得运行结果如下：

图4

虽然上述结果已出，但仍需十分小心，我们反过来让两个矩阵做一下乘法运算：

e=a*c #“ * ”作乘法计算符的结果
f=b*d #“ * ”作乘法计算符
e1=a@c #“@”作乘法计算符
f1=b@d #“@”作乘法计算符
print('a*c=\n',e) #“ * ”作乘法计算符的结果,\n表示换行
print('b*d=\n',f) #“ * ”作乘法计算符的结果,\n表示换行
print('a@c=\n',e1) #“ @ ”作乘法计算符的结果,\n表示换行
print('b@d=\n',f1) #“ @ ”作乘法计算符的结果,\n表示换行

获得结果如下：

图5

由图可见：

【a】“ * ”作乘法计算符的结果是，同一位置的数据彼此相乘；

【b】“@”作乘法计算符的结果是，两个矩阵按行列相乘后叠加。

【3.2】matrix模块求解逆矩阵

直接使用matrix模块定义矩阵并求其逆矩阵，输入以下代码：

aa=np.matrix('1,2,7;5,6,8;9,10,2') #使用matrix子模块定义3X3矩阵
bb=np.matrix('2,5,6;8,7,12;14,15,18') #使用matrix子模块定义3X3矩阵
cc=inv(aa) #矩阵a的逆矩阵
dd=inv(bb) #矩阵b的逆矩阵
print('矩阵aa的逆矩阵为：\n',cc) #输出结果，\n用于换行
print('矩阵bb的逆矩阵为：\n',dd) #输出结果，\n用于换行

获得如下结果：

图6

如图6所示，逆矩阵结果与图4完全一致。

继续让两个矩阵做一下乘法运算：

ee=aa*cc #“ * ”作乘法计算符
ff=bb*dd #“ * ”作乘法计算符
ee1=aa@cc #“@”作乘法计算符
ff1=bb@dd #“@”作乘法计算符
print('aa*cc=\n',ee) #“ * ”作乘法计算符的结果,\n表示换行
print('bb*dd=\n',ff) #“ * ”作乘法计算符的结果,\n表示换行
print('aa@cc=\n',ee1) #“ @ ”作乘法计算符的结果,\n表示换行
print('bb@dd=\n',ff1) #“ @ ”作乘法计算符的结果,\n表示换行

获得如下结果：

图7

由图7可知：用“ * ”或者“@”作乘法计算符的结果一样，两个矩阵按行列相乘后叠加。

附完整版代码如下：

import numpy as np #引入numpy模块
from numpy.linalg import inv #引入inv逆矩阵求解模块
a=np.array([[1,2,7],[5,6,8],[9,10,2]]) #使用array子模块定义3X3矩阵
b=np.array([[2,5,6],[8,7,12],[14,15,18]]) #使用array子模块定义3X3矩阵
c=inv(a) #矩阵a的逆矩阵
d=inv(b) #矩阵b的逆矩阵
print('矩阵a的逆矩阵为：\n',c) #输出结果，\n用于换行
print('矩阵b的逆矩阵为：\n',d) #输出结果，\n用于换行
e=a*c #“ * ”作乘法计算符
f=b*d #“ * ”作乘法计算符
e1=a@c #“@”作乘法计算符
f1=b@d #“@”作乘法计算符
print('a*c=\n',e) #“ * ”作乘法计算符的结果,\n表示换行
print('b*d=\n',f) #“ * ”作乘法计算符的结果,\n表示换行
print('a@c=\n',e1) #“ @ ”作乘法计算符的结果,\n表示换行
print('b@d=\n',f1) #“ @ ”作乘法计算符的结果,\n表示换行

aa=np.matrix('1,2,7;5,6,8;9,10,2') #使用matrix子模块定义3X3矩阵
bb=np.matrix('2,5,6;8,7,12;14,15,18') #使用matrix子模块定义3X3矩阵
cc=inv(aa) #矩阵a的逆矩阵
dd=inv(bb) #矩阵b的逆矩阵
print('矩阵aa的逆矩阵为：\n',cc) #输出结果，\n用于换行
print('矩阵bb的逆矩阵为：\n',dd) #输出结果，\n用于换行
ee=aa*cc #“ * ”作乘法计算符
ff=bb*dd #“ * ”作乘法计算符
ee1=aa@cc #“@”作乘法计算符
ff1=bb@dd #“@”作乘法计算符
print('aa*cc=\n',ee) #“ * ”作乘法计算符的结果,\n表示换行
print('bb*dd=\n',ff) #“ * ”作乘法计算符的结果,\n表示换行
print('aa@cc=\n',ee1) #“ @ ”作乘法计算符的结果,\n表示换行
print('bb@dd=\n',ff1) #“ @ ”作乘法计算符的结果,\n表示换行

【4】其他乘除法运算模块讨论

大家在阅读代码的时候，经常会看到使用multiply()和devide()进行乘除法计算，官网说明可参考链接：

https://numpy.org/doc/stable/reference/generated/numpy.multiply.html

https://numpy.org/doc/stable/reference/generated/numpy.divide.html

【4.1】array模块乘法运算符对比

此处我们直接定义矩阵，通过输出结果测试这两个模块的输出结果。首先输入以下代码：

import numpy as np #引入numpy模块
from numpy.linalg import inv #引入inv逆矩阵求解模块
from numpy.ma.core import multiply

a=np.array([[1,2,7],[5,6,8],[9,10,2]]) #使用array子模块定义3X3矩阵
b=np.array([[2,5,6],[8,7,12],[14,15,18]]) #使用array子模块定义3X3矩阵
c=a*b #“ * ”作乘法计算符
d=a@b #“@”作乘法计算符
e=np.multiply(a,b) #“np.multiply”作乘法计算符
print('a*b=\n',c) #输出结果，\n用于换行
print('a@b=\n',d) #输出结果，\n用于换行
print('np.multiply(a,b)=\n',e) #输出结果，\n用于换行

获得如下结果：

图8

由图8可见：

【a】“ * ”和“multiply”作乘法计算符的结果是，同一位置的数据彼此相乘；

【b】“@”作乘法计算符的结果是，两个矩阵按行列相乘后叠加。

【4.2】matrix模块乘法运算符对比

继续输入以下代码：

aa=np.matrix('1,2,7;5,6,8;9,10,2') #使用matrix子模块定义3X3矩阵
bb=np.matrix('2,5,6;8,7,12;14,15,18') #使用matrix子模块定义3X3矩阵
cc=aa*bb #“ * ”作乘法计算符
dd=aa@bb #“@”作乘法计算符
ee=np.multiply(aa,bb) #“np.multiply”作乘法计算符
print('aa*bb=\n',cc) #输出结果，\n用于换行
print('aa@bb=\n',dd) #输出结果，\n用于换行
print('np.multiply(aa,bb)=\n',ee) #输出结果，\n用于换行

获得结果如下：

图8

由图8可见：

【a】“ * ”和“@”作乘法计算符的结果是，两个矩阵按行列相乘后叠加；

【b】“multiply”作乘法计算符的结果是，同一位置的数据彼此相乘。

【4.3】array模块除法运算符对比

继续输入以下代码：

#array定义矩阵除法运算符测试
f=a/b  #“ / ”作乘法计算符
g=np.divide(a,b)  #“ divide ”作乘法计算符
print('a/b=\n',f) #输出结果，\n用于换行
print('np.divide(a,b)=\n',g) #输出结果，\n用于换行

获得结果如下：

图9

由图9可见：对于array模块定义矩阵，“ / ”和“devide”作除法计算符的结果一致，同一位置的数据彼此相除。

【4.4】matrix模块除法运算符对比

继续输入以下代码：

#matrix定义矩阵除法运算符测试
ff=aa/bb  #“ / ”作乘法计算符
gg=np.divide(aa,bb)  #“ divide ”作乘法计算符
print('aa/bb=\n',ff) #输出结果，\n用于换行
print('np.divide(aa,bb)=\n',gg) #输出结果，\n用于换行

获得结果如下：

图10

由图9可见：对于matrix模块定义矩阵，“ / ”和“devide”作除法计算符的结果一致，同一位置的数据彼此相除。

至此，大家进行矩阵的乘除法运算时，一定要谨慎使用计算符，以免出错。

【5】总结

综上所述，获得以下结论：

【a】在numpy模块中使用numpy.linalg.inv子模块，可进行逆矩阵求解；

【b】对array模块定义的矩阵，“ * ”作乘法计算符的结果是，同一位置的数据彼此相乘；“@”作乘法计算符的结果是，两个矩阵按行列相乘后叠加。

【c】对matrix模块定义的矩阵，“ * ”和“@”作乘法计算符的结果是，两个矩阵按行列相乘后叠加；“multiply”作乘法计算符的结果是，同一位置的数据彼此相乘。

【d】对于array模块定义矩阵，“ / ”和“devide”作除法计算符的结果一致，同一位置的数据彼此相除。

【e】对于matrix模块定义矩阵，“ / ”和“devide”作除法计算符的结果一致，同一位置的数据彼此相除。