首先,导入需要用到的库:
import numpy as np
定义一个3x3的矩阵,当然你也可以定义2x2的矩阵或其他矩阵:
# 创建一个矩阵
matrix = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
print(f"\n矩阵:{matrix}")
计算行列式的值:
# 计算行列式的值
determinant_value = np.linalg.det(matrix)
print(f"\n行列式的值为:{determinant_value}")
计算矩阵的转置:
# 计算矩阵的转置
transposed_matrix = np.transpose(matrix)
print(f"\n矩阵的转置为:{transposed_matrix}")
计算矩阵的秩:
# 计算矩阵的秩
rank = np.linalg.matrix_rank(matrix)
print(f"\n矩阵的秩为:{rank}")
计算特征值和特征向量:
# 计算矩阵的特征值和特征向量
eigenvalues, eigenvectors = np.linalg.eig(matrix)
print(f"矩阵的特征值为:{eigenvalues}")
print(f"矩阵的特征向量为:{eigenvectors}")
完整代码如下:
import numpy as np
# 创建一个矩阵
matrix = np.array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
print(f"\n矩阵:{matrix}")
# 计算行列式的值
determinant_value = np.linalg.det(matrix)
print(f"\n行列式的值为:{determinant_value}")
# 计算矩阵的转置
transposed_matrix = np.transpose(matrix)
print(f"\n矩阵的转置为:{transposed_matrix}")
# 计算矩阵的秩
rank = np.linalg.matrix_rank(matrix)
print(f"\n矩阵的秩为:{rank}")
# 计算矩阵的特征值和特征向量
eigenvalues, eigenvectors = np.linalg.eig(matrix)
print(f"矩阵的特征值为:{eigenvalues}")
print(f"矩阵的特征向量为:{eigenvectors}")