Python实现行列式的值，矩阵的转置，矩阵的秩，矩阵的特征值和特征向量

小浦的流浪日记

于 2024-03-21 12:51:18 发布

阅读量299

点赞数 1

分类专栏： python 文章标签： python 矩阵 numpy

本文链接：https://blog.csdn.net/weixin_61269526/article/details/136905187

版权

python 专栏收录该内容

4 篇文章 0 订阅

订阅专栏

本文介绍了如何使用Python的NumPy库进行矩阵操作，包括创建矩阵、计算行列式、矩阵转置、秩以及特征值和特征向量的求解，展示了基本的线性代数计算过程。

摘要由CSDN通过智能技术生成

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}")