机器学习数学基础之python矩阵运算

一、Python矩阵基本运算

1、实验环境

Anaconda + python3.6 + jupyter

2、python矩阵操作

引入numpy库

import numpy as np

用mat函数创建2X3矩阵

a = np.mat([[1, 2, 3], [4, 5, 6]])

使用shape获取矩阵大小

a.shape

行列转换

a.T

二维数组代替矩阵来进行矩阵运算

b = np.array([[1, 2, 3], [4, 5, 6]])

加减法

a + b
a - b

3、python矩阵乘法

二维数组创建矩阵A、B

A = np.array([[1, 2, 3], [4, 5, 6]])
B = A.T

矩阵的数乘

2 * A

dot 函数矩阵乘法

np.dot(A, B)

np.dot( B, A)

dot函数对于二维数组，它计算的是矩阵乘积，对于一维数组，它计算的是内积，交换矩阵的前后位置会导致不同的结果

再创建一个二维数组

C = np.array([[1, 2], [1, 3]])

验证矩阵乘法的结合性：( A B ) C = A ( B C )

np.dot(np.dot(A, B), C)

np.dot(A, np.dot(B, C))

验证矩阵加法的分配性：( A + B ) C = A C + B C

A = B - 1
np.dot(A+B, C)

np.dot(A, C) + np.dot(B, C)

数乘的结合性

2*(np.dot(A, C))

np.dot(2*A, C)

np.dot(A, 2*C)

使用 eye 创建一个单位矩阵

D = np.eye(2)

一个矩阵乘以一个单位矩阵，还是它本身

np.dot(C, D)

4、 python矩阵转置

 矩阵转置就是将矩阵的行变为列

1、得到矩阵A的转置矩阵

A.T

2、验证第一个性质：（A‘）’=A

A.T.T

3、创建两个尺寸相同的矩阵

B = A.T
C = B - 1

4、验证矩阵转置的第二个性质：( A ± B ) ′ = A ′ ± B ′

(B + C).T

B.T + C.T

5、 验证矩阵转置的第三个性质：( K A ) ′ = K A ′

(2 * A).T

2 * A.T

6、验证矩阵转置的第四个性质：( A × B ) ′ = B ′ × A ′

np.dot(A, B).T

np.dot(B.T, A.T)

5、python求方阵的迹