机器学习之python矩阵运算

一、python矩阵操作

1、引入numpy简写为np
在这里插入图片描述2、使用mat函数创建一个2*3的矩阵

在这里插入图片描述

3、使用shape可以获取矩阵的大小
在这里插入图片描述
4、使用下标读取矩阵中的元素
在这里插入图片描述5、进行行列转换
在这里插入图片描述
6、创建一个二维数组b
在这里插入图片描述7、分别对其进行加减法
在这里插入图片描述

二、python矩阵乘法

1、使用二维数组创建两个矩阵
在这里插入图片描述
2、矩阵数乘运算
在这里插入图片描述
3、使用dot函数计算矩阵乘积
在这里插入图片描述
4、再创建一个二维数组C
在这里插入图片描述5、验证一个矩阵乘法的结合性
在这里插入图片描述
6、加法分配性
在这里插入图片描述
在这里插入图片描述7、数乘运算
在这里插入图片描述8、使用eye创建一个单位矩阵
在这里插入图片描述
9、矩阵A乘以一个单位矩阵(一个矩阵乘以一个单位矩阵还是它本身)
在这里插入图片描述

三、python矩阵转置

1、先创建一个矩阵A
在这里插入图片描述
2、使用T属性得到矩阵A的转置矩阵
在这里插入图片描述3、验证第一个性质
在这里插入图片描述
4、创建两个尺寸相同的矩阵
在这里插入图片描述5、验证:两个矩阵加减的转置等于两个矩阵转置的加减
在这里插入图片描述
6、验证:(KA)’=KA’
在这里插入图片描述
7、验证(A*B)’=B’*A’
在这里插入图片描述

四、python求方阵的迹

1、先引入numpy
2、创建一个方阵E
在这里插入图片描述3、用trace计算方阵的迹
在这里插入图片描述4、再创建一个方阵F
在这里插入图片描述5、验证方阵的迹等于方阵的转置的迹
在这里插入图片描述6、验证方阵乘积的迹满足交换律
在这里插入图片描述
7、验证方阵和的迹等于方阵迹的和
在这里插入图片描述

五、python方阵的行列式计算方法

1、创建两个方阵
在这里插入图片描述
2、使用det方法球的方阵E和方阵F的行列式
在这里插入图片描述

六、python求逆矩阵/伴随矩阵

1、先引入numpy
2、创建一个方阵
在这里插入图片描述3、使用linalg.det求得方阵的行列式
在这里插入图片描述
4、使用linalg.inv球的方阵A的逆矩阵
在这里插入图片描述
5、公式:在这里插入图片描述
的numpy求解方法
在这里插入图片描述

七、python解多元一次方程

1、方程组{
x+2y+z=7
2x+y+3z=7
3x+y+2z=18}
2、将未知数的系数写下来,排列成一个矩阵a
在这里插入图片描述
3、常数项构成一个一维数组(向量)
在这里插入图片描述
4、使用linalg.solve方法解方程,参数a指的是系数矩阵,参数b指的是常数项矩阵
在这里插入图片描述5、使用点乘法进行验证, 系数乘以位置似乎可以得到常数项
在这里插入图片描述


版权声明:本文为y98989原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接和本声明。