python矩阵的基本运算及各种操作

您所在的位置：网站首页 › python中矩阵运算 › python矩阵的基本运算及各种操作

python矩阵的基本运算及各种操作

#python矩阵的基本运算及各种操作| 来源: 网络整理| 查看: 265

Python矩阵的基本运算及各种操作

矩阵（Matrix）是线性代数学科中的一个重要概念，常用于统计学、机器学习、人工智能等领域。Python内置了NumPy库，可以方便地进行矩阵的各种操作。

创建矩阵

我们可以使用NumPy库中的array函数创建矩阵。

import numpy as np # 创建矩阵A A = np.array([[1, 2], [3, 4]]) print(A)

输出结果为：

[[1 2] [3 4]] 矩阵加减法

矩阵加减法只能对同型矩阵进行运算，即两个矩阵的行数和列数都相等。可以使用NumPy库中的add和subtract函数进行加减法。

import numpy as np # 创建矩阵A和B A = np.array([[1, 2], [3, 4]]) B = np.array([[5, 6], [7, 8]]) # 矩阵加法 C = np.add(A, B) print(C) # 矩阵减法 D = np.subtract(A, B) print(D)

输出结果为：

[[ 6 8] [10 12]] [[-4 -4] [-4 -4]] 矩阵数乘

矩阵数乘是指将一个矩阵的每个元素乘以一个数。可以使用NumPy库中的multiply函数进行矩阵数乘。

import numpy as np # 创建矩阵A A = np.array([[1, 2], [3, 4]]) # 矩阵数乘 B = np.multiply(A, 2) print(B)

输出结果为：

[[2 4] [6 8]] 矩阵乘法

矩阵乘法是指两个矩阵相乘得到新的矩阵。可以使用NumPy库中的dot函数进行矩阵乘法，也可以使用@符号进行矩阵乘法。

import numpy as np # 创建矩阵A和B A = np.array([[1, 2], [3, 4]]) B = np.array([[5, 6], [7, 8]]) # 矩阵乘法 C = np.dot(A, B) print(C) # 矩阵乘法（使用@符号） D = A @ B print(D)

输出结果为：

[[19 22] [43 50]] [[19 22] [43 50]] 矩阵转置

矩阵转置是指将矩阵的行和列对调。可以使用NumPy库中的transpose函数进行矩阵转置，也可以使用.T进行矩阵转置。

import numpy as np # 创建矩阵A A = np.array([[1, 2], [3, 4]]) # 矩阵转置 B = np.transpose(A) print(B) # 矩阵转置（使用.T） C = A.T print(C)

输出结果为：

[[1 3] [2 4]] [[1 3] [2 4]] 示例1：矩阵的逆

矩阵的逆是指对于一个矩阵A，如果存在一个矩阵B，使得A与B的乘积等于单位矩阵，则称矩阵B为矩阵A的逆矩阵。可以使用NumPy库中的linalg.inv函数求矩阵的逆。

import numpy as np # 创建矩阵A A = np.array([[1, 2], [3, 4]]) # 求矩阵的逆 B = np.linalg.inv(A) print(B)

输出结果为：

[[-2. 1. ] [ 1.5 -0.5]] 示例2：矩阵的行列式

矩阵的行列式是一个标量值，它可以用来评价一个矩阵的性质。可以使用NumPy库中的linalg.det函数求矩阵的行列式。

import numpy as np # 创建矩阵A A = np.array([[1, 2], [3, 4]]) # 求矩阵的行列式 det = np.linalg.det(A) print(det)

输出结果为：

-2.0000000000000004

本站文章如无特殊说明，均为本站原创，如若转载，请注明出处：python矩阵的基本运算及各种操作 - Python技术站

【本文地址】

python矩阵的基本运算及各种操作

python矩阵的基本运算及各种操作

今日新闻

推荐新闻