python的numpy庫提供矩陣運算的功能，因此我們在需要矩陣運算的時候，需要匯入numpy的包。
1.numpy的匯入和使用
from numpy import *;#匯入numpy的庫函式
import numpy as np; #這個方式使用numpy的函式時，需要以np.開頭。
由一維或二維資料建立矩陣
from numpy import *
a1=array([1,2,3])
a1=mat(a1) #將目標資料的型別轉換為矩陣
data1=mat(zeros((3,3)))
#建立乙個3*3的零矩陣，矩陣這裡zeros函式的引數是乙個tuple型別(3,3)
data2=mat(ones((2,4)))
#建立乙個2*4的1矩陣，預設是浮點型的資料，如果需要時int型別，可以使用dtype=int
data3=mat(random.rand(2,2))
#這裡的random模組使用的是numpy中的random模組，random.rand(2,2 )#建立的是乙個二維陣列，需要將其轉換成#matrix
data4=mat(random.randint(10,size=(3,3)))
#生成乙個3*3的0-10之間的隨機整數矩陣，如果需要指定下界則可以多加乙個引數
data5=mat(random.randint(2,8,size=(2,5))
#產生乙個2-8之間的隨機整數矩陣
data6=mat(eye(2,2,dtype=int))
#產生乙個2*2的對角矩陣
a1=[1,2,3]
a2=mat(diag(a1)) #生成乙個對角線為1、2、3的對角矩陣
矩陣相乘
a1=mat([1,2])
a2=mat([[1],[2]])
a3=a1*a2
#1*2的矩陣乘以2*1的矩陣，得到1*1的矩陣
矩陣對應元素相乘
a1=mat([1,1])
a2=mat([2,2])
a3=multiply(a1,a2)
a1=mat([2,2])
a2=a1*2
矩陣求逆
a1=mat(eye(2,2)*0.5)
a2=a1.i
#求矩陣matrix([[0.5,0],[0,0.5]])的逆矩陣
a1=mat([[1,1],[0,0]])
a2=a1.t
a1=mat([[1,1],[2,3],[4,2]])a2=a1.sum(axis=0) #列和，這裡得到的是1*2的矩陣
a3=a1.sum(axis=1) #行和，這裡得到的是3*1的矩陣
a4=sum(a1[1,:]) #計算第一行所有列的和，這裡得到的是乙個數值
a1.max() #計算a1矩陣中所有元素的最大值,這裡得到的結果是乙個數值
a2=max(a1[:,1]) #計算第二列的最大值，這裡得到的是乙個1*1的矩陣
a1[1,:].max() #計算第二行的最大值，這裡得到的是乙個乙個數值
np.max(a1,0) #計算所有列的最大值，這裡使用的是numpy中的max函式
np.max(a1,1) #計算所有行的最大值，這裡得到是乙個矩陣
np.argmax(a1,0) #計算所有列的最大值對應在該列中的索引
np.argmax(a1[1,:]) #計算第二行中最大值對應在改行的索引
矩陣的分隔，同列表和陣列的分隔一致。
a=mat(ones((3,3)))
b=a[1:,1:] #分割出第二行以後的行和第二列以後的列的所有元素
a=mat(ones((2,2)))
b=mat(eye(2))
c=vstack((a,b)) #按列合併，即增加行數
d=hstack((a,b)) #按行合併，即行數不變，擴充套件列數
列表可以修改，並且列表中元素可以使不同型別的資料，如下：
l1=[[1],'hello',3]a=array([[2],[1]])
dimension=a.ndim
m,n=a.shape
number=a.size #元素總個數
str=a.dtype #元素的型別
它們之間的轉換：
a1=[[1,2],[3,2],[5,2]] #列表
a2=array(a1) #將列表轉換成二維陣列
a3=array(a1) #將列表轉化成矩陣
a4=array(a3) #將矩陣轉換成陣列
a5=a3.tolist() #將矩陣轉換成列表
a6=a2.tolist() #將陣列轉換成列表
a1=[1,2,3]
a2=array(a1)
a3=mat(a1)
a4=a2.tolist() #這裡得到的是[1,2,3]
a5=a3.tolist() #這裡得到的是[[1,2,3]]
a6=(a4 == a5) #a6=false
a7=(a4 is a5[0]) #a7=true,a5[0]=[1,2,3]
datamat=mat([1])
val=datamat[0,0] #這個時候獲取的就是矩陣的元素的數值，而不再是矩陣的型別
python矩陣運算
python的numpy庫提供矩陣運算的功能，因此我們在需要矩陣運算的時候，需要匯入numpy的包。from numpy import 匯入numpy的庫函式 import numpy as np 這個方式使用numpy的函式時，需要以np.開頭。由一維或二維資料建立矩陣 from numpy im...
矩陣常用的運算
矩陣的加法要求行列數相等，按位相加。矩陣和常數的乘法，每個元素都要乘。矩陣和向量的乘法 的矩陣乘以?1的向量，得到的是?1的向量。即矩陣每行的第乙個和列向量第一行數字相乘，第一行第二個數和列向量第二行數字相乘，第一行第n個和列向量第n行數字相乘，然後相加生成結果的第一行。以此類推，就生成了m x 1...
矩陣運算 矩陣乘除法python
很多博文只會求得矩陣特徵分解的特徵值和特徵向量，而從沒有進行驗證，驗證方法兩個 1 a v lam v lam是特徵值 2 det a lam i 0 i是單位陣 我隨機產生的矩陣求特徵值發現有複數產生，為了方便，網上找了不是複數的矩陣。錯誤方法復現 a array 1,1,0 4,3,0 1,0,...