首先建立矩陣基本操作，首先構造下圖中的矩陣，特別注意：一維矩陣的建立格式。
b = matrix([1,2,3])#三行一列
print(b.shape)
c = matrix([[1,2,3]])
print(c.shape)
x = matrix([[1,3,4],[4,2,1]])
y = matrix([0,1,1])
print(x*y)#兩行一列
執行結果
matrix([[3, 5], [-1, 1], [0, 5]])
(3, 1)
(1, 3)
matrix([[7], [3]])
m = matrix([[1,3,2],[5,6,3]])
print(m.shape)#列印矩陣的維度
"""列和行的操作，m.row(0)將的到第一行,m.col(-1)會得到最後一列"""
print("列印第一行")
print(m.row(0))
print("列印最後一列")
print(m.col(-1))
(2, 3)
列印第一行
matrix([[1, 3, 2]])
列印最後一列
matrix([[2], [3]])
m = matrix([[1,3,2],[5,6,3]])
print(m.shape)#列印矩陣的維度
"""刪除矩陣的行或列，用 row_del和col_del"""
m.col_del(0)
print(m)
m.row_del(1)
print(m)
print("給矩陣新增行或列，用 row_del和col_del")
print(m)
m = m.row_insert(1,matrix([[0,4]]))#新增行
print("在第二行新增資料")
print(m)
m = m.col_insert(0,matrix([1,-2]))
print("在第一列新增資料")
print(m)
(2, 3)
matrix([[3, 2], [6, 3]])
matrix([[3, 2]])
給矩陣新增行或列，用 row_del和col_del
matrix([[3, 2]])
在第二行新增資料
matrix([[3, 2], [0, 4]])
在第一列新增資料
matrix([[1, 3, 2], [-2, 0, 4]])
m = matrix([[1,3],[5,3]])
n = matrix([[4,3],[8,1]])
print("矩陣相加")
print(m+n)
print("矩陣相乘")
print(m*n)
print("矩陣的平方")
print(m**2)
print("矩陣乘以乙個數")
print(m*3)
print("求矩陣的逆")
print(m**-1)
print("矩陣的轉置")
print(m.t)
矩陣相加
matrix([[5, 6], [13, 4]])
矩陣相乘
matrix([[28, 6], [44, 18]])
矩陣的平方
matrix([[16, 12], [20, 24]])
矩陣乘以乙個數
matrix([[3, 9], [15, 9]])
求矩陣的逆
matrix([[-1/4, 1/4], [5/12, -1/12]])
矩陣的轉置
matrix([[1, 5], [3, 3]])
m = matrix([[1,3,4],[5,0,3],[3,5,7]])
print(m)
print("計算矩陣的行列式")
print(m.det())
print("化簡矩陣,返回兩個元素，第乙個是矩陣，第二個是元組")
print(m.rref())
matrix([[1, 3, 4], [5, 0, 3], [3, 5, 7]])
計算矩陣的行列式
7化簡矩陣
(matrix([
[1, 0, 0],
[0, 1, 0],
[0, 0, 1]]), [0, 1, 2])
m = matrix([[3,-2,4,-2],[5,3,-3,-2],[5,-2,2,-2],[5,-2,-3,3]])
print(m)
print("計算矩陣的特徵值")
print(m.eigenvals())
計算矩陣的特徵值
，m的特徵值為-2,3,5，特徵值-2,3具有代數多重性1，特徵值5具有代數多重性2.
m = matrix([[3,-2,4,-2],[5,3,-3,-2],[5,-2,2,-2],[5,-2,-3,3]])
print("計算矩陣的特徵向量")
print(m.eigenvects())
print("計算矩陣的對角化矩陣")
p,d = m.diagonalize()
print(p)
print(d)
計算矩陣的對角化矩陣
matrix([[0, 1, 1, 0], [1, 1, 1, -1], [1, 1, 1, 0], [1, 1, 0, 1]])
matrix([[-2, 0, 0, 0], [0, 3, 0, 0], [0, 0, 5, 0], [0, 0, 0, 5]])
特徵值 特殊矩陣的特徵值和特徵向量
特徵值與特徵向量 2 前 言 1 今天我們來討論一類特殊矩陣的特徵值和特徵向量。秩1 矩陣的性質希望同學們還沒有完全遺忘,正好通過今天的內容帶著大家複習下。2 i 雖然今天的矩陣不是抽象矩陣,但是想通過定義法求特徵值較為麻煩。這裡我們需要做乙個轉換 ax 0有非零解說明0是a的特徵值。ii 這裡我們...
矩陣特徵值 特徵向量 奇異值
1.特徵值與奇異值的主要區別兩者的主要區別在於 奇異值分解主要用於資料矩陣，而特徵植分解主要用於方型的相關矩陣。自相關矩陣正定時，特徵值分解是奇異值分解的特例，且實現時相對簡單些。2.定義 一矩陣a作用與一向量a，結果只相當與該向量乘以一常數 即a a a，則a為該矩陣a的特徵向量，為該矩陣a的特徵...
Matlab GPU矩陣求特徵值計算
gpu求特徵值的使用方法 clear all clcm rand 2000,2000 生成乙個隨機矩陣 tic a1,b1 eig m 求該隨機矩陣的特徵值和特徵向量 t1 toc ticm single m 將資料轉換為單精度型 m gpuarray m 將資料從cpu中搬到gpu a2,b2 e...