矩阵运算

在矩阵运算中，*被重写用于矩阵乘法，.dot()则用于计算矩阵点乘。

  1. mat3=np.mat([[5,6],[7,8]])
  3. print('mat1\n', mat1)
  4. print('mat3\n', mat3)
  6. matrix4 = mat1 * mat3
  7. print('矩阵乘法结果\n',matrix4)
  8. matrix5 = mat1.dot(mat3)
  9. print('矩阵点乘结果\n',matrix5)
  1. mat1
  2.  [[1 2]
  3.  [3 4]]
  4. mat3
  5.  [[5 6]
  6.  [7 8]]
  7. 矩阵乘法结果
  8.  [[19 22]
  9.  [43 50]]
  10. 矩阵点乘结果
  11.  [[19 22]
  12.  [43 50]]

矩阵常用函数

矩阵也可以使用.T进行转置。linalg.inv()可以用于求逆矩阵，但若不存在逆矩阵则报错。

  1. matrix6 = matrix.T
  2. matrix7 = np.linalg.inv(mat1)
  3. print('\n矩阵转置后：\n',matrix6,
  4.       '\n矩阵求逆后：\n',matrix7)
  1. 矩阵转置后：
  2.  [[ 1  6 11]
  3.  [ 2  7 12]
  4.  [ 3  8 17]] 
  5. 矩阵求逆后：
  6.  [[-2.   1. ]
  7.  [ 1.5 -0.5]]

矩阵特征值

使用numpy必须是方阵

  1. matrix8 = np.linalg.eig(matrix)
  2. matrix8
  1. (array([24.88734753, -0.8418908 ,  0.95454327]),
  2.  matrix([[-0.1481723 , -0.87920199,  0.10036602],
  3.          [-0.4447565 ,  0.3814255 , -0.82855015],
  4.          [-0.88331004,  0.28551435,  0.550846  ]]))

类型转换

矩阵数据类型转换。由于结构类似，矩阵常常与列表和数组进行数据类型的转换。

  1. print("矩阵列表：\n",matrix.tolist(),
  2.       "\n矩阵转数组:\n",np.array(matrix))
  1. 矩阵列表：
  2.  [[1, 2, 3], [6, 7, 8], [11, 12, 17]] 
  3. 矩阵转数组:
  4.  [[ 1  2  3]
  5.  [ 6  7  8]
  6.  [11 12 17]]