Python Numpy 线性代数操作总结(随时更新)

Python Numpy 线性代数操作总结(随时更新)

本博客主要是总结一些自己在学习AI时遇到的一些问题，本着从实践出发，非教科书式的陈列，解决一些网上暂无可用的问题，也希望能和大家一同交流学习。

---

1.矩阵的主对角线
如果时二维矩阵，则返回该矩阵的主对角线。如果传入的是一维数据，返回以该数组为主对角线的对角矩阵。

diag(v, k=0) # v为矩阵类型，k为偏移量

当为二维或多维数据时，其实现等价于

diagonal(a, offset=0, axis1=0, axis2=1) # a为矩阵类型，offset为偏移量，axis1指定坐标轴，axis2确定2维子对角线

２.矩阵的副（次）对角线

v = fliplr(v) # 首先将矩阵沿Y轴做翻转
diagonal(v, k) # 求翻转后的矩阵主对角线

3.判断向量某元素范围内连续

res = zeros(n)  # 定义一个0向量（不做判断范围赋0）
res[v_slice[0]: v_slice[1]] = [1, 2, 4] # 连续范围内赋值（依实际情况赋值）
v_dot = dot(v, res.T)   # 如果向量积为赋值和的倍数，说明在该向量某元素在该范围内连续

4.矩阵主对角线赋值
先取其对焦向量，算出与赋值的差，构造对角矩阵，并于原矩阵进行运算

v + diag(-diag(v) + value)  # 构造对焦矩阵与原矩阵做运算

5.矩阵副（次）对角线赋值
先沿Y轴翻转，赋值后再次翻转

v = fliplr(v)   # 将矩阵沿Y轴翻转
fliplr(v + diag(-diag(v) + value))  # 赋值（同4）后再次翻转