机器学习之python矩阵运算

一、python矩阵操作

1、引入numpy简写为np
2、使用mat函数创建一个2*3的矩阵

3、使用shape可以获取矩阵的大小

4、使用下标读取矩阵中的元素
5、进行行列转换

6、创建一个二维数组b
7、分别对其进行加减法

二、python矩阵乘法

1、使用二维数组创建两个矩阵

2、矩阵数乘运算

3、使用dot函数计算矩阵乘积

4、再创建一个二维数组C
5、验证一个矩阵乘法的结合性

6、加法分配性

7、数乘运算
8、使用eye创建一个单位矩阵

9、矩阵A乘以一个单位矩阵(一个矩阵乘以一个单位矩阵还是它本身）

三、python矩阵转置

1、先创建一个矩阵A

2、使用T属性得到矩阵A的转置矩阵
3、验证第一个性质

4、创建两个尺寸相同的矩阵
5、验证：两个矩阵加减的转置等于两个矩阵转置的加减

6、验证：（KA)’=KA’

7、验证(A*B)’=B’*A’

四、python求方阵的迹

1、先引入numpy
2、创建一个方阵E
3、用trace计算方阵的迹
4、再创建一个方阵F
5、验证方阵的迹等于方阵的转置的迹
6、验证方阵乘积的迹满足交换律

7、验证方阵和的迹等于方阵迹的和

五、python方阵的行列式计算方法

1、创建两个方阵

2、使用det方法球的方阵E和方阵F的行列式

六、python求逆矩阵/伴随矩阵

1、先引入numpy
2、创建一个方阵
3、使用linalg.det求得方阵的行列式

4、使用linalg.inv球的方阵A的逆矩阵

5、公式：
的numpy求解方法

七、python解多元一次方程

1、方程组{
x+2y+z=7
2x+y+3z=7
3x+y+2z=18}
2、将未知数的系数写下来，排列成一个矩阵a

3、常数项构成一个一维数组（向量）

4、使用linalg.solve方法解方程，参数a指的是系数矩阵，参数b指的是常数项矩阵
5、使用点乘法进行验证, 系数乘以位置似乎可以得到常数项