python中的矩阵运算

numpy/scipy/sympy:
搬运： python矩阵的运算大全:

python矩阵运算可以用numpy模块，也可以用scipy模块，主要运算包括以下几种：

1-1 python矩阵运算所需模块

import numpy as np
import matplotlib.pyplot as plt
import scipy.linalg as lg #scipy矩阵运算模块

1-2定义矩阵和进行相关的矩阵运算

a=np.array([[1,2],[3,4]]) #定义原始矩阵
print(a)
print(lg.inv(a)) #求取矩阵的逆矩阵
print(lg.det(a)) #求取矩阵的行列式
b=np.array([6,14]) #定义线性方程组的结果向量
print(lg.solve(a,b)) #求解线性方程组的解
print(lg.eig(a)) #求取矩阵的特征值与特征向量
print("LU:",lg.lu(a)) #矩阵的LU分解
print("QR:",lg.qr(a)) #矩阵的QR分解
print("SVD:",lg.svd(a)) #矩阵的奇异值分解（SVD分解）
print("Schur:",lg.schur(a)) #矩阵的Schur分解

RREF

搬运：Python3 矩阵求最简行阶梯矩阵

import numpy as np
from sympy import Matrix
from sympy.matrices import dense

# Matrix convert to array
A_mat = Matrix([[1, 2, 1, 1], [2, 1, -2, -2], [1, -1, -4, 3]])
A_arr1 = np.array(A_mat.tolist()).astype(np.int32)
A_arr2 = dense.matrix2numpy(A_mat, dtype=np.int32) 
 
# array convert to Matrix
B_arr = np.array([[1, 2, 1, 1], [2, 1, -2, -2], [1, -1, -4, 3]])
B_mat = Matrix(B_arr)
 
# RREF
A_rref = np.array(A.rref()[0].tolist()).astype(np.int32)
B_rref = (Matrix(B_arr).rref()[0].tolist()).astype(np.int32)