python +numpy 简单使用

1、创建矩阵

import numpy as np

#2行3列
matrix1 = np.array([[1, 2, 3], [4, 5, 6]])
#3行2列
matrix2 = np.array([[7, 8], [9, 10], [11, 12]])

2、矩阵的相加

matrix1 = np.array([[1, 2, 3], [4, 5, 6]])
matrix2 = np.array([[7, 8, 9], [10, 11, 12]])


result = np.add(matrix1, matrix2)

3、矩阵的点乘

import numpy as np


matrix1 = np.array([[1, 2, 3], [4, 5, 6]])
matrix2 = np.array([[7, 8], [9, 10], [11, 12]])


result = matrix1 * matrix2

print(result)

4、矩阵的转置

# Create a matrix
matrix = np.array([[1, 2, 3], [4, 5, 6]])

# Transpose the matrix,创建矩阵的视图，而不是新矩阵
result = np.transpose(matrix)

print(result)

#如果想将转置的矩阵保存，使用copy（）方法，保存在result中。
# Create a matrix
matrix = np.array([[1, 2, 3], [4, 5, 6]])

# Transpose the matrix and create a new matrix
result = np.transpose(matrix).copy()

5、求方阵的行列式的值（浮点运算）：

import numpy as np

# Create a matrix
matrix = np.array([[1, 2], [3, 4]])

# 计算方阵对应的行列式
result = np.linalg.det(matrix)

# 这一步由于浮点运算会产生近似值，使用round来取整
rounded_result = round(result)

print(rounded_result)

6、求方阵的逆矩阵：

matrix = np.array([[1, 2], [3, 4]])
# Calculate the inverse of the matrix
result = np.linalg.inv(matrix)
print(result)

7、求矩阵的伴随矩阵：

import numpy as np

# Create a matrix
matrix = np.array([[1, 2], [3, 4]])

# 方阵的行列式
det = np.linalg.det(matrix)

# 方阵的逆矩阵
inv = np.linalg.inv(matrix)

# 矩阵的伴随=行列式*它的逆矩阵
adj = det * inv

print(adj)

8、求矩阵的秩：

# Create a matrix
matrix = np.array([[1, 2, 3], [2, 4, 6], [3, 6, 9]])

# Calculate the rank of the matrix
rank = np.linalg.matrix_rank(matrix)

print(rank)

9、求矩阵的特征值和特征向量：

import numpy as np

# Create a matrix
matrix = np.array([[-1,1,0], [-4,3,0], [1,0,2]])

eigenvalues, eigenvectors = np.linalg.eig(matrix)

print(eigenvalues)
print(eigenvectors)

输出：
特征值为2，1，1，对应的特征向量为：k1（0，0，1），k2(1，2，-1)，k2(1，2，-1)。