python之矩阵的运算及使用方法

• 概述

上篇文章讲解了python使用sympy求导，定积分和不定积分求解的一些基本方法，这次我们就来学习一下矩阵在python中的使用和运算吧ヽ(￣▽￣)ﾉ

本文使用的是大名鼎鼎的Numpy,此库在线性代数，傅里叶变换和随机数等方面有较为突出的表现，而且也是使用率非常高的库！

1.安装和导入

pip3 install numpy

如果你有多个python版本的话，可以采用官方提供的方法。

python -m pip install --user numpy scipy matplotlib ipython jupyter pandas sympy nose

Ubuntu and Debian

sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose

Mac

对于Macports的 Python 3.5，在终端中执行以下命令：

（其他版本类似）

sudo port install py35-numpy py35-scipy py35-matplotlib py35-ipython +notebook py35-pandas py35-sympy py35-nose

当然，还是建议使用anaconda，里面有大量的科学包，方便使用！

2.矩阵的创建

我会根据我的理解和官方教程来进行使用，英语好的可以直接去官网看，防止我可能出现的理解误差。

请认真看注释！

array()函数

array是用来创建数组的，但同样可以创建出矩阵，不过需要转换

# 多个维度  
import numpy as np 
h = np.array([[1,  2],  [3,  4],[5,6]])  #逗号隔开，数字后的空格可以省去
print (h)

补充知识：

构建随机数组

# 构建一个4*4的随机数组
array_1 = random.rand(4,4)

mat()函数

mat（）函数将目标数据的类型转化成矩阵（matrix）与MATLAB中matrices等价。

有两种创造矩阵的方法

import numpy as np
a = np.mat('1 3;3 4')
b = np.mat([[1,2],[3,4]])
print(a)
print(b)

两者的区别：

虽然mat和array输出的矩阵看起来是一模一样的，但是我们可以用type()方法来查看他们的不同

print(type(a))
print(type(b))
print(type(h))  //此处的a,b,h与上文的对应

输出：

<class 'numpy.matrix'>
<class 'numpy.matrix'>
<class 'numpy.ndarray'>

那么这个格式的不同意味着什么呢？

首先，mat() 函数与array()函数生成矩阵所需的数据格式有区别，mat()函数中数据可以为字符串以分号（;）分割或者为列表形式以逗号（，）分割，而array()函数中数据只能为后者形式。

因为类型不同，则要用mat函数转换为矩阵后才能进行一些线性代数的操作。（单词释义：matrix:矩阵，array:序列，排列）

转换：

matrix_1 = np.mat(c)

3.

4.矩阵的运算

NumPy 提供了线性代数函数库 linalg，该库包含了线性代数所需的所有功能，可以看看下面的说明：

函数	描述
dot	两个数组的点积，即元素对应相乘。
vdot	两个向量的点积
inner	两个数组的内积
matmul	两个数组的矩阵积
determinant	数组的行列式
solve	求解线性矩阵方程
inv	计算矩阵的乘法逆矩阵

5.

参考链接：

https://www.cnblogs.com/wj-1314/p/10244807.html

https://www.runoob.com/numpy/numpy-mathematical-functions.html

https://www.cnblogs.com/abella/p/10207945.html

https://numpy.org/devdocs/user/quickstart.html