文章目录
今天是这一个系列入门教程的第一篇,简单介绍一下python中是如何操作maxtrix(矩阵)的,然后我们后面就开始用python中的numpy来解决线性代数的问题,比如解方程等,下面我们开始吧:
- 我先引入numpy,以后的教程中,我们都引用为np作为简写
![python 线性代数:[1]矩阵操作](/2016/05/11/python%20%E7%BA%BF%E6%80%A7%E4%BB%A3%E6%95%B0%EF%BC%9A%5B1%5D%E7%9F%A9%E9%98%B5%E6%93%8D%E4%BD%9C/3c2c4bfbb2fb431647d6a28a22a4462308f7d332.jpg)
- 使用mat函数创建一个2X3矩阵
![python 线性代数:[1]矩阵操作](/2016/05/11/python%20%E7%BA%BF%E6%80%A7%E4%BB%A3%E6%95%B0%EF%BC%9A%5B1%5D%E7%9F%A9%E9%98%B5%E6%93%8D%E4%BD%9C/aa59892bd40735fa34b98b499c510fb30e2408b2.jpg)
- 使用shape可以获取矩阵的大小
![python 线性代数:[1]矩阵操作](/2016/05/11/python%20%E7%BA%BF%E6%80%A7%E4%BB%A3%E6%95%B0%EF%BC%9A%5B1%5D%E7%9F%A9%E9%98%B5%E6%93%8D%E4%BD%9C/0e655ca7d933c8950b375d8bd31373f0830200b2.jpg)
- 使用下标读取矩阵中的元素
![python 线性代数:[1]矩阵操作](/2016/05/11/python%20%E7%BA%BF%E6%80%A7%E4%BB%A3%E6%95%B0%EF%BC%9A%5B1%5D%E7%9F%A9%E9%98%B5%E6%93%8D%E4%BD%9C/e49cf91190ef76c6dc473edb9f16fdfaae51676e.jpg)
- 进行行列转换:
![python 线性代数:[1]矩阵操作](/2016/05/11/python%20%E7%BA%BF%E6%80%A7%E4%BB%A3%E6%95%B0%EF%BC%9A%5B1%5D%E7%9F%A9%E9%98%B5%E6%93%8D%E4%BD%9C/263e802f07082838164519e4ba99a9014d08f1b3.jpg)
- 实际上官方文档建议我们使用二维数组代替矩阵来进行矩阵运算;因为二维数组用得较多,而且基本可取代矩阵。比如:可见矩阵和数组基本上都可以
![python 线性代数:[1]矩阵操作](/2016/05/11/python%20%E7%BA%BF%E6%80%A7%E4%BB%A3%E6%95%B0%EF%BC%9A%5B1%5D%E7%9F%A9%E9%98%B5%E6%93%8D%E4%BD%9C/0865b518972bd407e5c3170d79899e510eb309ff.jpg)
![python 线性代数:[1]矩阵操作](/2016/05/11/python%20%E7%BA%BF%E6%80%A7%E4%BB%A3%E6%95%B0%EF%BC%9A%5B1%5D%E7%9F%A9%E9%98%B5%E6%93%8D%E4%BD%9C/c9d4cf43ad4bd113afc973c258afa40f4afb05ff.jpg)
- 加减法也是一样的:
![python 线性代数:[1]矩阵操作](/2016/05/11/python%20%E7%BA%BF%E6%80%A7%E4%BB%A3%E6%95%B0%EF%BC%9A%5B1%5D%E7%9F%A9%E9%98%B5%E6%93%8D%E4%BD%9C/7ab514d162d9f2d3426fe01fabec8a136227cc81.jpg)
- 当然列表是不能这么尽兴加减的:
![python 线性代数:[1]矩阵操作](/2016/05/11/python%20%E7%BA%BF%E6%80%A7%E4%BB%A3%E6%95%B0%EF%BC%9A%5B1%5D%E7%9F%A9%E9%98%B5%E6%93%8D%E4%BD%9C/99636c0e0cf3d7ca4b83fb86f01fbe096a63a98e.jpg)
- 好啦,我们今天就介绍到这里啦,下一篇继续哈。
转载请注明来自DataScience.
邮箱: 675495787@qq.com