Python矩阵,如何用python进行矩阵运算

　　矩阵的点乘以numpy为单位，用*号对矩阵进行逐元素乘积。

　　我们熟悉矩阵点乘，用dot函数。

　　举个栗子：

　　Numpy as npx=np.array ([[1，2]，[2，3]]) # 2 * 2 matrix y=np.array([[4，5]，[6，7]]) # 2*2 matrix print(x * y) #元素乘元素# [[4

　　另外，事情一旦涉及一维数组，就会变得奇怪。

　　按照一贯的思路，一维数组应该是一个1行号1列号的矩阵。

　　但是，在计算点乘时，好像不是这样……`的

　　导入numpy为npx=np.array ([[1，2，3]，[4，5，6]]) # 2 * 3矩阵y=np.array([1，2，3]) #一维数组y _ 1=np.array ([[1]，[2]，)Y) # [14 32] print (np.dot (x，y _ 1)) # [[14] # [32]]在这个栗子中，操作的是一维数组[1，2，3]

　　总而言之：

　　一个矩阵和一个适当长度的一维数组的矩阵乘积，结果是一个一维数组。

　　矩阵numpy.linalg的转置、求逆、行列式、特征值有标准的矩阵分解函数集。包括求逆和行列式等常见运算。

　　X.t:返回X的转置inv(X):返回X的逆矩阵det(X):返回X的行列式eig(X):返回X的特征值和特征向量：

　　import numpy as NP from numpy . linalg import inv，eig，detx=np.array([[1，2，3]，[4，5，6]，[7，8，9]]) #三阶方阵trans=x . t #[[147]#[258]#[369]]inverse=inv(x)#[[3.15251974 e15-6.30503948 e15 3.15251977