python 线性代数:[1]矩阵操作
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](https://exp-picture.cdn.bcebos.com/95bd4e8c9bcec7f8580b1469034ce54a2e27fbd0.jpg)
使用mat函数创建一个2X3矩阵
![python 线性代数:[1]矩阵操作](https://exp-picture.cdn.bcebos.com/5c9c964ce54a2f27309361b2e00192dd3240f4d0.jpg)
使用shape可以获取矩阵的大小
![python 线性代数:[1]矩阵操作](https://exp-picture.cdn.bcebos.com/2e66f9ef28066b0148a17af43df39187021cf3d0.jpg)
使用下标读取矩阵中的元素
![python 线性代数:[1]矩阵操作](https://exp-picture.cdn.bcebos.com/2947750192dd33406a8fd833881c99c0aefcf1d0.jpg)
进行行列转换:
![python 线性代数:[1]矩阵操作](https://exp-picture.cdn.bcebos.com/3201a8f39187031c46bce6486a86242fa972ecd0.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](https://exp-picture.cdn.bcebos.com/9881b1fce186242f4b0eddab35e434daf15ee8d0.jpg)
![python 线性代数:[1]矩阵操作](https://exp-picture.cdn.bcebos.com/359bee5e4a2379711461df6c93196120a6cde3d0.jpg)
加减法也是一样的:
![python 线性代数:[1]矩阵操作](https://exp-picture.cdn.bcebos.com/a68c126efbf202b387abd0cf30f4da5873dadbd0.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](https://exp-picture.cdn.bcebos.com/604e9556ad042e68eb95185585f85856d43dd1d0.jpg)
好啦,我们今天就介绍到这里啦,下一篇继续哈。
声明:本网站引用、摘录或转载内容仅供网站访问者交流或参考,不代表本站立场,如存在版权或非法内容,请联系站长删除,联系邮箱:site.kefu@qq.com。
阅读量:27
阅读量:61
阅读量:118
阅读量:88
阅读量:36