当前位置：极客教程 > SymPy > SymPy 基础教程 > SymPy – 矩阵

SymPy – 矩阵

SymPy – 矩阵

在数学中，矩阵是一个由数字、符号或表达式组成的二维阵列。矩阵操作的理论涉及对矩阵对象进行算术运算，但要遵守某些规则。

线性变换是矩阵的重要应用之一。许多科学领域，特别是与物理学有关的领域都使用矩阵相关的应用。

SymPy包有处理矩阵处理的矩阵模块。它包括Matrix类，其对象代表一个矩阵。

注意：如果你想单独执行本章中的所有片段，你需要导入矩阵模块，如下图所示 。

>>> from sympy.matrices import Matrix
Python

例子

>>> from sympy.matrices import Matrix 
>>> m=Matrix([[1,2,3],[2,3,1]]) 
>>> m
\displaystyle \left[\begin{matrix}1&2&3\\2&3&1\end{matrix}\right]
Python

在Python shell中执行上述命令时，将产生以下输出结果

[1 2 3 2 3 1]

矩阵是由适当大小的列表对象创建的。你也可以通过将列表项分配到指定的行和列的数量来获得矩阵。

>>> M=Matrix(2,3,[10,40,30,2,6,9]) 
>>> M
\displaystyle \left[\begin{matrix}10&40&30\\2&6&9\end{matrix}\right]
Python

在Python shell中执行上述命令时，将产生以下输出 —

[10 40 30 2 6 9]

矩阵是一个可变的对象。矩阵模块也提供了ImmutableMatrix类来获得不可变的矩阵。

基本操作

矩阵对象的 shape 属性返回其大小。

>>> M.shape
Python

上述代码的输出结果如下-

(2,3)

row()和col()方法分别返回指定数字的行或列。

>>> M.row(0)
\displaystyle \left[\begin{matrix}10&40&30\end{matrix}\right]
Python

上述代码的输出结果如下—-。

[10 40 30]

>>> M.col(1)
\displaystyle \left[\begin{matrix}40\\6\end{matrix}\right]
Python

上述代码的输出结果如下—-。

[40 6]

使用Python的slice操作符来获取属于行或列的一个或多个项目。

>>> M.row(1)[1:3]
[6, 9]
Python

矩阵类有row_del()和col_del()方法，可以从指定的矩阵中删除指定的行/列。

>>> M=Matrix(2,3,[10,40,30,2,6,9]) 
>>> M.col_del(1) 
>>> M
Python

在Python shell中执行上述命令时，将产生以下输出结果

Matrix([[10, 30],[ 2, 9]])
Python

你可以使用以下命令将样式应用到输出中

$\displaystyle \left[\begin{matrix}10 & 30\\2 & 9\end{matrix}\right]$
Python

在执行上述代码片段后，你会得到以下输出 –

[10 30 2 9]

>>> M.row_del(0) 
>>> M

\displaystyle \left[\begin{matrix}2&9\end{matrix}\right]
Python

在执行上述代码片段后，你会得到以下输出 –

[2 9]

类似地，row_insert()和col_insert()方法在指定的行或列索引处添加行或列

>>> M1=Matrix([[10,30]]) 
>>> M=M.row_insert(0,M1)
>>> M

\displaystyle \left[\begin{matrix}10&30\\2&9\end{matrix}\right]
Python

在执行上述代码片段后，你会得到以下输出 –

[10 40 30 2 9]

>>> M2=Matrix([40,6]) 
>>> M=M.col_insert(1,M2) 
>>> M

\displaystyle \left[\begin{matrix}10&40&30\\2&6&9\end{matrix}\right]
Python

在执行上述代码片段后，你会得到以下输出 –

[10 40 30 6 9]

算术运算

通常的运算符+、-和*被定义为执行加法、减法和乘法。

>>> M1=Matrix([[1,2,3],[3,2,1]]) 
>>> M2=Matrix([[4,5,6],[6,5,4]]) 
>>> M1+M2

\displaystyle \left[\begin{matrix}5&7&9\\9&7&5\end{matrix}\right]
Python

在执行上述代码片段后，你会得到以下输出 –

[5 7 9 9 7 5]

>>> M1-M2
\displaystyle \left[\begin{matrix}-3&-3&-3\\-3&-3&-3\end{matrix}\right]
Python

执行上述代码片断后，你会得到以下输出 –

[- 3 -3 -3 -3 -3 -3]

矩阵乘法只有在以下情况下才有可能： – 第一矩阵的列数必须等于第二矩阵的行数。- 而且结果的行数与第一矩阵相同，列数与第二矩阵相同。

>>> M1=Matrix([[1,2,3],[3,2,1]]) 
>>> M2=Matrix([[4,5],[6,6],[5,4]]) 
>>> M1*M2
\displaystyle \left[\begin{matrix}31&29\\29&31\end{matrix}\right]
Python

上述代码的输出结果如下-

[31 29 29 31]

>>> M1.T
\displaystyle \left[\begin{matrix}1&3\\2&2\\3&1\end{matrix}\right]
Python

执行该代码后，得到了以下输出结果 —

[1 3 2 2 3 1]

要计算矩阵的行列式，请使用det()方法。行列式是一个标量值，可以从一个方形矩阵的元素中计算出来。

>>> M=Matrix(3,3,[10,20,30,5,8,12,9,6,15])
>>> M
\displaystyle \left[\begin{matrix}10&20&30\\5&8&12\\9&6&15\end{matrix}\right]
Python

上述代码的输出结果如下 —

[10 20 30 5 8 12 9 6 15]

>>> M.det()
Python

上述代码的输出结果如下 –

-120

矩阵构造器

SymPy提供了许多特殊类型的矩阵类。例如，身份矩阵，所有零和一的矩阵，等等。这些类分别被命名为眼睛、零和一。身份矩阵是一个正方形矩阵，对角线上的元素被设置为1，其余元素为0。

例子

from sympy.matrices import eye eye(3)
Python

输出

Matrix([[1, 0, 0], [0, 1, 0], [0, 0, 1]])
Python
$\displaystyle \left[\begin{matrix}1 & 0 & 0\\0 & 1 & 0\\0 & 0 & 1\end{matrix}\right]$
Python

上述代码的输出结果如下 —

[1 0 0 0 1 0 0 0 1]

在diag矩阵中，对角线上的元素按照提供的参数被初始化。

>>> from sympy.matrices import diag 
>>> diag(1,2,3)

\displaystyle \left[\begin{matrix}1&0&0\\0&2&0\\0&0&3\end{matrix}\right]
Python

上述代码的输出结果如下 —

[1 0 0 0 2 0 0 0 3]

零点矩阵中的所有元素都被初始化为0。

>>> from sympy.matrices import zeros 
>>> zeros(2,3)

\displaystyle \left[\begin{matrix}0&0&0\\0&0&0\end{matrix}\right]
Python

上述代码的输出如下 –

[0 0 0 0 0 0]

同样地， ones是矩阵，所有元素都设置为1。

>>> from sympy.matrices import ones
>>> ones(2,3)

\displaystyle \left[\begin{matrix}1&1&1\\1&1&1\end{matrix}\right]
Python

上述代码的输出结果如下 —

[1 1 1 1 1 1]

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

SymPy 基础教程

登录

找回密码？

注册