Python SymPy4：SymPy 线性代数

2021-07-29 19:01:37 阅读：274 来源： 互联网

标签：mat SymPy4 mat1 Python 矩阵 tau0 print SymPy Matrix

1. 矩阵与行列式

1.1 定义矩阵

Matrix([行向量1, 行向量2, 行向量3...])

from sympy import *

mat = Matrix([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(mat)

1.2 矩阵运算

from sympy import *

mat1 = Matrix([[1, 2, 3], [4, 5, 6], [7, 8, 10]])
mat2 = Matrix([[10, 11, 12], [13, 14, 15], [16, 17, 19]])
print(mat1 + mat2)
print(mat1 - mat2)
print(mat1 * mat2)
print(mat1 * 2)
print(mat1 ** 2)
# 逆矩阵
print(mat1 ** -1)

输出：

Matrix([[11, 13, 15], [17, 19, 21], [23, 25, 29]])
Matrix([[-9, -9, -9], [-9, -9, -9], [-9, -9, -9]])
Matrix([[84, 90, 99], [201, 216, 237], [334, 359, 394]])
Matrix([[2, 4, 6], [8, 10, 12], [14, 16, 20]])
Matrix([[30, 36, 45], [66, 81, 102], [109, 134, 169]])
Matrix([[-2/3, -4/3, 1], [-2/3, 11/3, -2], [1, -2, 1]])

1.3 矩阵行和列相关操作

mat.shape 矩阵形状

mat.row(n) 取第n行

mat.col(n) 取第n列

mat.row_del(n) 删除第n行

mat.col_del(n) 删除第n列

mat.row_insert(n, 行向量) 在n行处插入1行

mat.col_insert(n, 列向量) 在n列处插入1列

from sympy import *

mat1 = Matrix([[1, 2, 3], [4, 5, 6], [7, 8, 10]])
print(mat1.shape)
print(mat1.row(0))
print(mat1.col(0))
print(mat1.row_del(0))
print(mat1.col_del(0))
mat1 = Matrix([[1, 2, 3], [4, 5, 6], [7, 8, 10]])
print(mat1.row_insert(0, Matrix([[1, 2, 3]])))
print(mat1.col_insert(0, Matrix([1, 2, 3])))

1.4 矩阵操作

mat.T 转置矩阵

mat.adjugate() 伴随矩阵

mat.det() 行列式

mat.rank() 秩

from sympy import *

mat = Matrix([[1, 2, 3], [4, 5, 6], [7, 8, 10]])
print(mat.T)
print(mat.adjugate())
print(mat.det())
print(mat.rank())

输出：

Matrix([[1, 4, 7], [2, 5, 8], [3, 6, 10]])
Matrix([[2, 4, -3], [2, -11, 6], [-3, 6, -3]])
-3
3

1.5 创建特殊矩阵

eye(n) n*n单位矩阵

zeros(m, n) 0矩阵

ones(m, n) 全1矩阵

diag(a, b, c...) 对角矩阵，参数可以是数、矩阵

2. 矩阵方程

linsolve(mat) 求增广矩阵对应的解/解集

from sympy import *

a = symbols("a")
mat = Matrix([[1, 2, 3], [4, 5, 7]])
print(linsolve(mat))
mat = Matrix([[1, 2, 3, 4], [4, 5, 7, 8]])
print(linsolve(mat))
mat = Matrix([[a, 2, 3, 4], [4, 5, a, 8]])
print(linsolve(mat))

输出：

FiniteSet((-1/3, 5/3))
FiniteSet((tau0/3 - 4/3, 8/3 - 5*tau0/3, tau0))
FiniteSet(((2*a*tau0 - 15*tau0 + 4)/(5*a - 8), (8*a - tau0*(a**2 - 12) - 16)/(5*a - 8), tau0))

3. 特征值、特征向量

mat.eigenvals() 特征值，返回值为字典{特征值1: 重数1, 特征值2: 重数2...}

mat.eigenvects() 特征值和特征向量

mat.diagonalize() 特征矩阵和相似对角阵

mat.charpoly() 特征多项式

from sympy import *

mat = Matrix([[-2, 1, 1], [0, 2, 0], [-4, 1, 3]])
print("特征值", mat.eigenvals())
print("特征向量", mat.eigenvects())
print("特征矩阵和对角阵", mat.diagonalize())
print("特征多项式", mat.charpoly())

输出：

特征值 {-1: 1, 2: 2}
特征向量 [(-1, 1, [Matrix([
[1],
[0],
[1]])]), (2, 2, [Matrix([
[1/4],
[ 1],
[ 0]]), Matrix([
[1/4],
[ 0],
[ 1]])])]
特征矩阵和相似对角阵 (Matrix([
[1, 1, 1],
[0, 4, 0],
[1, 0, 4]]), Matrix([
[-1, 0, 0],
[ 0, 2, 0],
[ 0, 0, 2]]))
特征多项式 PurePoly(lambda**3 - 3*lambda**2 + 4, lambda, domain='ZZ')

标签：mat,SymPy4,mat1,Python,矩阵,tau0,print,SymPy,Matrix
来源： https://blog.csdn.net/Amzmks/article/details/119217087

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

Python SymPy4：SymPy 线性代数