Python金融数据分析与挖掘（微课版） 课件 2-2. 矩阵与线性代数运算.pptx

;矩阵创建;矩阵创建;矩阵基本属性（转置、共轭、逆矩阵）

importnumpyasnp

mat=np.matrix(np.arange(4).reshape(2,2))

mT=mat.T

mH=mat.H

mI=mat.I

;importnumpyasnp

mat1=np.mat(123;456;789)

mat2=mat1*3

mat3=mat1+mat2

mat4=mat1-mat2

mat5=mat1*mat2

mat6=np.multiply(mat1,mat2)#点乘

;线性代数运算

线性代数是数学的一个重要分支。Numpy包含numpy.linalg模块，提供线性代数所需的功能，如计算逆矩阵、求解线性方程组、求特征值、奇异值分解以及求解行列式等。numpy.linalg模块中的一些常用函数表

;

计算逆矩阵

使用numpy.linalg模块中的inv函数可以计算逆矩阵

importnumpyasnp

mat=np.mat(111;123;136)

inverse=np.linalg.inv(mat)

A=np.dot(mat,inverse)

;求解线性方程组

numpy.linalg模块中的solve函数可以求解线性方程组

importnumpyasnp

A=np.mat(1,-1,1;2,1,0;2,1,-1)

b=np.array([4,3,-1])

x=np.linalg.solve(A,b)#线性方程组Ax=b的解

;求解特征值与特征向量

numpy.linalg模块中的eigvals函数可以计算矩阵的特征值，eig函数可以返回一个包含特征值和对应的特征向量的元组：

importnumpyasnp

A=np.matrix([[1,0,2],[0,3,0],[2,0,1]])

#A_value=np.linalg.eigvals(A)

A_value,A_vector=np.linalg.eig(A)

;奇异值分解

利用numpy.linalg模块中的svd函数可以对矩阵进行奇异值分解，返回U、Sigma、V这3个矩阵，其中，U和V是正交矩阵，Sigma为一维。

importnumpyasnp

A=np.mat(4.0,11.0,14.0;8.0,7.0,-2.0)

U,Sigma,V=np.linalg.svd(A,full_matrices=False)

;计算矩阵行列式的值

矩阵行列式是指矩阵的全部元素构成的行列式，但构成行列式的矩阵为方阵时，行列式存在值。numpy.linalg模块中的det函数可以计算矩阵行列式的值。

importnumpyasnp

A=np.mat(3,4;5,6)

A_value=np.linalg.det(A)