Python 创建numpy矩阵的逆矩阵和对角矩阵

我正在做numpy数组的逆运算

from numpy import mat
from numpy import *
from numpy import matrix
from numpy import linalg
d =array ([  (0, 1,  2,  3,  4),
             ( 5,  6,  7,  8,  9),
             (10, 11, 12, 13, 14)])

print d.T
print d.I
print d.diagonal
#above line gives <built-in method diagonal of numpy.ndarray object at 0x7fdf40a263f0>
print numpy.linalg.inv(d)

---

有没有关于求逆和对角的建议？

如果您将

d

转换为

np.matrix

，您将得到这些方法，方法如下：

d = np.matrix(d)

然后：

---

将起作用。

A.diagonal

是一种numpy.ndarray方法，正如打印输出所示。因此，@Saullo Castro的解决方案也适用于numpy阵列，而无需转换为

np.matrix

import numpy as np
A = np.arange(25).reshape((5,5))
diag = A.diagonal()
# array([ 0,  6, 12, 18, 24])

---

Numpy数组没有计算矩阵逆的方法，但是您可以使用

Numpy.linalg.inv

轻松地进行计算，正如您已经根据代码示例进行了尝试一样。

我建议更改所有这些导入：

from numpy import mat
from numpy import *
from numpy import matrix
from numpy import linalg

只有一个：

import numpy as np

那你就可以了

d = np.array(...)
# d = np.arange(15).reshape(3,5)
M = np.matrix(d)  
M.I   # a matrix has an I property, but an array does not
d.diagonal()  # diagonal is a method, not a property
np.diagonal(d)  # diagonal is also a function

np.linalg.inv（d）

不起作用-它给出了一个反对数组不是正方形的错误。很明显，

M.I

返回的是一种不同的逆。请参阅我下面关于

pinv

的说明

numpy

（以及一般的Python）具有函数、方法和属性（属性）。区别清楚吗

许多numpy函数最终调用主数组对象的相应方法。通常这并不重要，只是为了方便打电话

矩阵是一个子类，它有许多自己的方法。例如，请注意

In [817]: M.diagonal()
Out[817]: matrix([[ 0,  6, 12]])

In [818]: d.diagonal()
Out[818]: array([ 0,  6, 12])

diagonal

返回了相同的数字，但对于

M

，它返回了同一类的对象，根据类的定义，该对象是2d

d.T

，

M.I

access

properties

。它们不需要方法所需要的

（）

，但在许多方面它们是相同的

np.matrix

定义了

I

，但

np.array

没有定义

如果您习惯于在MATLAB中使用矩阵，那么

np.matrix

类可以简化转换。但是如果这是您第一次使用这样的数组，我建议您使用

np.array

。

np.matrix

类只会增加混乱

---

M.I

与

M.getI（）

相同

它的代码是（使用

help（M.getI）

阅读它的文档）

这意味着

M.I

使用

pinv

而不是

inv

<代码>np.linalg.pinv（d）有效。

您看过和吗？

d = np.array(...)
# d = np.arange(15).reshape(3,5)
M = np.matrix(d)  
M.I   # a matrix has an I property, but an array does not
d.diagonal()  # diagonal is a method, not a property
np.diagonal(d)  # diagonal is also a function

In [817]: M.diagonal()
Out[817]: matrix([[ 0,  6, 12]])

In [818]: d.diagonal()
Out[818]: array([ 0,  6, 12])

def getI(self):
    M, N = self.shape
    if M == N:
        from numpy.dual import inv as func
    else:
        from numpy.dual import pinv as func
    return asmatrix(func(self))