文档介绍：机器学习与大数据技术
第九章
矩阵计算
网络爬虫
数据库
OpenCV图像编程
Python数据处理与机器学习
数据可视化
基于Python机器学习算法
基于Python大数据处理技术
Tensorflow编rint (a*b) #对应位置元素相乘
print ((b)) #矩阵乘法
print ((a, b)) #矩阵乘法
#输出 [[5 12]
[21 32]]
[[19 22]
[43 50]]
[[19 22]
[43 50]]
创新与贡献
研究意义
选题背景
第九章
矩阵计算
（6）创建矩阵
例9-17创建1矩阵，源码如下。
np. ones((3, 3)) #创建3*3的全1矩阵。
输出结果：
array([[ 1., 1., 1.],
[ 1., 1., 1.],
[ 1., 1., 1.]])
例9-16 创建全0矩阵，源码如下。
>>>((3, 3)) #创建3行3列的0矩阵
array([[ 0., 0., 0.],
[ 0., 0., 0.],
[ 0., 0., 0.]])
>>>((3, 3), dtype=) #在创建时指定数据类型
输出结果：
array([['', '', ''],
['', '', ''],
['', '', '']],
dtype='<U1')
创新与贡献
研究意义
选题背景
第九章
矩阵计算
例9-20 创建一个2*2的对角矩阵，一个对角线为2、4、6的对角矩阵，源码如下。
>>>(2, dtype=int) 
输出结果：
array([[1, 0],
[0, 1]])
>>>a1=[1,2,3]
>>>(a1)
输出结果：
array([[2, 0, 0],
[0, 4, 0],
[0, 0, 6]])
（7）对角矩阵
创新与贡献
研究意义
选题背景
第九章
矩阵计算
伴随矩阵的求法：把矩阵的各个元素都换成它相应的代数余子式，将所得到的矩阵转置便得到A的伴随矩阵。
例9-21 求矩阵a的逆矩阵，源码如下。
>>>a=(a)      #矩阵a的逆矩阵
>>>b=(a) #方阵的行列式
>>>a*b #伴随矩阵为逆矩阵与方阵行列式的乘积
>>>(a,ord=None)     #计算矩阵a的范数
（8）伴随矩阵
创新与贡献
研究意义
选题背景
第九章
矩阵计算
（9）数组的特征信息
例9-23将矩阵a进行分隔，同列表和数组的分隔一致，源码如下。
>>>a=(((3,3)))
matrix([[ 1., 1., 1.],
[ 1., 1., 1.],
[ 1., 1., 1.]])
>>>b=a[1:,1:] //分割出第二行以后的行和第二列以后的列的所有元素
matrix([[ 1., 1.],
[ 1., 1.]])
（10）矩阵的分隔和合并
（11）索引
numpy中的数组索引形式和Python是一致的。
创新与贡献
研究意义
选题背景
第九章
矩阵计算
2矩阵函数
（1）扩展矩阵函数tile( )
tile函数功能是重复某个数组，例如tile(A,n)是将数组A重复n次，构成一个新的数组，函数语法格式如下：
tile(A,reps)
A是array，list，tuple，dict，matrix以及基本数据类型int，string，float以及bool类型。reps的类型可以是tuple，list，dict，array，int，bool，但不可以是float，string，matrix类型。
tile(a,x)：x是控制a的重复次数，结果是一个一维数组。
tile(