3.矩阵运算实战
写在前面
- 当前平台文章汇总地址：ROS2机器人从入门到实战
- 获取完整教程及配套资料代码，请关注公众号<鱼香ROS>获取
- 教程配套机器人开发平台：两驱版| 四驱版
- 为方便交流，搭建了机器人技术问答社区：地址 fishros.org.cn
上一节我们安装好了MiniConda和Jupyter，本节课我们继续回到学习机器人学的路上来。首先我们来学习使用一个矩阵库Numpy，并且通过Numpy将我们第一节学习到的矩阵相关计算一一实现。
1.NumPy是什么
NumPy是一个功能强大的Python库，主要用于对多维数组执行计算。NumPy这个词来源于两个单词-- Numerical和Python。NumPy提供了大量的库函数和操作，可以帮助程序员轻松地进行数值计算。
通过这个库我们可以非常简单的完成矩阵的创建、矩阵的计算，不管是二维还是多维都非常的easy.
NumPy可以使用在以下场景：
- 机器学习模型： 在编写机器学习算法时，需要对矩阵进行各种数值计算。例如矩阵乘法、换位、加法等。NumPy提供了一个非常好的库，用于简单(在编写代码方面)和快速(在速度方面)计算。NumPy数组可用于存储训练数据和机器学习模型的参数。
- 图像处理和计算机图形学： 计算机中的图像表示为多维数字数组。NumPy成为同样情况下最自然的选择。实际上，NumPy提供了一些优秀的库函数来快速处理图像。例如，镜像图像、按特定角度旋转图像等。
- 数学任务： NumPy对于执行各种数学任务非常有用，如数值积分、微分、内插、外推等。因此，当涉及到数学任务时，它形成了一种基于Python的对MATLAB的快速替代。
2.Numpy安装
我们尝试在单元格内导入numpy，如果报错说明你没有安装
import numpy as np
在conda环境中安装非常的简单，也是一句话的事，在单元格内输入下面的代码，然后Shift+Enter执行即可。
注意指令前面有一个!，感叹号代表我们输入的是一句命令行
!pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
安装完成后，再次导入就不会报错了。
3.创建矩阵
导入完成之后我们就可以通过numpy来创建矩阵。
numpy中有矩阵和数组两个概念，数组相比矩阵更加灵活
3.1 创建单位矩阵
创建一个3*3的零矩阵。
np.identity(3)
3.2 创建零矩阵
创建一个3*3的零矩阵。
np.zeros([3,3])
3.3 创建随机矩阵
创建一个3*3的随机矩阵。
np.random.rand(3,3)
3.4 从已有数组创建矩阵
假设我们已经有了数据，我们想创建一个矩阵怎么办呢？
比如我们创建一个2*2的矩阵，矩阵的数据分别是[1,2,3,4]。
我们可以通过reshape改变矩阵的形状，这里我们把矩阵变成了2*2的样子。
np.asarray([1,2,3,4]).reshape(2,2)
3.5 判断两个矩阵是否相等
numpy的allclose方法，比较两个array是不是每一元素都相等，默认在1e-05的误差范围内。
我们做一个测试：
print("零矩阵和单位矩阵",np.allclose(np.zeros([3,3]),np.identity(3)))
print("单位矩阵和单位矩阵",np.allclose(np.identity(3),np.identity(3)))
4.计算矩阵
计算矩阵我们主要对第一节中的矩阵算法进行验证。
4.1 矩阵加法/减法
加法使用np.add,减法np.subtract
A = np.asarray([1,2,3,4]).reshape(2,2)
B = np.zeros(2)
print(np.add(A,B))
4.2 矩阵乘法
乘法使用np.dot
（前提同形）任何矩阵乘上零矩阵等于零矩阵，任何矩阵乘上单位矩阵等于其本身
A = np.asarray([1,2,3,4]).reshape(2,2)
B = np.zeros([2,2])
C = np.identity(2)
print(np.dot(A,B))
print(np.dot(A,C))
4.3 矩阵求逆
矩阵求逆使用np.linalg.inv
矩阵的逆与矩阵的乘积为单位矩阵
A = np.asarray([1,2,3,4]).reshape(2,2)
A_INV = np.linalg.inv(A)
print(A_INV)
print(np.dot(A,A_INV))
需要注意的是，并不是所有的矩阵都有逆，比如零矩阵就没有逆，如果尝试用numpy来求逆则会出现错误
O = np.zeros(2)
O_INV = np.linalg.inv(O)
另外如果使用的是conda提供的numpy包，对于某些不存在逆的矩阵，并不会抛出错误。
但是对于通过pip安装的相同版本甚至更高版本的numpy，则不会出现类似问题。
"""
numpy packages isntalled from conda:
numpy 1.21.2 py38h20f2e39_0
numpy-base 1.21.2 py38h79a1101_0
"""
c=np.asarray([
1,2,3,
4,5,6,
7,8,9,
]).reshape((3,3))
print("矩阵的行列式：",np.linalg.det(c))
print("矩阵的秩：",np.linalg.matrix_rank(c))
c_inv=np.linalg.inv(c)
print("矩阵c和c_inv点乘的结果：","\n",np.dot(c,c_inv))
4.4 矩阵转置
矩阵转置在矩阵后使用.T即可
A = np.asarray([1,2,3,4]).reshape(2,2)
A.T
5.总结
今天一起学习了使用numpy操作矩阵，还有更多的资料可以在公众号后台回复numpy获取，我们下节见～