输出两个矩阵后，矩阵数字相对应做减法

好的，以下是示例代码：

import numpy as np

# 定义两个矩阵
matrix1 = np.array([[1, 2], [3, 4]])
matrix2 = np.array([[2, 1], [4, 3]])

# 矩阵相减
result = matrix1 - matrix2

print(result)

输出结果为：

[[-1  1]
 [-1  1]]

其中，`matrix1` 和 `matrix2` 分别为两个 $2 \times 2$ 的矩阵，`result` 为 `matrix1` 和 `matrix2` 相减的结果。可以看到，`result` 中每个元素都是相应位置上两个矩阵元素的差值。

相关问题

输出两个矩阵后，依次输出矩阵内相对应数字的差值

好的，假设我们已经有了两个矩阵 A 和 B，每个矩阵都有相同的行数和列数。下面是一个 Python 代码示例，它将对这些矩阵执行差异操作：

A = [[1, 3, 5], [2, 4, 6], [7, 8, 9]]
B = [[9, 8, 7], [6, 5, 4], [3, 2, 1]]

# 计算差异矩阵
diff = [[0] * len(A[0]) for i in range(len(A))]
for i in range(len(A)):
    for j in range(len(A[0])):
        diff[i][j] = A[i][j] - B[i][j]

# 输出差异矩阵
print("差异矩阵:")
for row in diff:
    print(row)

# 依次输出差异矩阵内相对应数字的差值
print("差值:")
for row in diff:
    for num in row:
        print(num, end=" ")

输出：

差异矩阵:
[[-8, -5, -2], [-4, -1, 2], [4, 6, 8]]
差值:
-8 -5 -2 -4 -1 2 4 6 8

这段代码首先创建了一个空的差异矩阵 `diff`，然后利用两个嵌套的循环来计算差异矩阵中的每个元素，最后遍历差异矩阵并输出所有数字。

用二维数组输出两个矩阵的和

假设两个矩阵 A 和 B 的维度均为 n 行 m 列，它们的和 C 也是一个 n 行 m 列的矩阵，那么可以使用以下代码实现：

n = 3  # 矩阵的行数
m = 4  # 矩阵的列数

# 定义矩阵 A
A = [[1, 2, 3, 4],
     [5, 6, 7, 8],
     [9, 10, 11, 12]]

# 定义矩阵 B
B = [[2, 4, 6, 8],
     [10, 12, 14, 16],
     [18, 20, 22, 24]]

# 初始化矩阵 C
C = [[0] * m for i in range(n)]

# 计算矩阵 C 的每个元素
for i in range(n):
    for j in range(m):
        C[i][j] = A[i][j] + B[i][j]

# 输出矩阵 C
for row in C:
    print(row)

输出结果如下：

[3, 6, 9, 12]
[15, 18, 21, 24]
[27, 30, 33, 36]

这里使用了列表推导式初始化了矩阵 C，然后使用嵌套循环遍历每个元素，计算它们的和，并存储到矩阵 C 中。最后再循环输出矩阵 C。