请使用python语言输出一个矩阵
时间: 2023-04-10 08:01:05 浏览: 73
好的,我可以回答这个问题。以下是使用 Python 语言输出一个矩阵的代码:
```python
matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
for row in matrix:
print(row)
```
输出结果为:
```
[1, 2, 3]
[4, 5, 6]
[7, 8, 9]
```
希望这个回答能够帮到你!
相关问题
python语言输出无向无权图生成关联矩阵
同样是无向无权图生成关联矩阵,下面是用Python实现的示例代码:
```python
n = 4 # 图的顶点个数
m = 5 # 图的边数
edges = [(0, 1), (0, 2), (1, 2), (1, 3), (2, 3)] # 图的边
# 初始化关联矩阵为全0矩阵
adj_matrix = [[0 for j in range(n)] for i in range(n)]
# 遍历边集合,对关联矩阵进行赋值
for edge in edges:
u, v = edge
adj_matrix[u][v] = 1
adj_matrix[v][u] = 1 # 无向图需要对称
# 输出关联矩阵
for row in adj_matrix:
print(row)
```
输出结果如下:
```
[0, 1, 1, 0]
[1, 0, 1, 1]
[1, 1, 0, 1]
[0, 1, 1, 0]
```
其中第i行第j列和第j行第i列的元素为1表示顶点i和j之间有边相连。
用python语言写一个实现矩阵运算的代码
好的,以下是一个简单的 Python 代码,实现了基本的矩阵加法、矩阵减法、矩阵数乘和矩阵乘法:
```python
# 定义矩阵加法函数
def matrix_addition(matrixA, matrixB):
if len(matrixA) != len(matrixB) or len(matrixA[0]) != len(matrixB[0]):
return None
result = []
for i in range(len(matrixA)):
row = []
for j in range(len(matrixA[0])):
row.append(matrixA[i][j] + matrixB[i][j])
result.append(row)
return result
# 定义矩阵减法函数
def matrix_subtraction(matrixA, matrixB):
if len(matrixA) != len(matrixB) or len(matrixA[0]) != len(matrixB[0]):
return None
result = []
for i in range(len(matrixA)):
row = []
for j in range(len(matrixA[0])):
row.append(matrixA[i][j] - matrixB[i][j])
result.append(row)
return result
# 定义矩阵数乘函数
def matrix_scalar_multiplication(matrix, scalar):
result = []
for i in range(len(matrix)):
row = []
for j in range(len(matrix[0])):
row.append(matrix[i][j] * scalar)
result.append(row)
return result
# 定义矩阵乘法函数
def matrix_multiplication(matrixA, matrixB):
if len(matrixA[0]) != len(matrixB):
return None
result = []
for i in range(len(matrixA)):
row = []
for j in range(len(matrixB[0])):
sum = 0
for k in range(len(matrixB)):
sum += matrixA[i][k] * matrixB[k][j]
row.append(sum)
result.append(row)
return result
# 测试代码
A = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
B = [[9, 8, 7], [6, 5, 4], [3, 2, 1]]
print(matrix_addition(A, B))
print(matrix_subtraction(A, B))
print(matrix_scalar_multiplication(A, 2))
print(matrix_multiplication(A, B))
```
输出结果如下:
```
[[10, 10, 10], [10, 10, 10], [10, 10, 10]]
[[-8, -6, -4], [-2, 0, 2], [4, 6, 8]]
[[2, 4, 6], [8, 10, 12], [14, 16, 18]]
[[30, 24, 18], [84, 69, 54], [138, 114, 90]]
```
希望这个代码能帮助到你!