Python numpy线性代数用法实例解析

这篇文章主要介绍了Pythonnumpy线性代数用法实例解析,文中通过示例代码介绍的非常详细，对

这篇文章主要介绍了Python numpy线性代数用法实例解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

numpy中线性代数用法

矩阵乘法

>>> import numpy as np
>>> x=np.array([[1,2,3],[4,5,6]])
>>> y=np.array([[7,8],[-1,7],[8,9]])
>>> x
array([[1, 2, 3],
 [4, 5, 6]])
>>> y
array([[ 7, 8],
 [-1, 7],
 [ 8, 9]])
>>> x.dot(y)
array([[ 29, 49],
 [ 71, 121]])
>>> np.dot(x,y)
array([[ 29, 49],
 [ 71, 121]])

计算点积

>>> a=np.array([[1,2],[3,4]])
>>> b=np.array([[11,12],[12,13]])
>>> np.vdot(a,b)
123

计算的公式是

result=1*11+2*12+3*12+4*13

计算内积

>>> np.inner(np.array([1,2,3]),np.array([0,1,0]))
2

计算公式

result=1*0+2*1+3*0

计算行列式

>>> np.inner(np.array([1,2,3]),np.array([0,1,0]))
2
>>> a=np.array([[1,2],[3,4]])
>>> np.linalg.det(a)
-2.0000000000000004

求线性方程的解

x + y + z = 6
2y + 5z = -4
2x + 5y - z = 27

矩阵表示

>>> import numpy as np
>>> a = np.array([[1,1,1],[0,2,5],[2,5,-1]])
>>> ainv = np.linalg.inv(a)#求矩阵的逆
>>> b = np.array([[6],[-4],[27]])
>>> x = np.linalg.solve(a,b)#求解需要A-1和B
>>> x
array([[ 5.],
 [ 3.],
 [-2.]])
>>>

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。