Python numpy线性代数用法实例解析

脚本专栏发布日期：2024/10/24 浏览次数：1

正在浏览：Python numpy线性代数用法实例解析

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。

上一篇：Django通过dwebsocket实现websocket的例子

下一篇：Django中提示消息messages的设置方式

一句话新闻

高通与谷歌联手！首款骁龙PC优化Chrome浏览器发布

高通和谷歌日前宣布，推出首次面向搭载骁龙的Windows PC的优化版Chrome浏览器。
在对骁龙X Elite参考设计的初步测试中，全新的Chrome浏览器在Speedometer 2.1基准测试中实现了显著的性能提升。
预计在2024年年中之前，搭载骁龙X Elite计算平台的PC将面世。该浏览器的提前问世，有助于骁龙PC问世就获得满血表现。
谷歌高级副总裁Hiroshi Lockheimer表示，此次与高通的合作将有助于确保Chrome用户在当前ARM兼容的PC上获得最佳的浏览体验。