Python之数据分析（Numpy的子模块：线性代数模块linalg、傅里叶变换模块fft）

一、线性代数模块（linalg）

1、矩阵的逆

矩阵的逆：inv()该逆矩阵的前提必须是方阵
numpy.linalg.inv(A)

import numpy as np

# 创建一个矩阵
A = np.mat('1 2 3; 5 6 7; 9 8 5')
print(A)

# 用linalg下的inv求A的逆矩阵
B = np.linalg.inv(A)
print(B)

# 验证是否是逆矩阵
C = A * B  # numpy中的运算符号与python相通
print(C)

2、矩阵的线性解

解线性(一次)方程组：solve()或lstsq()
numpy.linalg.solve(A, B)或numpy.linalg.lstsq(A, B)[0]

import numpy as np

A = np.mat('1 -2 1; 0 2 -8; -4 5 9')  # 初始矩阵（3x3）
B = np.mat('0; 8; -9')  # 列向量
X1 = np.linalg.solve(A, B)
X2 = np.linalg.lstsq(A, B)[0]
print(X1, '\n', X2)

3、特征值与特征向量

定义： 对于n阶方阵A，如果存在数a和非零n维向量x，使得Ax=ax，则称a是矩阵A的一个特征值，x则是矩阵A特征值a的特征向量（不唯一）
两个都取： numpy.linalg.eig(A)
只取特征值： numpy.linalg.eigvals(A)

import numpy as np

A = np.mat('3 -2; 1 0')
eigvals, eigvecs = np.linalg.eig(A)  # 用两个对象来接收特征值和特征向量
print(eigvals)  # 特征值
print(eigvecs)  # 特征向量

# 证明特征值正确：Ax=ax
print(A * eigvecs[: