NumPy——数组函数与方法_线性代数操作

线性代数的主要内容是矩阵乘法、矩阵分解和行列式等，由于矩阵运算方法与基本的数值计算有极大的不同，NumPy提供了专门的方法或函数实现线性代数操作。

import numpy as np
x = np.array([[1,2,3],[4,5,6]])
y = np.array([[3,4,5],[7,8,9]])
print(x*y)

[[ 3  8 15]
 [28 40 54]]

Process finished with exit code 0

使用乘法运算符得到的是两个数组元素级别的相乘，而不是矩阵点积，点积操作需要使用dot()函数（或方法）。

当然矩阵间的点积是需要，满足矩阵计算条件，以上的x和y显然不符合要求。

import numpy as np
x = np.array([[3,4],[7,8],[5,7],[6,5]])
y = np.array([[1,2,3],[4,5,6]])
print(np.dot(x,y))

[[19 26 33]
 [39 54 69]
 [33 45 57]
 [26 37 48]]

Process finished with exit code 0

这里的矩阵x是4行2列,矩阵y是2行3列，x点积y结果为4行3列。

np.dot(x,y)函数操作可以使用等价的x.dot(y)方法操作实现，还可以使用中缀运算符@。

print(x.dot(y))
print(x@y)

NumPy的子模块中提供了一组函数，用于实现标准的矩阵分解运算、求逆、求行列式等。

常用的线性代数函数：

函数	说明
det	求行列式
determinant	数组的行列式
diag	返回方阵的对角线（或非对角线）元素
dot	两个数组的点积，即元素对应相乘
eig	求方阵的本征值、本征向量
inner	两个数组的内积
inv	计算矩阵的乘法逆矩阵
lstsq	求线性方程最小二乘解
matmul	两个数组的矩阵积
pinv	求Moore-Penrose伪逆
qr	QR分解
solve	求解线性矩阵方程
svd	奇异值分解
trace	求对角线元素和
vdot	两个向量的点积