numpy.linalg模块包含线性代数的函数。使用这个模块,可以计算逆矩阵、求特征值、解线性方程组以及求解行列式等。
- np.linalg.det() 计算输入矩阵的行列式
- np.linalg.solve() 给出矩阵形式的线性方程的解
- np.linalg.inv() 计算矩阵的乘法逆矩阵
- np.linalg.eig() 求矩阵的特征值和特征向量
- np.linalg.eigvals() 求矩阵的特征值
- np.linalg.norm() 求矩阵的范数
np.linalg.det() 矩阵的行列式
对于矩阵[[a,b],[c,d]],行列式计算为 ad-bc。
import numpy as np
x = np.array([[0,1,2],[1,0,3],[4,-3,8]])
np.linalg.det(x)
- 1
- 2
- 3
-2.0
np.linalg.solve() 矩阵线性方程的解
y = np.array([2,4,-2])
z = np.linalg.solve(x,y)
z
- 1
- 2
- 3
array([22., 14., -6.])
# 使用dot函数检查求得的解是否正确
np.dot(x,z)
- 1
- 2
array([ 2., 4., -2.])
np.linalg.inv() 矩阵的逆矩阵
ni_x = np.linalg.inv(x)
ni_x
- 1
- 2
array([[-4.5, 7. , -1.5],
[-2. , 4. , -1. ],
[ 1.5, -2. , 0.5]])
# 检查原矩阵和求得的逆矩阵相乘的结果为单位矩阵
np.dot(x, ni_x)
- 1
- 2
array([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])
np.linalg.eig() 矩阵的特征值和特征向量
# 特征值
np.linalg.eigvals(x)
- 1
- 2
array([ 7.96850246, -0.48548592, 0.51698346])
# 特征值和特征向量
eig_vals,eig_vecs = np.linalg.eig(x)
print(eig_vals)
print(eig_vecs)
- 1
- 2
- 3
- 4
[ 7.96850246 -0.48548592 0.51698346]
[[ 0.26955165 0.90772191 -0.74373492]
[ 0.36874217 0.24316331 -0.65468206]
[ 0.88959042 -0.34192476 0.13509171]]
np.linalg.norm() 矩阵的范数
linalg=linear+algebra ,norm则表示范数范数是对向量(或者矩阵)的度量,是一个标量(scalar).
首先*help(np.linalg.norm)*查看其文档:
norm(x, ord=None, axis=None, keepdims=False)
x表示要度量的向量,ord表示范数的种类.
np.linalg.norm(x)
np.linalg.norm(x, ord=2)
np.linalg.norm(x, ord=1)
np.linalg.norm(x, ord=np.inf)
- 1
- 2
- 3
- 4
10.198039027185569
10.198039027185569
13.0
15.0
</div>