![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
MIT线性代数课程笔记对应代码
lhdgriver
人丑就要多读书,体胖还须勤锻炼
展开
-
MIT线性代数课程笔记对应代码-【lecture 1】
求线性方程组的解import numpy as npa = np.array([[2,-1], [-1, 2]])b = np.array([0, 3])np.linalg.solve(a, b.T)==> array([ 1., 2.])a = np.array([[2, -1, 0], [-1, 2, -1], [0, -3, 4]])b = np.array([原创 2016-03-02 23:36:43 · 424 阅读 · 0 评论 -
MIT线性代数课程笔记对应代码-【lecture 3】
import numpy as npa = np.mat([[1,3], [2,7]]) #要用matrix, 而不是arraya.I==> matrix([[ 7., -3.], [-2., 1.]])矩阵求逆原创 2016-03-02 23:41:49 · 687 阅读 · 0 评论 -
MIT线性代数课程笔记对应代码-【lecture 4】
矩阵的LU分解from scipy.linalg import luimport numpy as npa = np.array([[2,1], [8,7]])p, l, u = lu(a)因为 PA = LU, 所以LU分解返回了三个参数,为了验证是否正确np.mat(l) * np.mat(u)发现就是a。(要转换为矩阵再操作,因为原始是array,array相原创 2016-03-03 21:31:51 · 513 阅读 · 0 评论