线性代数
zzb_
这个作者很懒,什么都没留下…
展开
-
施密特正交化
Python3sympy.matricesimport numpy as npfrom sympy.matrices import Matrix,GramSchmidt A = np.array([[1,0,0],[0,2,1],[0,1,3]])# 将numpy 矩阵转为sympy的列向量集合MA = [Matrix(col) for col in A.T]# 施密特正交化gr...原创 2019-12-11 19:14:44 · 2114 阅读 · 0 评论 -
特征值与特征向量
Pythonnumpy.linalg.eigfrom numpy import array from numpy.linalg import eigA = array([[3,-1],[-1,3]])w,v = eig(A)# 特征值print(w)# 特征向量print(v)原创 2019-12-08 11:05:38 · 141 阅读 · 0 评论 -
向量叉积
叉积叉积-百度百科Pythonnumpy.crossimport numpy as npfrom numpy import crossa = np.array([1,2,0])b = np.array([2,3,0])cross_ab = cross(a,b)print(cross_ab)[ 0 0 -1]原创 2019-12-07 11:55:15 · 211 阅读 · 0 评论 -
行列式的值
Python3numpy.linalg.detimport numpy as npfrom numpy.linalg import deta = np.array([[1,2],[3,4]])val = det(a)# 设置结果的精度rounded_val = round(val,2)print(rounded_val)-2.0原创 2019-12-07 11:12:10 · 372 阅读 · 0 评论 -
RREF 最简行阶梯型矩阵
最简行阶梯矩阵最简行阶梯矩阵-百度百科Pythonnumpy + sympyimport numpy as npfrom sympy import MatrixA = np.array([[2,3,1,0],[1,-2,4,0],[3,8,-2,0],[4,-1,9,0]])# 将numpy.array转为sympy.MatrixMA = Matrix(A)print(MA.rr...原创 2019-12-06 20:37:16 · 4569 阅读 · 0 评论 -
连接矩阵
Python3 numpynumpy.concatenate竖接import numpy as npA = np.array([[1,1,1],[-2,-1,1],[1,1,1]])b = np.array([[0,0,1]])Ab = np.concatenate((A,b.T),axis=1)print(A)print(b.T)print(Ab)[[ 1 1 1...原创 2019-12-06 19:43:12 · 1160 阅读 · 0 评论 -
矩阵求幂
Python3numpy.linalg.matrix_powerimport numpy as npfrom numpy.linalg import matrix_powera = np.array([[0,1,0],[0,0,1],[0,0,0]])ae10 = matrix_power(a,10)print(ae10)[[0 0 0] [0 0 0] [0 0 0]]原创 2019-12-05 15:20:23 · 258 阅读 · 0 评论 -
向量内积/点积
向量内积/点积在向量空间Rn中,自然基下,向量x=(x1,…,xn)和y=(y1,…,yn)在向量空间\mathbb{R}^n中,自然基下,向量\boldsymbol{x}=(x_1,\ldots,x_n)和 \boldsymbol{y}=(y_1,\ldots,y_n)在向量空间Rn中,自然基下,向量x=(x1,…,xn)和y=(y1,…,yn)的点积(dot product),或称内...原创 2019-12-05 10:50:41 · 1488 阅读 · 0 评论 -
矩阵的秩
import numpy as npfrom numpy.linalg import matrix_rankdef main(): a = np.array([[1, 2, 3], [1, 4, 6]]) print(matrix_rank(a))if __name__ == "__main__": main()原创 2019-09-09 20:39:08 · 8178 阅读 · 0 评论 -
numpy 向量/矩阵的乘法
一维向量与一维向量#------------一维向量与一维向量------------------#vec1 = np.array([1, 2, 3])vec2 = np.array([4, 5, 6])# np.inner() 对应位置的元素相乘相加求和res_inner1 = np.inner(vec1, vec2) # 32 # * 对应位置的元素相乘 成为新矩阵该位置...原创 2019-04-09 17:36:06 · 8308 阅读 · 0 评论