numpy中函数库linalg关于矩阵计算的常见函数

前言

numpy模块中函数库linalg一些关于矩阵计算的函数,其中dot是便于记忆添加到表格里。

函数说明
d o t \color{orange}{dot} dot计算矩阵乘
d e t \color{orange}{det} det计算矩阵行列式
i n v \color{orange}{inv} inv计算矩阵逆
p i n v \color{orange}{pinv} pinv计算矩阵的伪逆
e i g \color{orange}{eig} eig计算方阵的特征值和特征向量
s o l v e \color{orange}{solve} solve求解线性矩阵方程组AX=b,A为方阵

代码实现

import numpy as np
# np.array()生成2x2,3x3矩阵
A = np.array([[1,3],[2,4]]) 
B = np.array([[1,3,5],[2,4,6]]) 

np.dot()计算矩阵乘

ans = np.dot(A,B)
print('AB=',ans)

结果:AB= [[ 7 15 23]
[10 22 34]]

np.linalg.det计算矩阵的行列式

ans = np.linalg.det(A) # 1*4-3*2=-2
ans

结果:-2.0

np.linalg.inv()计算矩阵逆

ans = np.linalg.inv(A)
ans

结果:array([[-1.33333333, 1.08333333],
[-0.33333333, 0.33333333],
[ 0.66666667, -0.41666667]])

np.linalg.pinv()计算矩阵伪逆(不是满秩矩阵以及方阵)

ans =  np.linalg.pinv(B)
ans

结果:array([[-1.33333333, 1.08333333],
[-0.33333333, 0.33333333],
[ 0.66666667, -0.41666667]])

np.linalg.eig()计算矩阵的特征值和特征向量

ans = np.linalg.eig(A)
ans

结果:(array([-0.37228132, 5.37228132]),
array([[-0.90937671, -0.56576746],
[ 0.41597356, -0.82456484]]))

np.linalg.solve()求解线性矩阵方程组AX=b,A为方阵

A = np.array([[1,3],[2,4]]) 
b=np.array([4,5])
ans = np.linalg.solve(A,b)
ans

结果:array([-0.5, 1.5])

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值