Numpy之线性代数

目录

线性代数

1. 数组相乘

@ dot() 函数

@ vdot() 函数

2. 矩阵行列式

3. 逆矩阵

4. 线性方程组

5. 特征值和特征向量

---

说明：纯手敲，总结的是学校发的教材上的知识（参考教材所写，为了个人学习的方便），如侵权，请联系删除，如有错误，请私信我，谢谢！

个人网站：Python之线性代数 – CWisomJ

线性代数

1. 数组相乘

@ dot() 函数

• 计算矩阵乘积 np.dot(a,b)

•  import numpy as np
   a = np.array([[1,2],[3,4]])
   b = np.array([[5,6],[7,8]])
   b = np.dot(a,b)
   print(b)
   '''
   输出：
   [[19 22]
    [43 50]]
   '''

@ vdot() 函数

• 俩个向量的点积

 import numpy as np
 a = np.array([[1,2],[3,4]])
 b = np.array([[5,6],[7,8]])
 b = np.vdot(a,b)  # 1*3+2*4+5*7+6*8
 print(b)  # 70

2. 矩阵行列式

• np.linalg.det(a)

 import numpy as np
 a = np.array([[1,2],[3,4]])
 b = np.linalg.det(a)
 print(b) # -2.0000000000000004

3. 逆矩阵

• np.linalg.inv(a)

 import numpy as np
 a = np.array([[1,2],[3,4]])
 b = np.linalg.inv(a)
 print(b)
 '''
 输出：
 [[-2.   1. ]
  [ 1.5 -0.5]]
 '''

4. 线性方程组

• np.linalg.solve(A,b)

• 矩阵必须是方阵且可逆，否则会抛出LinAlgError异常。

 '''
 x+y+z=6
 2y+5z=-4
 2x+5y=27
 '''
 import numpy as np
 A = np.mat("1 1 1;0 2 5;2 5 -1")   
 #  3*3的矩阵 【可py测试一下】
 b = np.array([6,-4,27])
 x = np.linalg.solve(A,b)
 print(x)
 print(x.ndim)        #  解的个数？？ ---- 维度
 print(np.dot(A,x))   #  验证看是否等于 b

• 可借鉴：（无数解情况，高斯消元）用Python实现高斯消去法求解线性方程组,python,元法,的 (pythonf.cn)

5. 特征值和特征向量

• 特征值：np.linalg.eigvals()

• 特征值+特征向量：np.linalg.eig() 返回一个元组

 import numpy as np
 A = np.mat("1 -1;2 4")
 e = np.linalg.eigvals(A)  # 特征值
 x,y = np.linalg.eig(A)  # x=特征值 y=特征向量
 print(e)
 print(x)
 print(y)
 # 原矩阵为：
 d = y*np.diag(e)*np.linalg.inv(y)
 print(d)
 ​
 '''
 输出：
 [2. 3.]
 [2. 3.]
 [[-0.70710678  0.4472136 ]
  [ 0.70710678 -0.89442719]]
 [[ 1. -1.]
  [ 2.  4.]]
 '''