Numpy——solve（）

NumPy 提供了线性代数函数库 linalg。

numpy.linalg.solve()

numpy.linalg.solve() 函数给出了矩阵形式的线性方程的解。

考虑以下线性方程：

x + y + z = 6
2y + 5z = -4
2x + 5y - z = 27

可以使用矩阵表示为：

如果矩阵成为A、X和B，方程变为：

AX = B
或
X = A^(-1)B

实例：

import numpy as np
import numpy.linalg as lg

A = np.array([[1, 1, 1], [0, 2, 5], [2, 5, -1]])
print("系数矩阵：\n", A)
#小b列是三行一列的数组，不可粗心大意为一维数组！
b = np.array([[6], [-4], [27]])
print("矩阵b：\n", b)
#求系数矩阵的逆矩阵，不过在用solve（）方法时，用的是系数矩阵而非系数矩阵的逆矩阵！
a = lg.inv(A)
print("系数矩阵的逆矩阵:\n", a)
#计算X向量
X = lg.solve(A, b)
print("X=\n", X)

结果：

系数矩阵：
 [[ 1  1  1]
 [ 0  2  5]
 [ 2  5 -1]]
矩阵b：
 [[ 6]
 [-4]
 [27]]
系数矩阵的逆矩阵:
 [[ 1.28571429 -0.28571429 -0.14285714]
 [-0.47619048  0.14285714  0.23809524]
 [ 0.19047619  0.14285714 -0.0952381 ]]
X=
 [[ 5.]
 [ 3.]
 [-2.]]