如何用python计算行列式_Python numpy线性代数用法实例解析

这篇文章主要介绍了Python numpy线性代数用法实例解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

numpy中线性代数用法

矩阵乘法

>>> import numpy as np

>>> x=np.array([[1,2,3],[4,5,6]])

>>> y=np.array([[7,8],[-1,7],[8,9]])

>>> x

array([[1, 2, 3],

[4, 5, 6]])

>>> y

array([[ 7, 8],

[-1, 7],

[ 8, 9]])

>>> x.dot(y)

array([[ 29, 49],

[ 71, 121]])

>>> np.dot(x,y)

array([[ 29, 49],

[ 71, 121]])

计算点积

>>> a=np.array([[1,2],[3,4]])

>>> b=np.array([[11,12],[12,13]])

>>> np.vdot(a,b)

123

计算的公式是

result=1*11+2*12+3*12+4*13

计算内积

>>> np.inner(np.array([1,2,3]),np.array([0,1,0]))

2

计算公式

result=1*0+2*1+3*0

计算行列式

>>> np.inner(np.array([1,2,3]),np.array([0,1,0]))

2

>>> a=np.array([[1,2],[3,4]])

>>> np.linalg.det(a)

-2.0000000000000004

求线性方程的解

x + y + z = 6

2y + 5z = -4

2x + 5y - z = 27

矩阵表示

>>> import numpy as np

>>> a = np.array([[1,1,1],[0,2,5],[2,5,-1]])

>>> ainv = np.linalg.inv(a)#求矩阵的逆

>>> b = np.array([[6],[-4],[27]])

>>> x = np.linalg.solve(a,b)#求解需要A-1和B

>>> x

array([[ 5.],

[ 3.],

[-2.]])

>>>

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。