numpy数学常用方法归纳

numpy创建多对角矩阵方法：https://blog.csdn.net/qq_18343569/article/details/50388539
例如：用此方法创建63*63的三对角矩阵：
v1 = [-2]*63
x1 = np.diag(v1)
v2 = [1]*62
y1 = np.diag(v2,1)
v3 = [1]62
z1 = np.diag(v3,-1)
dxx = (1/h**2)(x1+y1+z1) #最终的三对角矩阵

numpy创建矩阵svd分解方法：https://blog.csdn.net/rainpasttime/article/details/79831533
利用svd方法可求解对称正定矩阵的1/2次方

numpy向量和矩阵的范数：https://blog.csdn.net/qq_35154529/article/details/82754157

numpy通用函数设置，可自定义通用函数：https://blog.csdn.net/qq_35154529/article/details/82754157

矩阵LU分解：
import numpy as np
import scipy
from scipy import linalg
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
df = scipy.linalg.lu(a)
df[0] 为初等矩阵，l为 单位下三角，u上三角

矩阵特征值求解：
val,vic=np.linalg.eig(a)
val为特征值（总感觉第一个特征值是模最大的特征值），vic为特征向量

矩阵分解成上三角矩阵：
np.triu(a,k=0) 这里默认k = 0，表示选取对角元在内的上三角矩阵
通过调整k=1,2，可得到不同的上三角矩阵

创建值全为0，或1的矩阵
例：
s = (6,6)
a = np.ones(s)--------------------->得到6×6的全1矩阵
a = np.zeros(s)--------------------->得到6×6的全0矩阵

取numpy矩阵的某几行某几列方法：
https://blog.csdn.net/wxf2012301351/article/details/82810267