NumPy为我们提供了强大的线性代数库
矩阵和向量积
dot(a, b[, out]) 两个数组的点积。
linalg.multi_dot(arrays) 在单个函数调用中计算两个或更多数组的点积,同时自动选择最快的求值顺序。
vdot(a, b) 返回两个向量的点积。
inner(a, b) 两个数组的内积。
outer(a, b[, out]) 计算两个向量的外积。
matmul(x1, x2, /[, out, casting, order, …]) 两个数组的矩阵乘积。
tensordot(a, b[, axes]) 沿指定轴计算张量点积。
einsum(subscripts, *operands[, out, dtype, …]) 计算操作数上的爱因斯坦求和约定。
einsum_path(subscripts, *operands[, optimize]) 通过考虑中间数组的创建,计算einsum表达式的最低成本压缩顺序。
linalg.matrix_power(a, n) 将方阵提升为(整数)n次方。
kron(a, b) 两个数组的Kronecker乘积。
分解
linalg.cholesky(a) Cholesky分解
linalg.qr(a[, mode]) 计算矩阵的QR分解。
linalg.svd(a[, full_matrices, compute_uv, …]) 奇异值分解
范数和其他数字
linalg.norm(x[, ord, axis, keepdims]) 矩阵或向量范数。
linalg.cond(x[, p]) 计算矩阵的条件数。
linalg.det(a) 计算数组的行列式。
linalg.matrix_rank(M[, tol, hermitian]) 使用SVD方法返回数组的矩阵的rank
linalg.