Numpy线性代数和数值积分

特征值和特征向量

# 求特征值和特征向量

import numpy as np

a = np.array([[1, 2], [3, 6]])
eigenvalues, eigenvectors = np.linalg.eig(a)  # 计算方阵特征值、特征向量
print(eigenvalues)
print(eigenvectors)

范数

# 求范数
# ord=2为欧式距离(元素平方和的平方根),ord=1为曼哈顿距离(绝对值的和)

import numpy as np

a = np.array([[1, -1], [3, 4]])
n1 = np.linalg.norm(a, ord=2, axis=1)     # 求向量范数,行的范数
n2 = np.linalg.norm(a, ord=2, axis=0)     # 列的范数
n3 = np.linalg.norm(a, ord=2, axis=None)  # 求矩阵范数,所有元素平方和的平方根
print('n1:', n1, 'n2:', n2, 'n3:', n3)

# print((np.sqrt(1+9), np.sqrt(1+16)))
# print(np.sqrt(1+1+9+16))

n4 = np.linalg.norm(a, ord=1, axis=1)      # 求行范数
print('n4:', n4)

数值积分

# 数值积分

import numpy as np

x = np.linspace(0, np.pi, 10)
y = lambda x: np.sin(x)
v = np.trapz(y(x), x)           # 数值积分,梯形方法
print(v)
  • 8
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值