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)