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)