Python numpy线性代数用法实例解析

yipeiwu_com7年前Python基础

这篇文章主要介绍了Python numpy线性代数用法实例解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

numpy中线性代数用法

矩阵乘法

>>> import numpy as np
>>> x=np.array([[1,2,3],[4,5,6]])
>>> y=np.array([[7,8],[-1,7],[8,9]])
>>> x
array([[1, 2, 3],
    [4, 5, 6]])
>>> y
array([[ 7, 8],
    [-1, 7],
    [ 8, 9]])
>>> x.dot(y)
array([[ 29, 49],
    [ 71, 121]])
>>> np.dot(x,y)
array([[ 29, 49],
    [ 71, 121]])

计算点积

>>> a=np.array([[1,2],[3,4]])
>>> b=np.array([[11,12],[12,13]])
>>> np.vdot(a,b)
123

计算的公式是

result=1*11+2*12+3*12+4*13

计算内积

>>> np.inner(np.array([1,2,3]),np.array([0,1,0]))
2

计算公式

result=1*0+2*1+3*0

计算行列式

>>> np.inner(np.array([1,2,3]),np.array([0,1,0]))
2
>>> a=np.array([[1,2],[3,4]])
>>> np.linalg.det(a)
-2.0000000000000004

求线性方程的解

x + y + z = 6
2y + 5z = -4
2x + 5y - z = 27

矩阵表示

>>> import numpy as np
>>> a = np.array([[1,1,1],[0,2,5],[2,5,-1]])
>>> ainv = np.linalg.inv(a)#求矩阵的逆
>>> b = np.array([[6],[-4],[27]])
>>> x = np.linalg.solve(a,b)#求解需要A-1和B
>>> x
array([[ 5.],
    [ 3.],
    [-2.]])
>>>

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持【听图阁-专注于Python设计】。

相关文章

Python 3中print函数的使用方法总结

前言 Python 思想:“一切都是对象!”,最近发现python3和python2中print的用法有很多不同,python3中需要使用括号,缩进要使用4个空格(这不是必须的,但你最好...

Python 装饰器@,对函数进行功能扩展操作示例【开闭原则】

本文实例讲述了Python 装饰器@,对函数进行功能扩展操作。分享给大家供大家参考,具体如下: 装饰器可以对原函数进行功能扩展,但还不需要修改原函数的内容(开闭原则),也不需要修改原函数...

对pandas进行数据预处理的实例讲解

参加kaggle数据挖掘比赛,就第一个赛题Titanic的数据,学习相关数据预处理以及模型建立,本博客关注基于pandas进行数据预处理过程。包括数据统计、数据离散化、数据关联性分析 引...

Python捕捉和模拟鼠标事件的方法

本文实例讲述了Python捕捉和模拟鼠标事件的方法。分享给大家供大家参考。具体分析如下: 这个假期玩了不少galgame,不过有些很老的游戏没有自动运行模式,点击鼠标又太伤按键了,于是想...

浅谈python中截取字符函数strip,lstrip,rstrip

浅谈python中截取字符函数strip,lstrip,rstrip

一、起因 今天在做角色控制中,有一个地方用到rstrip,判断用户请求的url是否与数据库对应可用权限中url相符。 if request.path == x.url or reques...