怎么在Python中使用numpy线性代数-创新互联
怎么在Python中使用numpy线性代数？很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。
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.]]) >>>
看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注创新互联成都网站设计公司行业资讯频道，感谢您对创新互联成都网站设计公司的支持。
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、网站设计器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
网页名称：怎么在Python中使用numpy线性代数-创新互联
当前URL：http://cdiso.cn/article/dsoohs.html
