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]])>>> xarray([[1, 2, 3], [4, 5, 6]])>>> yarray([[ 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 = 62y + 5z = -42x + 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>>> xarray([[ 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。