[转载] Python中的numpy linalg模块
参考链接: Python中的numpy.bmat
原文链接:https://www.cnblogs.com/xieshengsen/p/6836430.html
# 线性代数 # numpy.linalg模块包含线性代数的函数。使用这个模块,可以计算逆矩阵、求特征值、解线性方程组以及求解行列式等。
import numpy as np
# 1. 计算逆矩阵 # 创建矩阵 A = np.mat("0 1 2;1 0 3;4 -3 8") print (A) #[[ 0 1 2] # [ 1 0 3] # [ 4 -3 8]]
# 使用inv函数计算逆矩阵 inv = np.linalg.inv(A) print (inv) #[[-4.5 7. -1.5] # [-2. 4. -1. ] # [ 1.5 -2. 0.5]]
# 检查原矩阵和求得的逆矩阵相乘的结果为单位矩阵 print (A * inv) #[[ 1. 0. 0.] # [ 0. 1. 0.] # [ 0. 0. 1.]]
# 注:矩阵必须是方阵且可逆,否则会抛出LinAlgError异常。
# 2. 求解线性方程组 # numpy.linalg中的函数solve可以求解形如 Ax = b 的线性方程组,其中 A 为矩阵,b 为一维或二维的数组,x 是未知变量
import numpy as np
#创建矩阵和数组 B = np.mat("1 -2 1;0 2 -8;-4 5 9") b = np.array([0,8,-9])
# 调用solve函数求解线性方程 x = np.linalg.solve(B,b) print (x) #[ 29. 16. 3.]
# 使用dot函数检查求得的解是否正确 print (np.dot(B , x)) # [[ 0. 8. -9.]]
# 3. 特征值和特征向量 # 特征值(eigenvalue)即方程 Ax = ax 的根,是一个标量。其中,A 是一个二维矩阵,x 是一个一维向量。特征向量(eigenvector)是关于特征值的向量 # numpy.linalg模块中,eigvals函数可以计算矩阵的特征值,而eig函数可以返回一个包含特征值和对应的特征向量的元组
import numpy as np
# 创建一个矩阵 C = np.mat("3 -2;1 0")
# 调用eigvals函数求解特征值 c0 = np.linalg.eigvals(C) print (c0) # [ 2. 1.]
# 使用eig函数求解特征值和特征向量 (该函数将返回一个元组,按列排放着特征值和对应的特征向量,其中第一列为特征值,第二列为特征向量) c1,c2 = np.linalg.eig(C) print (c1) # [ 2. 1.] print (c2) #[[ 0.89442719 0.70710678] # [ 0.4472136 0.70710678]]
# 使用dot函数验证求得的解是否正确 for i in range(len(c1)): print ("left:",np.dot(C,c2[:,i])) print ("right:",c1[i] * c2[:,i]) #left: [[ 1.78885438] # [ 0.89442719]] #right: [[ 1.78885438] # [ 0.89442719]] #left: [[ 0.70710678] # [ 0.70710678]] #right: [[ 0.70710678] # [ 0.70710678]]
# 4.奇异值分解 # SVD(Singular Value Decomposition,奇异值分解)是一种因子分解运算,将一个矩阵分解为3个矩阵的乘积 # numpy.linalg模块中的svd函数可以对矩阵进行奇异值分解。该函数返回3个矩阵——U、Sigma和V,其中U和V是正交矩阵,Sigma包含输入矩阵的奇异值。
import numpy as np
# 分解矩阵 D = np.mat("4 11 14;8 7 -2") # 使用svd函数分解矩阵 U,Sigma,V = np.linalg.svd(D,full_matrices=False) print ("U:",U) #U: [[-0.9486833 -0.31622777] # [-0.31622777 0.9486833 ]] print ("Sigma:",Sigma) #Sigma: [ 18.97366596 9.48683298] print ("V",V) #V [[-0.33333333 -0.66666667 -0.66666667] # [ 0.66666667 0.33333333 -0.66666667]] # 结果包含等式中左右两端的两个正交矩阵U和V,以及中间的奇异值矩阵Sigma
# 使用diag函数生成完整的奇异值矩阵。将分解出的3个矩阵相乘 print (U * np.diag(Sigma) * V) #[[ 4. 11. 14.] # [ 8. 7. -2.]]
# 5. 广义逆矩阵 # 使用numpy.linalg模块中的pinv函数进行求解, # 注:inv函数只接受方阵作为输入矩阵,而pinv函数则没有这个限制
import numpy as np
# 创建一个矩阵 E = np.mat("4 11 14;8 7 -2") # 使用pinv函数计算广义逆矩阵 pseudoinv = np.linalg.pinv(E) print (pseudoinv) #[[-0.00555556 0.07222222] # [ 0.02222222 0.04444444] # [ 0.05555556 -0.05555556]]
# 将原矩阵和得到的广义逆矩阵相乘 print (E * pseudoinv) #[[ 1.00000000e+00 -5.55111512e-16] # [ 0.00000000e+00 1.00000000e+00]]
# 6. 行列式 # numpy.linalg模块中的det函数可以计算矩阵的行列式
import numpy as np
# 计算矩阵的行列式 F = np.mat("3 4;5 6") # 使用det函数计算行列式 print (np.linalg.det(F)) # -2.0
[转载] Python中的numpy linalg模块相关推荐
- [转载] python中的numpy模块和pandas模块的区别_numpy 模块和 pandas 模块
参考链接: Python中的numpy.radians和deg2rad 一.numpy模块 1.1 numpy 简介 numpy是python的一种开源的数值计算扩展库,这种库可用来存储和处理大型nu ...
- [转载] [转载] python中的Numpy库入门
参考链接: Python中的numpy.ones_like 参考链接: Python中的numpy.full_like 目录 N维数组对象: ndarray引例ndarray对象的属性ndarray数 ...
- [转载] python中的Numpy库入门
参考链接: Python中的numpy.full_like 目录 N维数组对象: ndarray引例ndarray对象的属性ndarray数组的元素类型ndarray数组的创建方法从Python中的列 ...
- [转载] python中numpy模块的around方法_更好地舍入Python的NumPy.around:舍入numpy的数组
参考链接: Python中的numpy.round_ I am looking for a way to round a numpy array in a more intuitive fashion ...
- [转载] Python中Numpy基础
参考链接: Python中的numpy.less numpy的功能: 提供数组的矢量化操作,所谓矢量化就是不用循环就能将运算符应用到数组中的每个元素中.提供数学函数应用到每个数组中元素提供线性代数,随 ...
- python中的numpy模块
参考 python中的numpy模块 - 云+社区 - 腾讯云 目录 NumPy 教程 学习本教程前你需要了解 NumPy 应用 相关链接 NumPy 安装 1.使用已有的发行版本 2.使用 pip ...
- [转载] [转载] python 中NumPy和Pandas工具包中的函数使用笔记(方便自己查找)
参考链接: Python中的numpy.sinh 参考链接: Python中的numpy.less_equal 二.常用库 1.NumPy NumPy是高性能科学计算和数据分析的基础包.部分功能如下: ...
- [转载] Python中Numpy包的用法
参考链接: Python中的Numpy.prod 一.数组方法 创建数组:arange()创建一维数组:array()创建一维或多维数组,其参数是类似于数组的对象,如列表等 反过来转换则可以使用num ...
- [转载] python 中NumPy和Pandas工具包中的函数使用笔记(方便自己查找)
参考链接: Python中的numpy.less_equal 二.常用库 1.NumPy NumPy是高性能科学计算和数据分析的基础包.部分功能如下: ndarray, 具有矢量算术运算和复杂广播能力 ...
最新文章
- sql同时操作两列_SQL简单查询
- bin文件转换成html,怎么样把BIN文件转换成ISO文件
- 算法讲解 -- 二分图之 匈牙利算法
- Java实现十进制数转十六进制数
- Qt学习: QFileDialog和QMessageBox的用法和程序示例
- 日日行,不怕千万里;常常做,不怕千万事
- 预算1000以内,可以买哪些手机?
- sql limit 子句_SQL按子句排序
- java text 格式化_java.text.Format
- 学习笔记之高质量C++/C编程指南
- Eclipse安装中文简体语言包(详细)
- 老电脑适合用linux,老旧电脑适于装什么操作系统
- 使用BootStrap制作网页页面
- 水仙花数n位c语言程序,水仙花数C语言的
- python魔法方法指南_2011年最热门的20种方法指南
- 图解在EXCEL中,通过身份证自动获得出生日期和性别。
- 清空数据库所有表中的数据
- 场景拆解六步设计法,手把手教你细化场景
- TotalControl之手机录屏神器
- jmu-python-生日悖论
热门文章
- 【NOIP2001】【Luogu1029】最大公约数和最小公倍数问题(GCD,枚举)
- java堆栈_java线程的堆栈跟踪之jstack篇
- PAT 数字分类(20)
- php网站采集器,PHP采网址(列表页处理)插件的开发方法
- 模糊查询是如何进行实现的_模糊查找,不是近似查找!在Excel中应该如何进行模糊匹配...
- bzoj 4237: 稻草人(CDQ分治+单调栈+二分)
- 莫队(bzoj 2038: [2009国家集训队]小Z的袜子(hose))
- 莫烦python学习笔记之tuple,list,字典
- torch.ones,normal,max
- matlab meshgrid