這篇文章主要介紹了Python numpy線性代數用法例項解析,文中通過示例程式碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下

numpy中線性代數用法

矩陣乘法

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

計算點積

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

計算的公式是

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

計算內積

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

計算公式

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

計算行列式

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

求線性方程的解

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

矩陣表示

>>> import numpy as np
>>> a = np.array([[1,1],[0,5],[2,-1]])
>>> ainv = np.linalg.inv(a)#求矩陣的逆
>>> 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內容，希望對大家的學習有所幫助，也希望大家多多支援我們。