日常记录
Pandas 基本操作
numpy基本函数
numpy线性代数
ray 的使用
chisel
正向代理与反向代理
HTTPS 协议
Jupyter 配置
Python vscode配置
uv 使用
pytorch 加载大模型
本文档使用 MrDoc 发布
-
+
首页
numpy线性代数
### 介绍 `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。 >官方文档：[Numpy 线性代数模块](https://www.numpy.org.cn/reference/routines/linalg.html "Numpy线性代数") ### 函数 #### 1. 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]] ``` #### 2. 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.]] ``` #### 2. 求解线性方程组 `numpy.linalg.solve()`函数可以求解形如 `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]] ```
gaojian
2022年8月25日 10:25
分享文档
收藏文档
上一篇
下一篇
微信扫一扫
复制链接
手机扫一扫进行分享
复制链接
关于 MrDoc
觅思文档MrDoc
是
州的先生
开发并开源的在线文档系统，其适合作为个人和小型团队的云笔记、文档和知识库管理工具。
如果觅思文档给你或你的团队带来了帮助，欢迎对作者进行一些打赏捐助，这将有力支持作者持续投入精力更新和维护觅思文档，感谢你的捐助！
>>>捐助鸣谢列表
微信
支付宝
QQ
PayPal
Markdown文件
分享
链接
类型
密码
更新密码
