Numpy（3）—— 线性代数相关函数

标签：img   运算   等于   format   函数   lan   矩阵   求逆   图片   

• diag：以一维数组的形式返回方阵的对角线（或非对角线）元素，或将一维数组转换为方阵（非对角线元素为0）。

# numpy.linalg  中有一组标准的矩阵分解运算以及诸如求逆和行列式之类的东西
# np.linalg.diag 以一维数组的形式返回方阵的对角线（或非对角线）元素，
# 或将一维数组转换为方阵（非对角线元素为0）
e = np.diag(d)
f = np.diag(e)
print(‘d: \n{}‘.format(d))
print(‘e: \n{}‘.format(e))
print(‘f: \n{}‘.format(f))

• dot：矩阵乘法。

# 矩阵b的第二维大小，必须等于矩阵c的第一维大小
d = b.dot(c) # 等价于 np.dot(b, c)

• trace：计算对角线元素的和。

g = np.trace(d)

• det：计算矩阵行列式。

h = np.linalg.det(d)

• eig：计算方阵的特征值和特征向量。

# eig，计算特征值和特征向量
# u为特征值，v为特征向量
u,v = np.linalg.eig(d)

• inv：计算方阵的逆。

tmp = np.random.rand(3, 3)
j = np.linalg.inv(tmp)

Numpy（3）—— 线性代数相关函数

标签：img   运算   等于   format   函数   lan   矩阵   求逆   图片   

原文地址：https://www.cnblogs.com/long5683/p/13093733.html