Python 执行矩阵与线性代数运算
程序员文章站
2022-06-27 17:22:28
问题你需要执行矩阵和线性代数运算,比如矩阵乘法、寻找行列式、求解线性方程组等等。解决方案numpy 库有一个矩阵对象可以用来解决这个问题。矩阵类似于3.9小节中数组对象,但是遵循线性代数的计算规则。下...
问题
你需要执行矩阵和线性代数运算,比如矩阵乘法、寻找行列式、求解线性方程组等等。
解决方案
numpy
库有一个矩阵对象可以用来解决这个问题。
矩阵类似于3.9小节中数组对象,但是遵循线性代数的计算规则。下面的一个例子展示了矩阵的一些基本特性:
>>> import numpy as np >>> m = np.matrix([[1,-2,3],[0,4,5],[7,8,-9]]) >>> m matrix([[ 1, -2, 3], [ 0, 4, 5], [ 7, 8, -9]]) >>> # return transpose >>> m.t matrix([[ 1, 0, 7], [-2, 4, 8], [ 3, 5, -9]]) >>> # return inverse >>> m.i matrix([[ 0.33043478, -0.02608696, 0.09565217], [-0.15217391, 0.13043478, 0.02173913], [ 0.12173913, 0.09565217, -0.0173913 ]]) >>> # create a vector and multiply >>> v = np.matrix([[2],[3],[4]]) >>> v matrix([[2], [3], [4]]) >>> m * v matrix([[ 8], [32], [ 2]]) >>>
可以在 numpy.linalg
子包中找到更多的操作函数,比如:
>>> import numpy.linalg >>> # determinant >>> numpy.linalg.det(m) -229.99999999999983 >>> # eigenvalues >>> numpy.linalg.eigvals(m) array([-13.11474312, 2.75956154, 6.35518158]) >>> # solve for x in mx = v >>> x = numpy.linalg.solve(m, v) >>> x matrix([[ 0.96521739], [ 0.17391304], [ 0.46086957]]) >>> m * x matrix([[ 2.], [ 3.], [ 4.]]) >>> v matrix([[2], [3], [4]]) >>>
讨论
很显然线性代数是个非常大的主题,已经超出了本书能讨论的范围。 但是,如果你需要操作数组和向量的话, numpy 是一个不错的入口点。 可以访问 numpy 官网 获取更多信息。
以上就是python 执行矩阵与线性代数运算的详细内容,更多关于python 矩阵与线性代数运算的资料请关注其它相关文章!
上一篇: Python 日期与时间转换的方法