python库01—scipy.linalg(线性代数)

  

目录

1.矩阵的基本运算 

1.1 矩阵的逆:linalg.inv()

1.2 求解线性方程组：linalg.solve()

1.3 行列式 ：linalg.det(A)

 1.4 计算范数：linalg.norm(B)

1.5 矩阵的特征向量(linalg.eig(A))

2.矩阵分解

---

基础算法：SciPy提供了用于优化，积分，插值，特征值问题，代数方程，微分方程，统计和许多其他类问题的算法。SciPy 是一个开源的 Python 算法库和数学工具包。

 官网

Scipy总结

参考文章

from scipy import linalg

1.矩阵的基本运算 

import numpy as np
import matplotlib.pyplot as plt
from scipy import linalg

1.1 矩阵的逆:linalg.inv()

#矩阵的逆:  linalg.inv(a)
a = np.array([[1,2],[3,4]])
print(linalg.inv(a))

1.2 求解线性方程组：linalg.solve()

# 求解线性方程组: linalg.solve(A,B)
A=np.array([[1,2,3],
            [4,5,6],
            [7,8,9]])

B=np.array([[7],[13],[19]])

print(linalg.solve(A,B)) #linalg.solve(A,B)

# LinAlgWarning: Ill-conditioned matrix (rcond=2.20282e-18)  # SciPy 警告消息：“检测到病态矩阵”

 

1.3 行列式 ：linalg.det(A)

# 行列式 ：linalg.det(A)
A=np.array([[1,0,3],
            [4,5,0],
            [0,8,9]])

print(linalg.det(A))
# 141.0

 1.4 计算范数：linalg.norm(B)

#计算范数：linalg.norm(B)
B=np.array([3,4,12])
print(linalg.norm(B))

#返回值为 13.0

1.5 矩阵的特征向量(linalg.eig(A))

linalg.eig(A)

A=np.array([[1,0],[1/2,2]])

print(linalg.eig(A))

2.矩阵分解

LU分解等