numpy — 线性代数

矩阵乘法的dot
NumPy提供了一个用于矩阵乘法的dot函数

x = np.array([[1., 2., 3.], [4., 5., 6.]])
y = np.array([[6., 23.], [-1, 7], [8, 9]])
x.dot(y) # 相当于np.dot(x, y)


>>>array([[ 28., 64.], [ 67., 181.]])
#.(点)表示将整数化为浮点数

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

常用的线性代数函数 from numpy.linalg import inv, qr...

函数 说明
diag 以一维数组的形式返回仿真的(或非)对角线元素,或将一维数组转化为方阵
dot 矩阵乘法
vdot 两个向量的点积
inner 两个数组的内积
matmul 两个数组的矩阵乘积
trace 计算对角线的和
linalg函数 说明
det 计算矩阵行列式
eig 计算方阵本征值和本征向量
inv 计算方阵的逆
pinv 计算矩阵的Moore-Penrose违逆
qr 计算QR分解
svd 计算奇异值分解
solve 解线性方程组Ax=b,A为一个方阵
lstsq 计算Ax=b的最小二乘解

函数示例

arr = np.arange(36).reshape((6,6))
arr
Out[89]: 
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23],
       [24, 25, 26, 27, 28, 29],
       [30, 31, 32, 33, 34, 35]])

你可能感兴趣的:(numpy — 线性代数)