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]])