怎么在Python中使用numpy线性代数？很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。
numpy中线性代数用法
矩阵乘法
计算
安全
数据库
网络和加速
企业服务
>>> import numpy as np
>>> x=np.array([[1,2,3],[4,5,6]])
>>> y=np.array([[7,8],[-1,7],[8,9]])
>>> x
array([[1, 2, 3],
[4, 5, 6]])
>>> y
array([[ 7, 8],
[-1, 7],
[ 8, 9]])
>>> x.dot(y)
array([[ 29, 49],
[ 71, 121]])
>>> np.dot(x,y)
array([[ 29, 49],
[ 71, 121]])计算点积
>>> a=np.array([[1,2],[3,4]])
>>> b=np.array([[11,12],[12,13]])
>>> np.vdot(a,b)
123计算的公式是
result=1*11+2*12+3*12+4*13计算内积
>>> np.inner(np.array([1,2,3]),np.array([0,1,0]))
2计算公式
result=1*0+2*1+3*0计算行列式
>>> np.inner(np.array([1,2,3]),np.array([0,1,0]))
2
>>> a=np.array([[1,2],[3,4]])
>>> np.linalg.det(a)
-2.0000000000000004求线性方程的解
x + y + z = 6 2y + 5z = -4 2x + 5y - z = 27
矩阵表示
>>> import numpy as np
>>> a = np.array([[1,1,1],[0,2,5],[2,5,-1]])
>>> ainv = np.linalg.inv(a)#求矩阵的逆
>>> b = np.array([[6],[-4],[27]])
>>> x = np.linalg.solve(a,b)#求解需要A-1和B
>>> x
array([[ 5.],
[ 3.],
[-2.]])
>>>看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注亿速云行业资讯频道，感谢您对亿速云的支持。
亿速云「云服务器」，即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘，价格低至29元/月。点击查看>>
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
