python-np.linalg-线性代数

文章目录

  • 一、线性代数计算的函数
        • [1. 矩阵和向量的乘法:`np.dot()`](#1. 矩阵和向量的乘法:np.dot())
        • [2. 矩阵的逆:`np.linalg.inv(A)`](#2. 矩阵的逆:np.linalg.inv(A))
        • [3. 矩阵的转置:`np.transpose(A)`](#3. 矩阵的转置:np.transpose(A))
        • [4. 矩阵的行列式:`np.linalg.det(A)`](#4. 矩阵的行列式:np.linalg.det(A))
        • [5. 矩阵的特征值和特征向量:`np.linalg.eig()`](#5. 矩阵的特征值和特征向量:np.linalg.eig())
        • [6. 解线性方程组:`np.linalg.solve()`](#6. 解线性方程组:np.linalg.solve())
        • [7,范数`np.linalg.norm(x, ord=None, axis=None, keepdims=False)`](#7,范数np.linalg.norm(x, ord=None, axis=None, keepdims=False))

一、线性代数计算的函数

np.linalg是NumPy库中用于线性代数运算的子模块。

1. 矩阵和向量的乘法:np.dot()
2. 矩阵的逆:np.linalg.inv(A)

矩阵必须是方阵且可逆,否则会抛出LinAlgError异常。

3. 矩阵的转置:np.transpose(A)
4. 矩阵的行列式:np.linalg.det(A)
5. 矩阵的特征值和特征向量:np.linalg.eig()

linalg模块中,eigvals()函数可以计算矩阵的特征值,而eig()函数可以返回一个包含特征值和对应的特征向量的元组

6. 解线性方程组:np.linalg.solve()
7,范数np.linalg.norm(x, ord=None, axis=None, keepdims=False)

参数解释:

  • x:要计算范数的向量或矩阵
  • ord:范数的类型,默认为None,表示计算向量的二范数。可以设置为1、2、np.inf等不同的值,分别对应不同的范数计算方式
  • axis:指定沿着哪个轴计算范数,对于矩阵而言,可以选择0计算列向量的范数,1计算行向量的范数
  • keepdims:是否保持计算结果的维度,如果设置为True,则结果会保持与输入的维度相同,如果设置为False,则结果为标量
python 复制代码
import numpy as np

# 创建一个向量
v = np.array([1, 2, 3])

# 计算向量v的二范数
norm_v = np.linalg.norm(v)

print(norm_v)

输出结果:
3.7416573867739413

# 创建一个矩阵
A = np.array([[1, 2], [3, 4]])

# 计算矩阵A的Frobenius范数,并保持维度
norm_A = np.linalg.norm(A, ord='fro', keepdims=True)

print(norm_A)

输出结果:
array([5.47722558])
相关推荐
费弗里15 分钟前
Python全栈应用开发利器Dash 3.x新版本介绍(2)
python·dash
呆头鹅AI工作室30 分钟前
[2025CVPR]SEEN-DA:基于语义熵引导的领域感知注意力机制
人工智能·深度学习·机器学习
吴佳浩33 分钟前
Python入门指南-AI番外-MCP完整教程:从零开始学会Model Context Protocol
人工智能·python·mcp
加油吧zkf1 小时前
目标检测新纪元:DETR到Mamba实战解析
图像处理·人工智能·python·目标检测·分类
大千AI助手1 小时前
蒙特卡洛方法:随机抽样的艺术与科学
人工智能·机器学习·贝叶斯·概率·蒙特卡洛·随机
山顶望月川1 小时前
并行科技MaaS平台支持文心4.5系列开源模型调用
人工智能·机器学习·编辑器
程序员阿超的博客1 小时前
Python 数据分析与机器学习入门 (五):Matplotlib 数据可视化基础
python·信息可视化·数据分析·matplotlib·数据可视化·python教程·pyplot
站大爷IP1 小时前
Python 办公实战:用 python-docx 自动生成 Word 文档
python
FF-Studio2 小时前
【硬核数学】3. AI如何应对不确定性?概率论为模型注入“灵魂”《从零构建机器学习、深度学习到LLM的数学认知》
大数据·人工智能·深度学习·机器学习·数学建模·自然语言处理·概率论