矩阵matrix

点积

在 NumPy 中,dot 是矩阵或向量的点积(dot product)操作。

假设有两个向量a和 b,它们的点积定义为对应元素相乘,然后求和。公式如下:

例子:

点积的计算步骤是:

因此,a.dot(b) 返回的结果是 6。

dot 的含义:

  • 对于 1D 数组(向量),dot 表示向量的点积。
  • 对于 2D 数组(矩阵),dot 表示矩阵乘法。

矩阵乘法

矩阵:

问题:

矩阵乘法。逐步分析:


numpy.linalg.inv() 与 numpy.linalg.solve()

numpy.linalg.inv() 和 numpy.linalg.solve() 都是用于解决线性代数问题的函数,但它们有不同的用途和计算方式。比较一下它们的区别:

1. linalg.inv(): 计算矩阵的逆矩阵

用法:
python 复制代码
import numpy as np
np.linalg.inv(A)
  • 场景: 当你需要明确知道矩阵的逆时使用。
示例:
python 复制代码
A = np.array([[1, 2], [3, 4]])
A_inv = np.linalg.inv(A)

这个代码会返回矩阵 ( A ) 的逆矩阵。

适用场景:
  • 当你需要求矩阵的逆时,使用 inv 函数。
  • 但是直接求逆并不总是最好的做法,因为逆矩阵的计算在数值上可能不稳定,特别是当矩阵接近奇异时。

2. linalg.solve(): 解线性方程组

用法:
python 复制代码
import numpy as np
np.linalg.solve(A, b)
  • 功能: 直接求解线性方程组 A * x = b 中的未知数向量 x。
  • 场景: 当你想要解某个线性方程组时,比直接计算逆矩阵效率更高且更稳定。
示例:
python 复制代码
A = np.array([[1, 2], [3, 4]])
b = np.array([5, 6])
x = np.linalg.solve(A, b)

这个代码会解出 A * x = b 中的 x 值。

适用场景:
  • 当你只需要解线性方程组时,linalg.solve() 是最有效率的选择,因为它内部使用了专门的数值方法,避免了求矩阵逆的额外开销。

总结:

  • linalg.inv(): 用于计算矩阵的逆。虽然你可以通过计算逆矩阵然后再与右侧的矩阵相乘来解线性方程组,但这是不推荐的做法,因为逆矩阵计算较慢且不稳定。

  • linalg.solve(): 直接求解线性方程组 ( A * x = b ),推荐用于解方程组的场景,速度更快且数值更稳定。

推荐 : 如果你的目的是解方程组,使用 linalg.solve() 而不是先求矩阵的逆再乘以结果。

相关推荐
黑客笔记8 小时前
python小工具win7翻车事故现场
python
罗西的思考9 小时前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(2)
人工智能·算法·机器学习
罗西的思考9 小时前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(1)
人工智能·算法·机器学习
岁月宁静10 小时前
从零拆解 AI 语音模拟面试系统
人工智能·python·agent
benchmark_cc10 小时前
个人开发者接入五档盘口:用 QuantDash 读取单只股票的验收清单与易错点
python·数据分析·pandas·量化交易·股票数据·quantdash
武子康11 小时前
H3-World 接入 Game Agent:谁来判断门真的打开了?
人工智能·算法·机器学习
ZhengEnCi12 小时前
项目越写越乱?先别改架构:用一次目录重排 + 一份可复算的体检脚本把乱治住
python·架构·ai编程
Dmz丶12 小时前
前端转 AI 100 天 Day 45:阶段复盘——从“会调 API”到“做出 AI 产品”
python
XLYcmy13 小时前
基于大语言模型的智能漏洞检测与修复系统 作品报告评审分析报告 下
机器学习·llm·prompt·api·token·漏洞修复·漏洞检测
Sakura_j_h_13 小时前
MCP SDK 2.0 实战:用 MCPServer 搭本地笔记检索服务
开发语言·笔记·python·qt·ai工具·mcp·mcpserver