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()numpy.linalg.solve()

numpy.linalg.inv()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
老饼讲解-BP神经网络36 分钟前
一篇入门之-评分卡变量分箱(卡方分箱、决策树分箱、KS分箱等)实操例子
算法·决策树·机器学习
pyengine1 小时前
基于pandoc的MarkDown格式与word相互转换小工具开发(pyqt5)
开发语言·python·qt·word
YuSun_WK1 小时前
配置MambaIRv2: Attentive State Space Restoration的环境
开发语言·python
Nick_zcy1 小时前
开发基于python的商品推荐系统,前端框架和后端框架的选择比较
开发语言·python·前端框架·flask·fastapi
小墙程序员1 小时前
机器学习入门(五)聚类算法
机器学习
CoderCodingNo1 小时前
【GESP】C++二级真题 luogu-B4259 [GESP202503 二级] 等差矩阵
java·c++·矩阵
一点.点2 小时前
李沐动手深度学习(pycharm中运行笔记)——04.数据操作
pytorch·笔记·python·深度学习·pycharm·动手深度学习
Niuguangshuo2 小时前
Python 设计模式:访问者模式
python·设计模式·访问者模式
Jamesvalley2 小时前
【Django】新增字段后兼容旧接口 This field is required
后端·python·django
Luck_ff08103 小时前
【Python爬虫详解】第四篇:使用解析库提取网页数据——BeautifuSoup
开发语言·爬虫·python