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
冷月半明23 分钟前
Python项目打包指南:PyInstaller与SeleniumWire的兼容性挑战及解决方案
python·selenium
冷月半明23 分钟前
《Pandas 性能优化:向量化操作 vs. Swifter 加速,谁才是大数据处理的救星?》
python·数据分析·pandas
蹦蹦跳跳真可爱58930 分钟前
Python----机器学习(基于PyTorch的线性回归)
人工智能·pytorch·python·机器学习·线性回归
搞不懂语言的程序员1 小时前
装饰器模式详解
开发语言·python·装饰器模式
mosquito_lover11 小时前
矿山边坡监测预警系统设计
人工智能·python·深度学习·神经网络·视觉检测
船长@Quant1 小时前
PyTorch量化进阶教程:第二章 Transformer 理论详解
pytorch·python·深度学习·transformer·量化交易·sklearn·ta-lib
攻城狮7号2 小时前
【第一节】Python爬虫基础-HTTP基本原理
爬虫·python·python爬虫
IT乐手2 小时前
adb logcat 写文件乱码的解决方案
android·python
Python测试之道2 小时前
Deepseek API+Python 测试用例一键生成与导出 V1.0.6(加入分块策略,返回更完整可靠)
开发语言·python·测试用例
SRC_BLUE_172 小时前
Python GUI 编程 | QObject 控件基类详解 — 定时器
开发语言·数据库·python