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
吃我一窝jio17 分钟前
Python与Go线程模型深度对比
java·开发语言·python
zwd20051 小时前
Manim 怎么放大画面的某一部分?
python·动画·可视化·manim·数学动画
屿华AI2 小时前
AUTOSAR 实战-诊断工具 | UDS 0x27 安全访问的配置化实现:种子密钥算法插件化设计
python·测试工具·汽车
RobinDevNotes2 小时前
Claude Code 剪视频,不上传、不要 API Key
人工智能·python·音视频·开发工具·ipython
如夏倾城3 小时前
VRRP(虚拟路由器冗余协议Virtual Router Redundancy Protocol)
网络·python·网络协议·安全·智能路由器·负载均衡·信息与通信
IvanCodes4 小时前
LangChain(04):Runnable 与 LCEL 的执行与组合机制
python·langchain·agent
特创数字科技4 小时前
纯本地离线运行的文档脱敏工具(技术分享)
前端·驱动开发·python
东莞市云毅网络有限公司5 小时前
用 Playwright 搭一套问答平台引用监测的最小骨架
python·数据清洗·rag·企业知识库·文档解析
Thanks_ks5 小时前
【第 010 讲】全面掌握 Python 变量与常量:变量的定义与赋值 | 标识符与命名规范 | 变量的底层机制 | 常量与魔术数字
python·内存·变量·标识符·常量·赋值·命名规范
Be for thing6 小时前
Pytorch【12】transforms进阶|图像数据增强实战,提升模型泛化能力
人工智能·pytorch·机器学习