NumPy教程:线性代数(numpy.linalg模块)及python示例

2018-09-2710:47:19后端程序开发Comments5,439 views字数 2906阅读模式

NumPy - 线性代数

NumPy 包包含numpy.linalg模块,提供线性代数所需的所有功能。 此模块中的一些重要功能如下表所述。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

序号函数及描述
1.dot 两个数组的点积
2.vdot 两个向量的点积
3.inner 两个数组的内积
4.matmul 两个数组的矩阵积
5.determinant 数组的行列式
6.solve 求解线性矩阵方程
7.inv 寻找矩阵的乘法逆矩阵

numpy.dot()

此函数返回两个数组的点积。 对于二维向量,其等效于矩阵乘法。 对于一维数组,它是向量的内积。 对于 N 维数组,它是a的最后一个轴上的和与b的倒数第二个轴的乘积。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

import numpy.matlib 
import numpy as np 

a = np.array([[1,2],[3,4]]) 
b = np.array([[11,12],[13,14]]) 
np.dot(a,b)

输出如下:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

[[37  40] 
 [85  92]]

要注意点积计算为:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

[[1*11+2*13, 1*12+2*14],[3*11+4*13, 3*12+4*14]]

numpy.vdot()

此函数返回两个向量的点积。 如果第一个参数是复数,那么它的共轭复数会用于计算。 如果参数id是多维数组,它会被展开。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

例子文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

import numpy as np 
a = np.array([[1,2],[3,4]]) 
b = np.array([[11,12],[13,14]]) 
print np.vdot(a,b)
Python

输出如下:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

130
Python

注意:1*11 + 2*12 + 3*13 + 4*14 = 130文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

numpy.inner()

此函数返回一维数组的向量内积。 对于更高的维度,它返回最后一个轴上的和的乘积。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

例子文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

import numpy as np 
print np.inner(np.array([1,2,3]),np.array([0,1,0])) 
# 等价于 1*0+2*1+3*0
Python

输出如下:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

2
Python

例子文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

# 多维数组示例 
import numpy as np 
a = np.array([[1,2], [3,4]]) 

print '数组 a:' 
print a 
b = np.array([[11, 12], [13, 14]]) 

print '数组 b:' 
print b 

print '内积:' 
print np.inner(a,b)
Python

输出如下:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

数组 a:
[[1 2]
[3 4]]

数组 b:
[[11 12]
[13 14]]

内积:
[[35 41]
[81 95]]
Python

上面的例子中,内积计算如下:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

1*11+2*12, 1*13+2*14 
3*11+4*12, 3*13+4*14
Python

numpy.matmul

numpy.matmul()函数返回两个数组的矩阵乘积。 虽然它返回二维数组的正常乘积,但如果任一参数的维数大于2,则将其视为存在于最后两个索引的矩阵的栈,并进行相应广播。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

另一方面,如果任一参数是一维数组,则通过在其维度上附加 1 来将其提升为矩阵,并在乘法之后被去除。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

例子文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

# 对于二维数组,它就是矩阵乘法
import numpy.matlib 
import numpy as np 

a = [[1,0],[0,1]] 
b = [[4,1],[2,2]] 
print np.matmul(a,b)
Python

输出如下:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

[[4  1] 
 [2  2]]
Python

例子文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

# 二维和一维运算
import numpy.matlib 
import numpy as np 

a = [[1,0],[0,1]] 
b = [1,2] 
print np.matmul(a,b) 
print np.matmul(b,a)
Python

输出如下:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

[1  2] 
[1  2]
Python

例子文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

# 维度大于二的数组 
import numpy.matlib 
import numpy as np 

a = np.arange(8).reshape(2,2,2) 
b = np.arange(4).reshape(2,2) 
print np.matmul(a,b)
Python

输出如下:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

[[[2   3] 
   [6   11]] 
  [[10  19] 
   [14  27]]]
Python

numpy.linalg.det()

行列式在线性代数中是非常有用的值。 它从方阵的对角元素计算。 对于 2×2 矩阵,它是左上和右下元素的乘积与其他两个的乘积的差。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

换句话说,对于矩阵[[a,b],[c,d]],行列式计算为ad-bc。 较大的方阵被认为是 2×2 矩阵的组合。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

numpy.linalg.det()函数计算输入矩阵的行列式。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

例子文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

import numpy as np
a = np.array([[1,2], [3,4]]) 
print np.linalg.det(a)
Python

输出如下:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

-2.0
Python

例子文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

b = np.array([[6,1,1], [4, -2, 5], [2,8,7]]) 
print b 
print np.linalg.det(b) 
print 6*(-2*7 - 5*8) - 1*(4*7 - 5*2) + 1*(4*8 - -2*2)
Python

输出如下:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

[[ 6 1 1]
 [ 4 -2 5]
 [ 2 8 7]]

-306.0

-306
Python

numpy.linalg.solve()

numpy.linalg.solve()函数给出了矩阵形式的线性方程的解。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

考虑以下线性方程:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

x + y + z = 6

2y + 5z = -4

2x + 5y - z = 27
Python

可以使用矩阵表示为:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

NumPy教程:线性代数(numpy.linalg模块)及python示例文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

如果矩阵成为AXB,方程变为:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

AX = B
Python

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

X = A^(-1)B
Python

numpy.linalg.inv()

我们使用numpy.linalg.inv()函数来计算矩阵的逆。 矩阵的逆是这样的,如果它乘以原始矩阵,则得到单位矩阵。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

例子文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

import numpy as np 

x = np.array([[1,2],[3,4]]) 
y = np.linalg.inv(x) 
print x 
print y 
print np.dot(x,y)
Python

输出如下:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

[[1 2]                                                                        
 [3 4]]                                                                       
[[-2.   1. ]                                                                  
 [ 1.5 -0.5]]                                                                 
[[  1.00000000e+00   1.11022302e-16]                                          
 [  0.00000000e+00   1.00000000e+00]]
Python

例子文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

现在让我们在示例中创建一个矩阵A的逆。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

import numpy as np 
a = np.array([[1,1,1],[0,2,5],[2,5,-1]]) 

print '数组 a:'
print a 
ainv = np.linalg.inv(a) 

print 'a 的逆:' 
print ainv  

print '矩阵 b:' 
b = np.array([[6],[-4],[27]]) 
print b 

print '计算:A^(-1)B:' 
x = np.linalg.solve(a,b) 
print x  
# 这就是线性方向 x = 5, y = 3, z = -2 的解
Python

输出如下:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

数组 a:
[[ 1 1 1]
 [ 0 2 5]
 [ 2 5 -1]]

a 的逆:
[[ 1.28571429 -0.28571429 -0.14285714]
 [-0.47619048 0.14285714 0.23809524]
 [ 0.19047619 0.14285714 -0.0952381 ]]

矩阵 b:
[[ 6]
 [-4]
 [27]]

计算:A^(-1)B:
[[ 5.]
 [ 3.]
 [-2.]]
Python

结果也可以使用下列函数获取文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html

x = np.dot(ainv,b)
文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5894.html
  • 本站内容整理自互联网,仅提供信息存储空间服务,以方便学习之用。如对文章、图片、字体等版权有疑问,请在下方留言,管理员看到后,将第一时间进行处理。
  • 转载请务必保留本文链接:https://www.cainiaoxueyuan.com/bc/5894.html

Comment

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen:

确定