线性代数的主要内容是 矩阵乘法、矩阵分解和行列式等，由于矩阵运算方法与基本的数值计算有极大的不同， NumPy提供了专门的 方法或函数实现线性代数操作。
import numpy as np
x = np.array([[1,2,3],[4,5,6]])
y = np.array([[3,4,5],[7,8,9]])
print(x*y)
[[ 3 8 15]
[28 40 54]]
Process finished with exit code 0
使用乘法运算符得到的是两个数组元素级别的相乘，而不是矩阵点积，点积操作需要使用dot()函数（或方法）。
当然矩阵间的点积是需要， 满足矩阵计算条件，以上的x和y显然不符合要求。
import numpy as np
x = np.array([[3,4],[7,8],[5,7],[6,5]])
y = np.array([[1,2,3],[4,5,6]])
print(np.dot(x,y))
[[19 26 33]
[39 54 69]
[33 45 57]
[26 37 48]]
Process finished with exit code 0
这里的矩阵x是4行2列,矩阵y是2行3列，x点积y结果为4行3列。
np.dot(x,y) 函数操作可以使用等价的 x.dot(y) 方法操作实现，还可以使用中缀运算符 @ 。
print(x.dot(y))
print(x@y)
NumPy的子模块中提供了一组函数，用于实现标准的矩阵分解运算、求逆、求行列式等。
常用的线性代数函数：
函数说明det求行列式determinant数组的行列式diag返回方阵的对角线（或非对角线）元素dot两个数组的点积，即元素对应相乘eig求方阵的本征值、本征向量inner两个数组的内积inv计算矩阵的乘法逆矩阵lstsq求线性方程最小二乘解matmul两个数组的矩阵积pinv求Moore-Penrose伪逆qrQR分解solve求解线性矩阵方程svd奇异值分解trace求对角线元素和vdot两个向量的点积
Original: https://blog.csdn.net/XQC_KKK/article/details/122731667
Author: 上课不要睡觉了
Title: NumPy——数组函数与方法_线性代数操作
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/761347/
转载文章受原作者版权保护。转载请注明原作者出处！