Python 은 행렬 과 선형 대수 연산 을 실행 합 니 다.

문제.
너 는 행렬 과 선형 대수 연산 을 실행 해 야 한다.예 를 들 어 행렬 곱셈,행렬식 찾기,선형 방정식 풀이 등 이다.
해결 방안NumPy 라 이브 러 리 에 행렬 대상 이 있어 서 이 문 제 를 해결 할 수 있다.
행렬 은 3.9 소절 의 배열 대상 과 유사 하지만 선형 대수 의 계산 규칙 을 따른다.다음 의 예 는 행렬 의 기본 적 인 특성 을 보 여 주 었 다.

>>> import numpy as np
>>> m = np.matrix([[1,-2,3],[0,4,5],[7,8,-9]])
>>> m
matrix([[ 1, -2, 3],
    [ 0, 4, 5],
    [ 7, 8, -9]])

>>> # Return transpose
>>> m.T
matrix([[ 1, 0, 7],
    [-2, 4, 8],
    [ 3, 5, -9]])

>>> # Return inverse
>>> m.I
matrix([[ 0.33043478, -0.02608696, 0.09565217],
    [-0.15217391, 0.13043478, 0.02173913],
    [ 0.12173913, 0.09565217, -0.0173913 ]])

>>> # Create a vector and multiply
>>> v = np.matrix([[2],[3],[4]])
>>> v
matrix([[2],
    [3],
    [4]])
>>> m * v
matrix([[ 8],
    [32],
    [ 2]])
>>>
numpy.linalg하위 패키지 에서 더 많은 조작 함 수 를 찾 을 수 있 습 니 다.예 를 들 어:

>>> import numpy.linalg

>>> # Determinant
>>> numpy.linalg.det(m)
-229.99999999999983

>>> # Eigenvalues
>>> numpy.linalg.eigvals(m)
array([-13.11474312, 2.75956154, 6.35518158])

>>> # Solve for x in mx = v
>>> x = numpy.linalg.solve(m, v)
>>> x
matrix([[ 0.96521739],
    [ 0.17391304],
    [ 0.46086957]])
>>> m * x
matrix([[ 2.],
    [ 3.],
    [ 4.]])
>>> v
matrix([[2],
    [3],
    [4]])
>>>
토론 하 다.
선형 대 수 는 매우 큰 주제 로 이 책 이 토론 할 수 있 는 범 위 를 넘 어 섰 음 이 분명 하 다.하지만 배열 과 벡터 를 조작 해 야 한다 면 NumPy 는 좋 은 입구 점 입 니 다.NumPy 홈 페이지http://www.numpy.org를 방문 해 더 많은 정 보 를 얻 을 수 있다.
이상 은 Python 이 행렬 과 선형 대수 연산 을 수행 하 는 상세 한 내용 입 니 다.Python 행렬 과 선형 대수 연산 에 관 한 자 료 는 우리 의 다른 관련 글 에 주목 하 십시오!

좋은 웹페이지 즐겨찾기