Python 은 행렬 과 선형 대수 연산 을 실행 합 니 다.
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 방안
NumPy
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.linalg
하위 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!
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
Python의 None과 NULL의 차이점 상세 정보그래서 대상 = 속성 + 방법 (사실 방법도 하나의 속성, 데이터 속성과 구별되는 호출 가능한 속성 같은 속성과 방법을 가진 대상을 클래스, 즉 Classl로 분류할 수 있다.클래스는 하나의 청사진과 같아서 하나의 ...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.