Numpy基础教程 — 线性代数

 

本教程适合于numpy基础入门，更多详尽内容请阅读官网http://www.numpy.org/，此篇为numpy基础学习教程系列之线性代数篇，倾向于实践用法，后续还会推出一系列numpy其它方面的教程，欢迎广大圈友一起交流学习，并指出其中的错误。

 

注意：以下np为import numpy as np中的np标识符

 

np.linalg.inv(A)：计算矩阵A的逆矩阵

注意：如果矩阵A是奇异矩阵或非方阵，则会抛出异常

 

np.linalg.pinv(A)：计算矩阵A的广义逆矩阵。

 

(a, residuals, rank, s) = np.linalg.lstsq(x, b)：用最小二乘法求解线性方程组a*x=b，其中a为求解后的系数

 

np.linalg.solve(A, b)：求解线性方程组A*x=b的解。

注意：A为系数矩阵，b为常数向量

 

np.linalg.eigvals(A)：求解矩阵A的特征值

 

np.linalg.eig(A)：求解矩阵A的特征值和特征向量，该函数返回一个元组，按列排放的特征值和对应的特征向量，其中第一个元素为特征值，第二个元素为特征向量（列向量）

 

U, Sigma, V = np.linalg.svd(A, full_matrices=False)：对矩阵A进行奇异值分解

 

注意：Sigma是对角线上的元素组成的数组，非对角线上的元素为0

 

np.linalg.det(A)：矩阵求行列式（标量）

 

np.linalg.norm(x,ord=None, axis=None,keepdims=False)：表示范数，范数是对向量（或者矩阵）的度量，是一个标量