;矩阵创建;矩阵创建;矩阵基本属性(转置、共轭、逆矩阵)
importnumpyasnp
mat=np.matrix(np.arange(4).reshape(2,2))
mT=mat.T
mH=mat.H
mI=mat.I
;importnumpyasnp
mat1=np.mat(123;456;789)
mat2=mat1*3
mat3=mat1+mat2
mat4=mat1-mat2
mat5=mat1*mat2
mat6=np.multiply(mat1,mat2)#点乘
;线性代数运算
线性代数是数学的一个重要分支。Numpy包含numpy.linalg模块,提供线性代数所需的功能,如计算逆矩阵、求解线性方程组、求特征值、奇异值分解以及求解行列式等。numpy.linalg模块中的一些常用函数表
;
计算逆矩阵
使用numpy.linalg模块中的inv函数可以计算逆矩阵
importnumpyasnp
mat=np.mat(111;123;136)
inverse=np.linalg.inv(mat)
A=np.dot(mat,inverse)
;求解线性方程组
numpy.linalg模块中的solve函数可以求解线性方程组
importnumpyasnp
您可能关注的文档
- Python金融数据分析与挖掘(微课版) 课件 1-1. Python基本数据类型与基本数据结构.pptx
- Python金融数据分析与挖掘(微课版) 课件 1-2. Python公有方法.pptx
- Python金融数据分析与挖掘(微课版) 课件 1-3. Python基本数据结构方法.pptx
- Python金融数据分析与挖掘(微课版) 课件 2-1. 数组创建与操作.pptx
- Python金融数据分析与挖掘(微课版) 课件 3-1.序列.pptx
- Python金融数据分析与挖掘(微课版) 课件 3-2.数据框.pptx
- Python金融数据分析与挖掘(微课版) 课件 3-3.外部文件读取.pptx
- Python金融数据分析与挖掘(微课版) 课件 3-4.常用函数.pptx
- Python金融数据分析与挖掘(微课版) 课件 3-5.常用计算任务.pptx
- Python金融数据分析与挖掘(微课版) 课件 -4. Python条件语句、循环语句与函数.pptx
原创力文档

文档评论(0)