Python---Numpy线性代数


1.数组和矩阵操作:
创建数组和矩阵:np.array, np.matrix
基本的数组操作:形状修改、大小调整、转置等

import numpy as np# 创建一个 2x3 的数组
A = np.array([[1, 2, 3], [4, 5, 6]])
print("数组 A:\n", A)# 将数组 A 转换为矩阵
B = np.matrix(A)
print("矩阵 B:\n", B)
# 例一:
# 定义两个矩阵 C 和 D
C = np.array([[1, 2], [3, 4]])
D = np.array([[5, 6], [7, 8]])# 进行矩阵乘法
result = np.dot(C, D)
print("矩阵乘法结果:\n", result)# 例二:
x1 = np.array([[1, 2, 3], [4, 5, 6]])x2 = np.array([[1, 2], [3, 4],[5, 6]])# 矩阵乘法
print(x1.dot(x2))# 计算对角线之和
print(x2.trace())


2.线性代数运算:
矩阵乘法:np.dot, np.matmul
内积和外积:np.inner, np.outer
点积:np.dot (对于一维数组)
对角线之和:np.trace()

# 定义系数矩阵和常数向量
coefficients = np.array([[3, 1], [1, 2]])
constants = np.array([9, 8])# 求解线性方程组
solution = np.linalg.solve(coefficients, constants)
print("线性方程组的解:\n", solution)

3.特征值和特征向量:
计算矩阵的特征值和特征向量:np.linalg.eig
特征值分解:np.linalg.eigvalsh, np.linalg.eigh

# 定义一个需要计算特征值和特征向量的矩阵
E = np.array([[1, 2], [2, 1]])# 计算特征值和特征向量
eigenvalues, eigenvectors = np.linalg.eig(E)
print("特征值:\n", eigenvalues)
print("特征向量:\n", eigenvectors)

4.矩阵分解:
奇异值分解(SVD):np.linalg.svd
卢分解(LU):np.linalg.lu
特征值分解(如前所述)

# 定义一个用于奇异值分解的矩阵
F = np.array([[2, 3], [4, 5]])# 进行奇异值分解
U, S, VT = np.linalg.svd(F)
print("U 矩阵:\n", U)
print("奇异值:\n", S)
print("VT 矩阵:\n", VT)

5.线性方程组求解:
解决线性方程组:np.linalg.solve
计算矩阵的逆:np.linalg.inv

# 定义一个矩阵
G = np.array([[1, 2], [3, 4]])# 计算行列式
det_G = np.linalg.det(G)
print("矩阵 G 的行列式:\n", det_G)# 计算矩阵的迹
trace_G = np.trace(G)
print("矩阵 G 的迹:\n", trace_G)


6.行列式和迹:
计算矩阵的行列式:np.linalg.det
计算矩阵的迹:np.trace

# 创建一个 3x3 矩阵
matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])# 计算矩阵的行列式
det_value = np.linalg.det(matrix)
print("矩阵的行列式为:", det_value)
# 使用之前定义的矩阵
trace_value = np.trace(matrix)
print("矩阵的迹为:", trace_value)

7.范数和条件数:
计算向量的范数:np.linalg.norm
计算矩阵的条件数:np.linalg.cond

# 定义一个向量
vector = np.array([3, 4])# 计算向量的 L2 范数
norm = np.linalg.norm(vector)
print("向量的 L2 范数:\n", norm)

8.三角函数和相关函数:
正弦、余弦等三角函数:np.sin, np.cos 等
反三角函数:np.arcsin, np.arccos 等

# 定义一个包含两个元素的数组,代表角度(以弧度为单位)
angles = np.array([0, np.pi / 2])# 计算正弦和余弦值
sine_values = np.sin(angles)
cosine_values = np.cos(angles)print("角度的正弦值:", sine_values)
print("角度的余弦值:", cosine_values)# 定义一个包含两个元素的数组,代表正弦和余弦值
sine_cosine_values = np.array([np.sin(np.pi / 4), np.cos(np.pi / 4)])# 计算反正弦和反余弦值
arc_sine_value = np.arcsin(sine_cosine_values[0])
arc_cosine_value = np.arccos(sine_cosine_values[1])print("反正弦值:", arc_sine_value)
print("反余弦值:", arc_cosine_value)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/798632.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

SpringBoot项目打包和部署

目录 1.插件 2.打包 3.运行 1.插件 此插件会在pom中自动添加 <build><plugins><plugin><groupId>org.springframework.boot</groupId><artifactId>spring-boot-maven-plugin</artifactId></plugin></plugins></bu…

HTML:HTML事件汇总

html事件是用户和页面交互的一些效果 &#xff0c;用户通过点击&#xff0c;触摸等等方式更新数据&#xff0c;页面在加载完成之后的交互效果就需要通过触发事件来完成&#xff0c;事件大概分为&#xff0c;鼠标事件&#xff0c;窗口事件&#xff0c;表单事件&#xff0c;键盘事…

Golang 创建一个简单的内存池

内存池主要作用是减少内存分配和释放的开销&#xff0c;提高程序的性能和效率。内存池通过预先分配一块较大的内存区域&#xff0c;然后将这块区域分割成多个小块&#xff0c;用于存储特定类型的数据。这样&#xff0c;当程序需要分配内存时&#xff0c;可以直接从内存池中获取…

深入了解 JavaScript 中的 Promise 相关方法:all、race 和 allSettled

在 JavaScript 开发中&#xff0c;处理异步操作是很常见的需求。随着 ECMAScript 6&#xff08;ES6&#xff09;的引入&#xff0c;Promise 成为了处理异步操作的主要方式之一。而在 Promise 的方法中&#xff0c;Promise.all()、Promise.race() 和 Promise.allSettled() 是一些…

【软考】23种设计模式详解,记忆方式,并举例说明

23种设计模式详解&#xff0c;举例说明 一、创建型模式1.1、抽象工厂模式&#xff08;Abstract Factory&#xff09;1.1.1、简介1.1.2、意图与应用场景1.1.3、结构1.1.4、优缺点1.1.4、示例代码&#xff08;简化版&#xff09; 1.2、建造者模式&#xff08;Builder&#xff09;…

c++的学习之路:16、string(3)

上章有一些东西当时没学到&#xff0c;这里学到了将在补充&#xff0c;文章末附上代码&#xff0c;思维导图。 目录 一、赋值重载 二、带模板的创建 三、析构函数 四、代码 五、思维导图 一、赋值重载 这里的赋值重载就是直接利用交换函数进行把传参生成的临时数据和需要…

【iOS】UITableView性能优化

文章目录 前言一、优化的本质二、卡顿产生原因三、CPU层面优化1.使用轻量级对象2.cellForRowAtIndexPath方法中不要做耗时操作3.UITableView的复用机制4.提前计算好布局了解tableView代理方法执行顺序cell高度计算rowHeightestimatedRowHeight 高度计算进行时机rowHeight计算时…

基于Spring boot+Vue的业余排球俱乐部会员管理系统

5 系统功能模块的具体实现 5.1超级会员角色 5.1.1 登录 超级管理员登录通过用户名和密码去数据库查询用户表&#xff0c;该名称是否在用户表中存在&#xff0c;如果存在&#xff0c;则通过用户名和密码查询密码是否正确&#xff0c;然后吧用户的信息存在jwt的负载里&#xf…

【CicadaPlayer】demuxer_service的简单理解

G:\CDN\all_players\CicadaPlayer-github-0.44\mediaPlayer\SMPMessageControllerListener.cppplayer的demuxer服务类 std::unique_ptr<demuxer_service> mDemuxerService{nullptr};根据option (Cicada::options),可以决定音视频的不同操作,通过 hander可以获得具体使…

探究“大模型+机器人”的现状和未来

基础模型(Foundation Models)是近年来人工智能领域的重要突破&#xff0c;在自然语言处理和计算机视觉等领域取得了显著成果。将基础模型引入机器人学&#xff0c;有望从感知、决策和控制等方面提升机器人系统的性能&#xff0c;推动机器人学的发展。由斯坦福大学、普林斯顿大学…

Deepin20.9下用docker安装oracle12c企业版

1.下载oracle的docker镜像制作工具 链接URL&#xff1a; https://github.com/oracle/docker-images/archive/refs/heads/main.zip 或 https://codeload.github.com/oracle/docker-images/zip/refs/heads/main 下载docker-images-main.zip 解压至目录~/下。 2.下载oracle12c安…

【Linux】在 Linux 上进行网络测速

文章目录 内网节点间测速(iperf3)公网测速(speedtest) 内网节点间测速(iperf3) iperf3是一种网络性能测试工具&#xff0c;它可以测量TCP和UDP数据传输的带宽、延迟、抖动等指标。要使用iperf3&#xff0c;你需要在两台计算机上安装这个工具&#xff0c;一台作为服务器&#x…

AI推介-多模态视觉语言模型VLMs论文速览(arXiv方向):2024.03.31-2024.04.05

文章目录~ 1.Know Your Neighbors: Improving Single-View Reconstruction via Spatial Vision-Language Reasoning2.DeViDe: Faceted medical knowledge for improved medical vision-language pre-training3.Is CLIP the main roadblock for fine-grained open-world percept…

目标检测YOLO实战应用案例100讲-基于特征融合和预测细化的遥感图像目标检测

目录 前言 国内外研究现状 传统遥感目标检测方法 基于模板匹配的方法

Redis中的Sentinel(六)

Sentinel 选举领头Sentinel. 当一个主服务器被判断为客观下线时&#xff0c;监视这个下线主服务器的各个Sentinel会进行协商&#xff0c;选举出一个领头Sentinel,并由领头 Sentinel对下线主服务器执行故障转移操作。以下是Redis选举领头Sentinel的规则和方法: 1.所有在线的S…

display grid 概要

display grid 概要 Grid 基本概念: 什么是 CSS Grid 布局&#xff1f; CSS Grid 布局是一个二维布局系统&#xff0c;允许开发者创建复杂的网格布局&#xff0c;这是一个在行和列上同时控制布局的方法。 Grid 布局与 Flexbox 有什么不同&#xff1f; 与 Flexbox 相比&#xff…

大日志精选案例四:某省级大数据集团日志审计优化实战解析

“在集团日常运营中&#xff0c;数据安全始终是我们关注的重点。过去&#xff0c;数据量大、处理速度慢&#xff0c;导致日志数据难以迅速获取和分析&#xff0c;影响业务决策。但自从引入聚铭大日志解决方案后&#xff0c;系统日志和用户行为数据都得到了高效处理与存储。该方…

如何创建虚拟环境打包py文件

Python 项目通常依赖于特定的库和版本。不同的项目可能依赖于相同库的不同版本&#xff0c;这可能导致冲突。使用虚拟环境&#xff0c;你可以为每个项目创建一个独立的 Python 环境&#xff0c;每个环境都有自己的库和版本&#xff0c;从而避免了依赖冲突。 采用虚拟环境打包P…

【工具】将类里的属性解析成属性描述的JSONArray数组

新建一个类&#xff0c;将类里的属性逐个解析出来&#xff0c;用一个json对象封装每一个属性的描述&#xff0c;展示上下级关系&#xff1b; maven依赖 <dependency><groupId>com.alibaba</groupId><artifactId>fastjson</artifactId><versi…

Nginx配置之localhost和反向代理

文章目录 第一步、查看安装位置和配置文件第二步、web服务器设置第三步、localhost 指令第四步、设置反向代理 清明假期&#xff0c;在家练习Nginx配置&#xff0c;在前期【 linux环境下安装配置nginx代理服务器】已经完成nginx环境搭建&#xff0c;本期主要实践web服务器&…