python数组的转置 求逆 求行列式值 求它的迹 总结

首先给大家推荐一下我老师大神的人工智能教学网站。教学不仅零基础,通俗易懂,而且非常风趣幽默,还时不时有内涵黄段子!点这里可以跳转到网站

>>> import numpy as np>>> a=np.array([[1,2,3],[4,5,6],[7,8,9]])>>> aarray([[1, 2, 3],       [4, 5, 6],       [7, 8, 9]])>>> #a数组的转置直接使用.transpose()函数即可>>> a.transpose()array([[1, 4, 7],       [2, 5, 8],       [3, 6, 9]])
>>> #求数组的逆>>> aarray([[ 3.,  2.,  3.],       [ 4.,  7.,  6.],       [ 7.,  8., 11.]])>>> np.linalg.inv(a)array([[ 0.90625,  0.0625 , -0.28125],       [-0.0625 ,  0.375  , -0.1875 ],       [-0.53125, -0.3125 ,  0.40625]])>>> #验证>>> np.dot(a,np.linalg.inv(a))array([[ 1.00000000e+00, -2.22044605e-16,  0.00000000e+00],       [ 4.44089210e-16,  1.00000000e+00,  0.00000000e+00],       [-8.88178420e-16,  0.00000000e+00,  1.00000000e+00]])
>>> #Solve the system of equations ``3 * x0 + x1 = 9`` and ``x0 + 2 * x1 = 8``:>>> a = np.array([[3,1], [1,2]])#系数数组>>> aarray([[3, 1],       [1, 2]])>>> b = np.array([9,8])#结果>>> barray([9, 8])>>> #求它的解x>>> x = np.linalg.solve(a, b)>>> xarray([2., 3.])
>>> #求数组的行列式值>>> darray([[1, 2],       [3, 4]])>>> #d的逆>>> f=np.linalg.inv(d)>>> farray([[-2. ,  1. ],       [ 1.5, -0.5]])>>> #d的行列式值>>> np.linalg.det(d)-2.0000000000000004>>> np.linalg.det(f)-0.49999999999999967
>>> #数组的迹>>> darray([[1, 2],       [3, 4]])>>> farray([[-2. ,  1. ],       [ 1.5, -0.5]])>>> np.trace(d)5>>> np.trace(f)-2.4999999999999996

点这里可以跳转到人工智能网站

发表评论