Линейная алгебра в NumPy
NumPy предоставляет библиотеку функций линейной алгебрыlinalg, которая содержит все функции, необходимые для линейной алгебры. Описание можно посмотреть ниже:
| Функция | Описание |
|---|---|
dot |
Скалярное произведение двух массивов, то есть соответствующие элементы перемножаются. |
vdot |
Скалярное произведение двух векторов |
inner |
Скалярное произведение двух массивов |
matmul |
Матричное произведение двух массивов |
determinant |
Определитель массива |
solve |
Решение линейных матричных уравнений |
inv |
Вычисление обратной матрицы |
numpy.dot()
numpy.dot() Для двух одномерных массивов вычисляет сумму произведений элементов с соответствующими индексами двух массивов (математически это называется скалярным произведением векторов); для двумерных массивов вычисляет матричное произведение двух массивов; для многомерных массивов его общая формула вычисления выглядит следующим образом, то есть каждый элемент в результирующем массиве — это: сумма произведений всех элементов по последнему измерению массива a и всех элементов по предпоследнему измерению массива b:dot(a, b)[i,j,k,m] = sum(a[i,j,:] * b[k,:,m])。
numpy.dot(a, b, out=None)
Описание параметра:
- a: массив ndarray
- b: массив ndarray
- out: ndarray, необязательный, используется для хранения результата вычисления dot()
Пример
Результат вывода:
[[37 40] [85 92]]
Формула вычисления:
[[1*11+2*13, 1*12+2*14],[3*11+4*13, 3*12+4*14]]
numpy.vdot()
Функция numpy.vdot() вычисляет скалярное произведение двух векторов. Если первый аргумент — комплексное число, для вычисления используется его комплексно-сопряжённое значение. Если аргумент — многомерный массив, он преобразуется в плоский массив.
Пример
Результат вывода:
130
Формула вычисления:
1*11 + 2*12 + 3*13 + 4*14 = 130
numpy.inner()
Функция numpy.inner() возвращает внутреннее произведение одномерных массивов. Для более высоких размерностей она возвращает сумму произведений по последним осям.
Пример
Результат вывода:
2
Пример многомерного массива
Результат вывода:
数组 a: [[1 2] [3 4]] 数组 b: [[11 12] [13 14]] 内积: [[35 41] [81 95]] 数组 a: [[1 2] [3 4]] 数组 b: [[11 12] [13 14]] 内积: [[35 41] [81 95]]
Формула вычисления скалярного произведения:
1*11+2*12, 1*13+2*14 3*11+4*12, 3*13+4*14
numpy.matmul
Функция numpy.matmul возвращает матричное произведение двух массивов. Хотя она возвращает обычное произведение двумерных массивов, если любой из аргументов имеет размерность больше 2, он рассматривается как стек матриц, расположенных в последних двух индексах, и соответствующим образом выполняется broadcasting.
С другой стороны, если любой из аргументов является одномерным массивом, он повышается до матрицы путём добавления 1 к его размерностям, а после умножения удаляется.
Для двумерных массивов это матричное умножение:
Пример
Результат вывода:
[[4 1] [2 2]]
Операции с двумерными и одномерными массивами:
Пример
Результат вывода:
[1 2] [1 2]
Массивы с размерностью больше двух:
Пример
Результат вывода:
[[[ 2 3] [ 6 11]] [[10 19] [14 27]]]
numpy.linalg.det()
Функция numpy.linalg.det() вычисляет определитель входной матрицы.
Определитель — очень полезная величина в линейной алгебре. Он вычисляется по диагональным элементам квадратной матрицы. Для матрицы 2×2 он представляет собой разность между произведением верхнего левого и нижнего правого элементов и произведением двух других.
Иными словами, для матрицы [[a, b], [c, d]] определитель вычисляется как ad-bc. Большие квадратные матрицы рассматриваются как комбинации матриц 2×2.
Пример
Результат вывода:
-2.0
Пример
Результат вывода:
[[ 6 1 1] [ 4 -2 5] [ 2 8 7]] -306.0 -306
numpy.linalg.solve()
Функция numpy.linalg.solve() даёт решение системы линейных уравнений в матричной форме.
Рассмотрим следующую систему линейных уравнений:
x + y + z = 6 2y + 5z = -4 2x + 5y - z = 27
Её можно выразить в матричной форме следующим образом:

Если матрицы — это A, X и B, уравнение принимает вид:
AX = B 或 X = A^(-1)B
numpy.linalg.inv()
Функция numpy.linalg.inv() вычисляет обратную матрицу.
Обратная матрица: Предположим, A — матрица порядка n над числовым полем. Если существует другая матрица B порядка n над тем же числовым полем, такая что: AB=BA=E, то B называется обратной матрицей для A, а A называется обратимой матрицей. Примечание: E — единичная матрица.
Пример
Результат вывода:
[[1 2] [3 4]] [[-2. 1. ] [ 1.5 -0.5]] [[1.0000000e+00 0.0000000e+00] [8.8817842e-16 1.0000000e+00]]
Теперь создайте обратную матрицу матрицы A:
Пример
Результат вывода:
数组 a: [[ 1 1 1] [ 0 2 5] [ 2 5 -1]] a 的逆: [[ 1.28571429 -0.28571429 -0.14285714] [-0.47619048 0.14285714 0.23809524] [ 0.19047619 0.14285714 -0.0952381 ]] 矩阵 b: [[ 6] [-4] [27]] 计算:A^(-1)B: [[ 5.] [ 3.] [-2.]]
Результат также можно получить с помощью следующей функции:
x = np.dot(ainv,b)Другие расширения