矩陣運算

Python

簡介

語法

形態

控制邏輯

函數

物件

輸出入

字串處理

檔案處理

記憶體管理

lambda

影音教材

應用

科學計算

微積分

符號運算

向量運算

矩陣運算

機率統計

訊號處理

語音處理

影像處理

碎形幾何

GIS 地理資訊

自動控制

機器人

Kinect

人工智慧

自然語言

分群分類

機器學習

SVM 向量機

神經網路

最佳化

遺傳演算法

視窗程式

2D繪圖

3D繪圖

Web 程式

連結C

訊息

相關網站

參考文獻

最新修改

簡體版

English

特徵值

>>> w, v = eig(np.diag((1, 2, 3)))
>>> w; v
array([ 1.,  2.,  3.])
array([[ 1.,  0.,  0.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  1.]])
>>> a = np.array([[1, 1j], [-1j, 1]])
>>> w, v = eig(a)
>>> w; v
array([ 2.+0.j,  0.+0.j])
array([[ 0.00000000+0.70710678j,  0.70710678+0.j        ],
       [ 0.70710678+0.j        ,  0.00000000+0.70710678j]])
>>> a = np.array([[1 + 1e-9, 0], [0, 1 - 1e-9]])
>>> a
array([[ 1.,  0.],
       [ 0.,  1.]])
>>> w, v = eig(a)
>>> w; v
array([ 1.,  1.])
array([[ 1.,  0.],
       [ 0.,  1.]])
>>>

反矩陣

>>> a = np.array([[1., 2.], [3., 4.]])
>>> ainv = inv(a)
>>> np.allclose(np.dot(a, ainv), np.eye(2))
True
>>> np.allclose(np.dot(ainv, a), np.eye(2))
True
>>> ainv = inv(np.matrix(a))
>>> ainv
matrix([[-2. ,  1. ],
        [ 1.5, -0.5]])
>>>

解方程式

Solve the system of equations 3 * x0 + x1 = 9 and x0 + 2 * x1 = 8:

>>> a = array([[3,1], [1,2]])
>>> b = array([9,8])
>>> x = solve(a, b)
>>> x
array([ 2.,  3.])
>>> (dot(a, x) == b).all()
True
>>> dot(a,x)
array([ 9.,  8.])
>>> b
array([9, 8])
>>>

參考文獻

  1. numpy.linalg.eig
  2. Short IT recipes — Wednesday, January 09, 2008 Python: eigenvalues with Scipy and Sympy
  3. http://docs.scipy.org/doc/numpy/reference/generated/numpy.matrix.html

Facebook

Unless otherwise stated, the content of this page is licensed under Creative Commons Attribution-NonCommercial-ShareAlike 3.0 License