1.求行列式的值
import numpy as np
'''
計算
| 2 1 2 1|
| 3 0 1 1|
| -1 2 -2 1|
| -3 2 3 1|
的行列式的值
'''
arr = np.array([[2, 1, 2, 1],
[3, 0, 1, 1],
[-1, 2, -2, 1],
[-3, 2, 3, 1]])
print(np.linalg.det(arr)) #det求行列式的值
[out]
19.999999999999996
2.矩陣的秩、行列式、跡,特征值和特征向量
import numpy as np
a = np.array([[1,1,1],
[1,1,10],
[1,1,15]])
print(np.linalg.matrix_rank(a)) #返回矩陣的秩
print(np.linalg.det(a)) #返回矩陣的行列式
print(a.diagonal()) #返回矩陣的對角線元素,也可以通過offset參數(shù)在主角線的上下偏移,
# 獲取偏移后的對角線元素。a.diagonal(offset=1)返回array([1.10])
print(a.trace()) #返回跡
eigenvalues ,eigenvectors= np.linalg.eig(a) #eigenvalues 為特征值。eigenvectors為特征向量
print(eigenvalues)
[out]
2
0.0
[ 1 1 15]
17
[1.57972598e+01 1.20274024e+00 4.17207245e-17]
3.逆矩陣
import numpy as np
A = np.array([[1, 2], [3, 4]])
B = np.linalg.inv(A) #矩陣的逆
print(B)
print(np.dot(B, A)) #矩陣和逆矩陣的乘積
[out]
[[-2. 1. ]
[ 1.5 -0.5]]
[[1.0000000e+00 0.0000000e+00]
[8.8817842e-16 1.0000000e+00]]
4.全部代碼
# 1.求行列式的值
import numpy as np
'''
計算
| 2 1 2 1|
| 3 0 1 1|
| -1 2 -2 1|
| -3 2 3 1|
的行列式的值
'''
arr = np.array([[2, 1, 2, 1],
[3, 0, 1, 1],
[-1, 2, -2, 1],
[-3, 2, 3, 1]])
print(np.linalg.det(arr))
# 2.python計算矩陣的秩、行列式、跡,特征值和特征向量
import numpy as np
a = np.array([[1,1,1],
[1,1,10],
[1,1,15]])
print(np.linalg.matrix_rank(a)) #返回矩陣的秩
print(np.linalg.det(a)) #返回矩陣的行列式
print(a.diagonal())
# 返回矩陣的對角線元素,也可以通過offset參數(shù)在主角線的上下偏移,獲取偏移后的對角線元素。
# a.diagonal(offset=1)返回array([1.10])
print(a.trace()) #返回跡
eigenvalues ,eigenvectors= np.linalg.eig(a) #eigenvalues 為特征值。eigenvectors為特征向量
print(eigenvalues)
# 3.逆矩陣
import numpy as np
A = np.array([[1, 2], [3, 4]])
B = np.linalg.inv(A) #矩陣的逆
print(B)
print(np.dot(B, A)) #矩陣和逆矩陣的乘積
5.注:
相關(guān)線性代數(shù)知識,自行百度?。。?span toymoban-style="hidden">文章來源地址http://www.zghlxwxcb.cn/news/detail-538465.html
文章來源:http://www.zghlxwxcb.cn/news/detail-538465.html
到了這里,關(guān)于利用python求行列式、矩陣的秩和逆的文章就介紹完了。如果您還想了解更多內(nèi)容,請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!