利用python求行列式、矩阵的秩和逆

这篇具有很好参考价值的文章主要介绍了利用python求行列式、矩阵的秩和逆。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1.求行列式的值

import numpy as np
'''
计算
| 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.矩阵的秩、行列式、迹,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))     #返回矩阵的秩
print(np.linalg.det(a))         #返回矩阵的行列式
print(a.diagonal())           #返回矩阵的对角线元素,也可以通过offset参数在主角线的上下偏移,
                               #  获取偏移后的对角线元素。a.diagonal(offset=1)返回array([1.10])
print(a.trace())              #返回迹
eigenvalues ,eigenvectors= np.linalg.eig(a) #eigenvalues 为特征值。eigenvectors为特征向量
print(eigenvalues)

[out]
2
0.0
[ 1  1 15]
17
[1.57972598e+01 1.20274024e+00 4.17207245e-17]

3.逆矩阵

import numpy as np
A = np.array([[1, 2], [3, 4]])
B = np.linalg.inv(A)     #矩阵的逆
print(B)
print(np.dot(B, A))      #矩阵和逆矩阵的乘积

[out]
[[-2.   1. ]
 [ 1.5 -0.5]]
[[1.0000000e+00 0.0000000e+00]
 [8.8817842e-16 1.0000000e+00]]

4.全部代码

# 1.求行列式的值
import numpy as np
'''
计算
| 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计算矩阵的秩、行列式、迹,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))     #返回矩阵的秩
print(np.linalg.det(a))         #返回矩阵的行列式
print(a.diagonal())           
     #  返回矩阵的对角线元素,也可以通过offset参数在主角线的上下偏移,获取偏移后的对角线元素。
     #  a.diagonal(offset=1)返回array([1.10])
print(a.trace())              #返回迹
eigenvalues ,eigenvectors= np.linalg.eig(a) #eigenvalues 为特征值。eigenvectors为特征向量
print(eigenvalues)

# 3.逆矩阵
import numpy as np
A = np.array([[1, 2], [3, 4]])
B = np.linalg.inv(A)     #矩阵的逆
print(B)
print(np.dot(B, A))      #矩阵和逆矩阵的乘积

5.注:

相关线性代数知识,自行百度!!!文章来源地址https://www.toymoban.com/news/detail-538465.html

到了这里,关于利用python求行列式、矩阵的秩和逆的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

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: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 矩阵——对称行列式快解

    1、先化成爪型行列式 2、再化成上三角或下三角 第一步:把第1行的1倍分别加至第2、3、4行,化为爪型行列式 第二步:把第2、3、4列的(-1)倍都加到第1列,化为上三角 第三步:得出结果

    2024年02月16日
    浏览(35)
  • 矩阵与行列式计算注意点

    要注意,矩阵的初等变换只在计算方程组的解和计算秩的时候使用,而且计算方程组的解时,只能进行行变换,而计算矩阵的秩时,则可以行变换和列变换同时用,因为这样不会改变矩阵的秩。 行列式也是可以同时行变换和列变换,这样也不会改变行列式的值。 矩阵提公因

    2024年02月11日
    浏览(35)
  • 范德蒙矩阵 范德蒙行列式

    应用 文心回答 范德蒙矩阵的应用场景十分广泛,主要体现在以下几个方面: 商业领域:范德蒙矩阵为商业研究提供了一个有力的工具。通过范德蒙矩阵的分析,企业可以更好地理解消费者的行为模式、购买习惯以及社会关系网络,进而制定更精准的营销策略和产品定位。

    2024年03月23日
    浏览(43)
  • 线代:认识行列式、矩阵和向量

    本文主要参考的视频教程如下: 8小时学完线代【中国大学MOOC*小元老师】线性代数速学_哔哩哔哩_bilibili 另外这个视频可以作为补充: 【考研数学 线性代数 基础课】—全集_哔哩哔哩_bilibili 一般会由方程组来引出行列式 比如一个二阶行列式 二阶行列式的计算就是主对角线的

    2024年02月19日
    浏览(32)
  • 【线性代数】一、行列式和矩阵

    ∣ A B ∣ = ∣ A ∣ ∣ B ∣ |AB|=|A||B| ∣ A B ∣ = ∣ A ∣ ∣ B ∣ 行列互换其值不变, ∣ A T ∣ = ∣ A ∣ |A^T|=|A| ∣ A T ∣ = ∣ A ∣ ∣ A ∗ ∣ = ∣ A ∣ n − 1 ( 由 A A ∗ = ∣ A ∣ E 推 导 而 来 ) |A^*|=|A|^{n-1}(由AA^*=|A|E推导而来) ∣ A ∗ ∣ = ∣ A ∣ n − 1 ( 由 A A ∗ = ∣ A ∣ E 推 导 而

    2024年02月05日
    浏览(34)
  • 方阵行列式与转置矩阵

    1.转置矩阵:格式规定:如果矩阵A为n阶方阵,那么A的T次方为矩阵A的转置矩阵,即将矩阵A的行与列互换。 2.转置矩阵的运算性质:         1.任何方阵的转置矩阵的转置矩阵为方阵自身。         2.多个矩阵的和的转置矩阵等于多个转置矩阵的和,         3.k倍矩阵A的转置

    2024年02月06日
    浏览(34)
  • 线代第二章 矩阵 +行列式与矩阵的区别

    行列式与矩阵的区别 一、 行列式是一个数,矩阵是一个表格。 (行列式都是n阶的方阵,但矩阵不一定是方阵An×n,也可以是Am×n) 只有n阶矩阵An×n:才有对应的行列式|A|,才能计算对应行列式的模。 二、 行列式的性质:    P201 行列式的某行(或列)有公因子k,则可把k提出

    2023年04月08日
    浏览(35)
  • Markdown:常用公式、行列式、矩阵、方程组等

        当前整理出来的皆为实际使用过的,欢迎大佬路过补充说明或者指正错误点。无用请轻喷。 1.1 常用公式符号 1.1.1 上下标 显示效果 公式代码 描述 x y x^y x y $x^y$ 或 $x^{y}$ 上标,若独显一个上标直接用 ^ ,若需要实现: x x + y x^{x+y} x x + y ,则用 {} 即可 x y x_y x y ​ $

    2024年02月05日
    浏览(27)
  • 矩阵行列式的按行按列展开复习

    1,行列式按某一行(列)展开 例如: 按元素5展开 则去掉所在行,所在列得到, 这样5的变成由3阶变成2阶行列式 5的行列式比较好算 这个叫做的余子式 称为 它的代数余子式为  ,代数余子式与余子式区别是前面多一个符号是(-1)该行该列之和 D= 按第二行展开    +  +   = 24 - 60 + 36

    2024年02月11日
    浏览(54)
  • 证明矩阵特征值之积等于矩阵行列式的值

    设n阶矩阵 A A A 的特征值为 λ 1 , λ 2 , . . , λ n lambda_1, lambda_2,..,lambda_n λ 1 ​ , λ 2 ​ , .. , λ n ​ ,则 λ 1 λ 2 ⋯ λ n = ∣ A ∣ 。 lambda_1lambda_2cdotslambda_n = |A|。 λ 1 ​ λ 2 ​ ⋯ λ n ​ = ∣ A ∣ 。 证明: 矩阵 A A A 的特征多项式为: f ( λ ) = ∣ λ E − A ∣ = ∣ λ − a 11 −

    2024年02月16日
    浏览(31)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包