- 教程
- 介绍
- 环境
- Ndarray 对象（Ndarray Object）
- 数据类型
- 数组属性（Array Attributes）
- 阵列创建例程（Array Creation Routines）
- 来自现有数据的数组（Array from Existing Data）
- 数值范围中的数组（Array From Numerical Ranges）
- 数值范围中的数组（Array From Numerical Ranges）
- 数值范围中的数组（Array From Numerical Ranges）
- 广播（Broadcasting）
- 迭代数组（Iterating Over Array）
- 数组操作（Array Manipulation）
- Binary 运算符
- 字符串函数（String Functions）
- 数学函数（Mathematical Functions）
- 算术运算（Arithmetic Operations）
- 统计函数（Statistical Functions）
- 统计函数（Statistical Functions）
- 字节交换（Byte Swapping）
- 副本和视图（Copies & Views）
- 矩阵库（Matrix Library）
- 线性代数（Linear Algebra）
- Matplotlib（Matplotlib）
- 使用Matplotlib的直方图（Histogram Using Matplotlib）
- I/O with NumPy
- 有用的资源
- reshape
- flat
- flatten
- ravel
- transpose
- ndarray.T
- rollaxis
- swapaxes
- broadcast
- broadcast_to
- expand_dims
- squeeze
- concatenate
- stack
- hstack
- vstack
- split
- hsplit
- vsplit
- resize
- append
- insert
- delete
- unique
- bitwise_and
- bitwise_or
- invert
- left_shift
- right_shift
- add()
- multiply()
- center()
- capitalize()
- title()
- lower()
- upper()
- split()
- splitlines()
- strip()
- join()
- replace()
- decode()
- encode()
- dot
- vdot
- inner
- matmul
- determinant
- solve
- inv
文章来源于网络收集而来，版权归原创者所有，如有侵权请及时联系！
solve
numpy.linalg.solve()函数以矩阵形式给出线性方程的解。
考虑以下线性方程式 -
x + y + z = 6
2y + 5z = -4
2x + 5y - z = 27
它们可以矩阵形式表示为 -
$$\begin {bmatrix} 1＆1＆1 \\ 0＆2＆5 \\ 2＆5＆-1\end {bmatrix}\begin {bmatrix} x \\ y \\ z\end {bmatrix} =\begin {bmatrix} 6 \\ - 4 \\ 27\end {bmatrix} $$如果将这三个矩阵称为A, X和B ，则等式变为 -
A*X = B
Or
X = A-1B
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论