本篇內(nèi)容介紹了“如何用Python求矩陣的范數(shù)和行列式”的有關(guān)知識(shí)，在實(shí)際案例的操作過程中，不少人都會(huì)遇到這樣的困境，接下來就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！

創(chuàng)新互聯(lián)建站憑借在網(wǎng)站建設(shè)、網(wǎng)站推廣領(lǐng)域領(lǐng)先的技術(shù)能力和多年的行業(yè)經(jīng)驗(yàn)，為客戶提供超值的營(yíng)銷型網(wǎng)站建設(shè)服務(wù)，我們始終認(rèn)為：好的營(yíng)銷型網(wǎng)站就是好的業(yè)務(wù)員。我們已成功為企業(yè)單位、個(gè)人等客戶提供了成都做網(wǎng)站、成都網(wǎng)站設(shè)計(jì)服務(wù)，以良好的商業(yè)信譽(yù)，完善的服務(wù)及深厚的技術(shù)力量處于同行領(lǐng)先地位。

在scipy.linalg的函數(shù)中，往往會(huì)提供兩種參數(shù)，其一是check_finite，當(dāng)為True時(shí)將進(jìn)行有限檢查，另一類是overwrite_xxxx，表示xxxx在計(jì)算過程中是否可以被覆寫。簡(jiǎn)潔起見，后文中說a提供覆寫開關(guān)，就表示存在一個(gè)參數(shù)overwrite_a，當(dāng)其為True時(shí)，a允許計(jì)算過程中被覆寫；若說提供有限檢查開關(guān)，則代表提供check_finite參數(shù)。

范數(shù)

在scipy.linalg中提供了函數(shù)norm用來求范數(shù)，其定義為

norm(a, ord=None, axis=None, keepdims=False, check_finite=True)

其中ord用于聲明范數(shù)的階

ord	矩陣范數(shù)	向量范數(shù)
None	弗羅貝尼烏斯范數(shù)	2-范數(shù)
'fro'	弗羅貝尼烏斯范數(shù)	-
'nuc'	核范數(shù)	-
inf	max(sum(abs(a), axis=1))	max ? ( ∣ a ∣ )
-inf	min(sum(abs(a), axis=1))	min ? ( ∣ a ∣ )
0	-	sum(a!=0)
1	max(sum(abs(a), axis=0))
-1	min(sum(abs(a), axis=0))
2	2-范數(shù)(最大奇異值)
-2	最小奇異值

若a為向量，若ord為非零整數(shù)，記作n nn，設(shè)a i a_iai為矩陣a aa中的元素，則矩陣的n nn范數(shù)為

核范數(shù)又稱“跡范數(shù)” (trace norm)，表示矩陣的所有奇異值之和。

Frobenius范數(shù)可定義為

其實(shí)質(zhì)是向量的2-范數(shù)在矩陣中的自然推廣。

除了scipy.linalg之外，numpy.linalg中也提供了norm，其參數(shù)為

norm(x, ord=None, axis=None, keepdims=False)

其中order的可選參數(shù)與scipy.linalg中的norm函數(shù)相同。

行列式

在scipy.linalg中，行列式函數(shù)為det，其定義非常簡(jiǎn)單，除了待求矩陣a之外，就只有a的覆寫開關(guān)和有限檢查。

示例如下

import numpy as np
from scipy import linalg
a = np.array([[1,2,3], [4,5,6], [7,8,9]])
linalg.det(a)
# 0.0
a = np.array([[0,2,3], [4,5,6], [7,8,9]])
linalg.det(a)
# 3.0

跡

scipy.linalg不提供trace函數(shù)，但是numpy提供，其定義為

umpy.trace(a, offset=0, axis1=0, axis2=1, dtype=None, out=None)

其中

• offset為偏移量，表示相對(duì)于主對(duì)角線的偏移

• axis1, axis2 表示坐標(biāo)軸

• dtype 用于調(diào)整輸出值的數(shù)據(jù)類型

>>> x = np.random.rand(3,3)
>>> print(x)
[[0.26832187 0.64615363 0.09006217]
 [0.63106319 0.65573765 0.35842304]
 [0.66629322 0.16999836 0.92357658]]
>>> np.trace(x)
1.8476361016546932

“如何用Python求矩陣的范數(shù)和行列式”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識(shí)可以關(guān)注創(chuàng)新互聯(lián)網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實(shí)用文章！

本文標(biāo)題：如何用Python求矩陣的范數(shù)和行列式
地址分享：http://www.aaarwkj.com/article12/jejegc.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供品牌網(wǎng)站制作、網(wǎng)站設(shè)計(jì)公司、虛擬主機(jī)、網(wǎng)站改版、網(wǎng)站設(shè)計(jì)、云服務(wù)器

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)