Numpy cung cấp các hàm sau để thực hiện các phép tính đại số khác nhau trên dữ liệu đầu vào. Show Các bài viết liên quan: Định nghĩa hàm SN
Hàm numpy.dot ()Hàm này được sử dụng để trả về tích số chấm của hai ma trận. Nó tương tự như phép nhân ma trận. Hãy xem xét ví dụ sau. Thí dụ import numpy as np a = np.array([[100,200],[23,12]]) b = np.array([[10,20],[12,21]]) dot = np.dot(a,b) print(dot) Output: Hàm numpy.vdot ()Hàm này được sử dụng để tính tích số chấm của hai vectơ. Nó có thể được định nghĩa là tổng tích các phần tử tương ứng của mảng nhiều chiều. Hãy xem xét ví dụ sau. Thí dụ import numpy as np a = np.array([[100,200],[23,12]]) b = np.array([[10,20],[12,21]]) vdot = np.vdot(a,b) print(vdot) Output: Hàm numpy.inner ()Hàm này trả về tổng tích các phần tử bên trong của mảng một chiều. Đối với mảng n chiều, nó trả về tổng tích của các phần tử trên trục cuối cùng. Hãy xem xét ví dụ sau. Thí dụ import numpy as np a = np.array([1,2,3,4,5,6]) b = np.array([23,23,12,2,1,2]) inner = np.inner(a,b) print(inner) Output: Hàm numpy.matmul ()Nó được sử dụng để trả về phép nhân của hai ma trận. Nó đưa ra lỗi nếu hình dạng của cả hai ma trận không được căn chỉnh cho phép nhân. Hãy xem xét ví dụ sau. Thí dụ import numpy as np a = np.array([[1,2,3],[4,5,6],[7,8,9]]) b = np.array([[23,23,12],[2,1,2],[7,8,9]]) mul = np.matmul(a,b) print(mul) Numpy determinantĐịnh thức của ma trận có thể được tính bằng cách sử dụng các phần tử đường chéo. Hàm numpy.linalg.det () được sử dụng để tính định thức của ma trận. Hãy xem xét ví dụ sau. Thí dụ import numpy as np a = np.array([[1,2],[3,4]]) print(np.linalg.det(a)) Output: Hàm numpy.linalg.solve ()Hàm này được sử dụng để giải một phương trình bậc hai trong đó các giá trị có thể được cho dưới dạng ma trận. Các phương trình tuyến tính sau
Hai ma trận có thể được chuyển vào hàm numpy.solve () như sau. Thí dụ import numpy as np a = np.array([[1,2],[3,4]]) b = np.array([[1,2],[3,4]]) print(np.linalg.solve(a, b)) Output: Hàm numpy.linalg.inv ()Hàm này được sử dụng để tính toán nghịch đảo nhân của ma trận đầu vào. Hãy xem xét ví dụ sau. Thí dụ import numpy as np a = np.array([[1,2],[3,4]]) print("Original array:\n",a) b = np.linalg.inv(a) print("Inverse:\n",b) Output: NumPy chứa mô-đun numpy.linalg cung cấp tất cả các hàm cần thiết cho đại số tuyến tính. Một số chức năng quan trọng trong mô-đun như sau : 1 . numpy.dot() :Hàm này trả về tích số chấm của hai mảng. Đối với vectơ 2-D, nó tương đương với phép nhân ma trận. Đối với mảng 1-D, nó là tích bên trong của các vectơ. Đối với mảng N chiều, nó là một tích tổng trên trục cuối cùng của a và trục cuối cùng thứ hai của b. Ví dụ :
Kết quả : Lưu ý rằng kết quả được tính là -
2. numpy.vdot()Hàm này trả về tích số chấm của hai vectơ. Nếu đối số đầu tiên phức tạp, thì liên hợp của nó được sử dụng để tính toán. Nếu id đối số là mảng nhiều chiều, nó sẽ được làm phẳng. Ví dụ :
Kết quả : Kết quả được tính như sau : 1*11 + 2*12 + 3*13 + 4*14 = 130 3. numpy.inner()Hàm này trả về tích bên trong của vectơ cho mảng 1-D. Đối với các kích thước cao hơn, nó trả về tích tổng trên các trục cuối cùng. Ví dụ 1:
Kết quả : Đối với mảng nhiều chiều : Ví dụ 2 :
Kết quả :
Kết quả được tính như sau :
4. numpy.matmul()Hàm numpy.matmul () trả về tích ma trận của hai mảng. Trong khi nó trả về một sản phẩm bình thường cho mảng 2-D, nếu kích thước của một trong hai đối số là> 2, nó được coi là một chồng ma trận nằm trong hai chỉ mục cuối cùng và được phát sóng tương ứng. Mặt khác, nếu một trong hai đối số là mảng 1-D, thì nó được thăng cấp thành ma trận bằng cách thêm 1 vào thứ nguyên của nó, thứ nguyên này sẽ bị xóa sau khi nhân. Ví dụ 1 :
Kết quả : Ví dụ 2 :
Kết quả : Ví dụ 3 :
Kết quả :
5. Determinant ( Định thức ) :Định thức là một giá trị rất hữu ích trong đại số tuyến tính. Nó được tính toán từ các phần tử đường chéo của một ma trận vuông. Đối với ma trận 2x2, nó chỉ đơn giản là phép trừ tích của phần tử trên cùng bên trái và dưới cùng bên phải với tích của hai phần tử còn lại. Nói cách khác, đối với ma trận [[a, b], [c, d]], định thức được tính là ‘ad-bc’. Ma trận vuông lớn hơn được coi là hợp của ma trận 2x2. Hàm numpy.linalg.det () tính toán định thức của ma trận đầu vào. Ví dụ 1 :
Kết quả : Ví dụ 2 :
Kết quả ;
6. numpy.linalg.solve()Hàm numpy.linalg.solve () cung cấp nghiệm của phương trình tuyến tính ở dạng ma trận. Xét các phương trình tuyến tính sau: x + y + z = 6 2y + 5z = -4 2x + 5y - z = 27 Nếu ba ma trận này được gọi là A, X và B, phương trình sẽ trở thành: 7. numpy.linalg.inv()Sử dụng hàm numpy.linalg.inv () để tính nghịch đảo của ma trận. Nghịch đảo của ma trận sao cho nếu nó được nhân với ma trận ban đầu, nó sẽ được kết quả là ma trận đơn vị. Ví dụ 1 :
Kết quả :
Ví dụ 2 :
Kết quả :
Kết quả tương tự bằng cách sử dụng hàm - |