Dalam fungsi scipy.linalg
, dua parameter sering disediakan Satu ialah check_finite
, yang akan melakukan semakan terhad apabila ia True
, dan satu lagi ialah overwrite_xxxx
, yang bermaksud xxxx
. digunakan dalam pengiraan Sama ada proses itu boleh ditimpa. Demi kesederhanaan, akan diberitahu kemudian bahawa a
menyediakan suis timpa, yang bermaksud terdapat parameter overwrite_a
Apabila ia True
, a dibenarkan untuk ditimpa semasa proses pengiraan dikatakan suis semak terhad disediakan, bermakna check_finite
disediakan.
menyediakan fungsi scipy.linalg
dalam norm
untuk mencari norma, yang ditakrifkan sebagai
norm(a, ord=None, axis=None, keepdims=False, check_finite=True)
di mana ord
digunakan untuk mengisytiharkan norma The tertib
ord | 矩阵范数 | 向量范数 |
---|---|---|
None | 弗罗贝尼乌斯范数 | 2-范数 |
'fro' | 弗罗贝尼乌斯范数 | - |
'nuc' | 核范数 | - |
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-范数(最大奇异值) | |
-2 | 最小奇异值 |
Jika a
ialah vektor, jika ord
ialah integer bukan sifar, dilambangkan sebagai n nn, biarkan a i a_iai menjadi elemen dalam matriks a aa, maka n nn norma matriks ialah
Norma nuklear juga dipanggil "norma surih" dan mewakili jumlah semua nilai tunggal matriks.
Norma Frobenius boleh ditakrifkan sebagai
Intipatinya ialah generalisasi semula jadi bagi 2-norma vektor dalam matriks.
Selain scipy.linalg
, numpy.linalg
juga disediakan dalam norm
, parameternya ialah
norm(x, ord=None, axis=None, keepdims=False)
di mana parameter pilihan order
adalah sama dengan <🎜 dalam scipy.linalg
>Fungsi adalah sama. norm
, fungsi penentu ialah scipy.linalg
, dan takrifannya sangat mudah Selain matriks det
yang boleh didapati, hanya terdapat penutup daripada a
Tulis suis dan semakan terhingga. Contoh a
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
tidak menyediakan fungsi scipy.linalg
, tetapi trace
menyediakan, yang ditakrifkan sebagai numpy
umpy.trace(a, offset=0, axis1=0, axis2=1, dtype=None, out=None)
ialah ofset, menunjukkan offset relatif kepada pepenjuru utama offset
mewakili paksi koordinataxis1, axis2
Jenis data yang digunakan untuk melaraskan nilai outputdtype
>>> 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
Atas ialah kandungan terperinci Cara menggunakan Python untuk mencari norma dan penentu matriks. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!