


Bagaimana untuk membalikkan matriks atau nArray dalam Python?
Dalam artikel ini, kami akan menunjukkan kepada anda cara mengira songsangan matriks atau ndArray menggunakan perpustakaan NumPy dalam Python.
Apakah songsang bagi matriks?
Invers bagi matriks adalah sedemikian rupa sehingga jika ia didarab dengan matriks asal, ia memberikan matriks identiti.
Invers bagi matriks hanyalah salingan matriks, sama seperti dalam aritmetik biasa, untuk nombor tunggal yang digunakan untuk menyelesaikan persamaan untuk mendapatkan nilai pembolehubah yang tidak diketahui. Songsangan matriks ialah matriks yang apabila didarab dengan matriks asal menghasilkan matriks identiti.
Invers matriks hanya wujud apabila matriks bukan tunggal, iaitu penentunya bukan 0. Kita boleh mencari songsangan matriks segi empat sama menggunakan penentu dan matriks bersebelahan menggunakan formula berikut
if det(A) != 0 A-1 = adj(A)/det(A) else "Inverse does not exist"
Kaedah 1 - Gunakan fungsi numpy.linalg.inv() pada jenis np.array()
numpy.linalg.inv() fungsi
Python mempunyai cara yang sangat mudah untuk mengira songsangan matriks. Untuk mengira songsangan matriks, gunakan fungsi numpy.linalg.inv() daripada modul NumPy dalam Python untuk memintas matriks.
Tatabahasa
numpy.linalg.inv(array)
Parameter
array - Ia adalah matriks yang mesti disongsangkan.
Nilai pulangan - Fungsi numpy.linalg.inv() mengembalikan matriks songsang matriks.
Algoritma (langkah)
Berikut adalah algoritma/langkah yang perlu diikuti untuk melaksanakan tugas yang diperlukan -
Gunakan kata kunci import untuk mengimport modul numpy dengan alias (np).
Gunakan fungsi numpy.array() (yang mengembalikan ndarray. ndarray ialah objek tatasusunan yang memenuhi keperluan yang diberikan) untuk mencipta tatasusunan numpy dengan menghantar tatasusunan 3 dimensi(3baris, 3lajur) sebagai tatasusunannya hujah.
Gunakan fungsi linalg.inv() modul numpy (kira songsangan matriks) untuk mengira songsangan matriks 3x3 input dengan menghantar matriks input sebagai hujah dan mencetak matriks songsang.
Contoh
Atur cara berikut menggunakan fungsi numpy.linalg.inv() untuk mengembalikan songsangan input matriks 3-dimensi (3x3) -
# importing numpy module with an alias name import numpy as np # creating a 3-Dimensional(3x3) numpy matrix inputArray_3d = np.array([[4, 5, 1], [3, 4, 12], [10, 2, 1]]) # printing the input 3D matrix print("The input numpy 3D matrix:") print(inputArray_3d) # calculating the inverse of an input 3D matrix resultInverse= np.linalg.inv(inputArray_3d) # printing the resultant inverse of an input matrix print("The Inverse of 3-Dimensional(3x3) numpy matrix:") print(resultInverse)
Output
Apabila dilaksanakan, program di atas akan menjana output berikut -
The input numpy 3D matrix: [[ 4 5 1] [ 3 4 12] [10 2 1]] The Inverse of 3-Dimensional(3x3) numpy matrix: [[-0.04246285 -0.00636943 0.11889597] [ 0.24840764 -0.01273885 -0.0955414 ] [-0.07218684 0.08917197 0.00212314]]
Kaedah 2 - Menggunakan fungsi scipy.linalg.inv()
scipy.linalg.inv()
Menggunakan fungsi modul scipy, kami boleh melakukan pelbagai pengiraan saintifik. Ia juga berfungsi dengan tatasusunan numpy.
Dalam Python, scipy.linalg.inv() juga boleh mengembalikan matriks songsang bagi matriks segi empat sama tertentu. Ia berfungsi sama seperti fungsi numpy.linalg.inv().
Algoritma (langkah)
Berikut adalah algoritma/langkah yang perlu diikuti untuk melaksanakan tugas yang diperlukan -
Gunakan kata kunci import untuk mengimport linalg daripada modul scipy.
Gunakan fungsi numpy.matrix() (yang mengembalikan matriks daripada rentetan data atau objek seperti tatasusunan. Matriks yang terhasil ialah tatasusunan 2D khusus) untuk mencipta matriks numpy dengan menukar tatasusunan 2D (2 rows , 2 columns) dihantar kepadanya sebagai parameter.
Gunakan fungsi linalg.inv() modul scipy (kira songsangan matriks) untuk mengira songsangan matriks 2x2 input dengan menghantar matriks input sebagai hujah dan mencetak matriks songsang.
Contoh
import numpy as np # importing linalg from scipy module from scipy import linalg # creating a 2-Dimensional(2x2) NumPy matrix inputMatrix = np.matrix([[5, 2],[7, 3]]) # printing the input 2D matrix print("The input numpy 2D matrix:") print(inputMatrix) # calculating the inverse of an input 2D matrix resultInverse = linalg.inv(inputMatrix) # printing the resultant inverse of an input matrix print("The Inverse of 2-Dimensional(2x2) numpy matrix:") print(resultInverse)
Output
The input numpy 2D matrix: [[5 2] [7 3]] The Inverse of 2-Dimensional(2x2) numpy matrix: [[ 3. -2.] [-7. 5.]]
Kaedah 3 - Gunakan fungsi numpy.linalg.inv() pada jenis np.matrix()
Algoritma (langkah)
Berikut adalah algoritma/langkah yang perlu diikuti untuk melaksanakan tugas yang diperlukan -
Gunakan fungsi numpy.matrix() (yang mengembalikan matriks daripada rentetan data atau objek seperti tatasusunan. Matriks yang terhasil ialah tatasusunan 4D khusus) untuk mencipta matriks numpy dengan menukar tatasusunan 4 dimensi (4 baris, 4 lajur) dihantar kepadanya sebagai parameter.
Contoh
import numpy as np # creating a NumPy matrix (4x4 matrix) using matrix() method inputMatrix = np.matrix('[11, 1, 8, 2; 11, 3, 9 ,1; 1, 2, 3, 4; 9, 8, 7, 6]') # printing the input 4D matrix print("The input NumPy matrix:") print(inputMatrix) # calculating the inverse of an input matrix resultInverse= np.linalg.inv(inputMatrix) # printing the resultant inverse of an input matrix print("The Inverse of 4-Dimensional(4x4) numpy matrix:") print(resultInverse)
Output
The input NumPy matrix: [[11 1 8 2] [11 3 9 1] [ 1 2 3 4] [ 9 8 7 6]] The Inverse of 4-Dimensional(4x4) numpy matrix: [[ 0.25 -0.23214286 -0.24107143 0.11607143] [-0.25 0.16071429 -0.09464286 0.11964286] [-0.25 0.375 0.3125 -0.1875 ] [ 0.25 -0.30357143 0.12321429 0.05178571]]
Kesimpulan
Dalam artikel ini, kami mempelajari cara mengira songsangan matriks menggunakan tiga contoh berbeza. Kami belajar cara mendapatkan matriks dalam Numpy menggunakan dua kaedah berbeza: numpy.array() dan NumPy.matrix().
Atas ialah kandungan terperinci Bagaimana untuk membalikkan matriks atau nArray dalam Python?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Python digunakan secara meluas dalam bidang pembangunan web, sains data, pembelajaran mesin, automasi dan skrip. 1) Dalam pembangunan web, kerangka Django dan Flask memudahkan proses pembangunan. 2) Dalam bidang sains data dan pembelajaran mesin, numpy, panda, scikit-learn dan perpustakaan tensorflow memberikan sokongan yang kuat. 3) Dari segi automasi dan skrip, Python sesuai untuk tugas -tugas seperti ujian automatik dan pengurusan sistem.

Anda boleh mempelajari konsep pengaturcaraan asas dan kemahiran Python dalam masa 2 jam. 1. Belajar Pembolehubah dan Jenis Data, 2.

Tidak mustahil untuk melihat kata laluan MongoDB secara langsung melalui Navicat kerana ia disimpan sebagai nilai hash. Cara mendapatkan kata laluan yang hilang: 1. Tetapkan semula kata laluan; 2. Periksa fail konfigurasi (mungkin mengandungi nilai hash); 3. Semak Kod (boleh kata laluan Hardcode).

Sebagai profesional data, anda perlu memproses sejumlah besar data dari pelbagai sumber. Ini boleh menimbulkan cabaran kepada pengurusan data dan analisis. Nasib baik, dua perkhidmatan AWS dapat membantu: AWS Glue dan Amazon Athena.

Langkah -langkah untuk memulakan pelayan Redis termasuk: Pasang Redis mengikut sistem operasi. Mulakan perkhidmatan Redis melalui Redis-server (Linux/macOS) atau redis-server.exe (Windows). Gunakan redis-cli ping (linux/macOS) atau redis-cli.exe ping (windows) perintah untuk memeriksa status perkhidmatan. Gunakan klien Redis, seperti redis-cli, python, atau node.js untuk mengakses pelayan.

Untuk membaca giliran dari Redis, anda perlu mendapatkan nama giliran, membaca unsur -unsur menggunakan arahan LPOP, dan memproses barisan kosong. Langkah-langkah khusus adalah seperti berikut: Dapatkan nama giliran: Namakannya dengan awalan "giliran:" seperti "giliran: my-queue". Gunakan arahan LPOP: Keluarkan elemen dari kepala barisan dan kembalikan nilainya, seperti LPOP Queue: My-Queue. Memproses Baris kosong: Jika barisan kosong, LPOP mengembalikan nihil, dan anda boleh menyemak sama ada barisan wujud sebelum membaca elemen.

Soalan: Bagaimana untuk melihat versi pelayan Redis? Gunakan alat perintah Redis-cli -version untuk melihat versi pelayan yang disambungkan. Gunakan arahan pelayan INFO untuk melihat versi dalaman pelayan dan perlu menghuraikan dan mengembalikan maklumat. Dalam persekitaran kluster, periksa konsistensi versi setiap nod dan boleh diperiksa secara automatik menggunakan skrip. Gunakan skrip untuk mengautomasikan versi tontonan, seperti menyambung dengan skrip Python dan maklumat versi percetakan.

Keselamatan kata laluan Navicat bergantung pada gabungan penyulitan simetri, kekuatan kata laluan dan langkah -langkah keselamatan. Langkah -langkah khusus termasuk: menggunakan sambungan SSL (dengan syarat bahawa pelayan pangkalan data menyokong dan mengkonfigurasi sijil dengan betul), mengemas kini Navicat, menggunakan kaedah yang lebih selamat (seperti terowong SSH), menyekat hak akses, dan yang paling penting, tidak pernah merakam kata laluan.
