python使用numpy求变异系数（PythonNumPy线性代数应用）

python使用numpy求变异系数（PythonNumPy线性代数应用）

矩阵和矢量产品

• dot(a b[ out]) 两个数组的点积。
• linalg.multi_dot(arrays) 在单个函数调用中计算两个或多个数组的点积，同时自动选择最快的求值顺序。
• vdot(a b) 返回两个向量的点积。
• inner(a b) 两个数组的内积。
• outer(a b[ out]) 计算两个向量的外积。
• matmul(a b[ out]) 两个数组的矩阵乘积。
• tensordot(a b[ axes]) 对于数组> = 1-D，沿指定轴计算张量点积。
• einsum(subscripts *operands[ out dtype …]) 评估操作数上的爱因斯坦求和约定。
• einsum_path(subscripts *operands[ optimize]) 通过考虑中间数组的创建，评估einsum表达式的最低成本收缩顺序。
• linalg.matrix_power(M n) 将方阵提高到（整数）幂n。
• kron(a b) 两个阵列的Kronecker产品。

分解

• linalg.cholesky(a) Cholesky分解。
• linalg.qr(a[ mode]) 计算矩阵的qr分解。
• linalg.svd(a[ full_matrices compute_uv]) 奇异值分解。

矩阵特征值

• linalg.eig(a) 计算正方形阵列的特征值和右特征向量。
• linalg.eigh(a[ UPLO]) 返回Hermitian或对称矩阵的特征值和特征向量。
• linalg.eigvals(a) 计算一般矩阵的特征值。
• linalg.eigvalsh(a[ UPLO]) 计算Hermitian或实对称矩阵的特征值。

规范和其他数字

• linalg.norm(x[ ord axis keepdims]) 矩阵或矢量规范。
• linalg.cond(x[ p]) 计算矩阵的条件数。
• linalg.det(a) 计算数组的行列式。
• linalg.matrix_rank(M[ tol hermitian]) 使用SVD方法返回阵列的矩阵等级
• linalg.slogdet(a) Compute the sign and (natural) 数组行列式的对数。
• trace(a[ offset axis1 axis2 dtype out]) 返回数组对角线的总和。

求解方程和反转矩阵

• linalg.solve(a b) 求解线性矩阵方程或线性标量方程组。
• linalg.tensorsolve(a b[ axes]) 求解x的张量方程ax = b。
• linalg.lstsq(a b[ rcond]) 将最小二乘解返回到线性矩阵方程。
• linalg.inv(a) 计算矩阵的（乘法）逆。
• linalg.pinv(a[ rcond]) 计算矩阵的（Moore-Penrose）伪逆。
• linalg.tensorinv(a[ ind]) 计算N维数组的“逆”。