Python: scipy科学计算功能包使用总结

• • 3.行列式的计算
  • • 例6：行列式的计算
  • 4.范数的应用
  • • 例7：范数的计算
  • 4.特征值分解
  • • 例8：矩阵的特征值/特征向量分解

（自学笔记，未完待续）

  行列式是将方阵映射到标量的函数。linalg.det()可以计算矩阵的行列式。

from scipy import linalg
import numpy as np
M=np.array([[1,2],[3,4]])
print(linalg.det(M))

输出结果如下：

-2.0

  范数是数学上一个类似于“长度”的概念。linalg.norm()函数可以计算向量或矩阵的范数。矩阵的常用范数及其含义如下表格：

from scipy import linalg
import numpy as np
M=np.array([[1,2],[3,4]])

print('M矩阵为：n',M)
print('M矩阵的L范数为：n',linalg.norm(M,1))
print('M矩阵的2范数为：n',linalg.norm(M,2))
print('M矩阵的正无穷范数为：n',linalg.norm(M,np.inf))
print('M矩阵的所有元素平方和的平方根为：n',linalg.norm(M,'fro'))

输出结果如下：

M矩阵为：
 [[1 2]
 [3 4]]
M矩阵的L范数为：
 6.0
M矩阵的2范数为：
 5.464985704219043
M矩阵的正无穷范数为：
 7.0
M矩阵的所有元素平方和的平方根为：
 5.477225575051661

  linalg.eig()用于求解矩阵的特征值与特征向量。

from scipy import linalg
import numpy as np

A=np.array([[1,2],[3,4]])
l,v=linalg.eig(A)
print(l)
print(v)

输出结果如下：

[-0.37228132+0.j  5.37228132+0.j]
[[-0.82456484 -0.41597356]
 [ 0.56576746 -0.90937671]]