数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
Microsoft Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
JavaScript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装学
法学Python线性代数中矩阵的n次幂
在Python的线性代数中，使用numpy.linalg.matrix_power()函数可以计算方阵的n次幂。对于正整数n，幂通过重复的矩阵平方和矩阵乘法计算。如果n == 0，则返回与M形状相同的单位矩阵。如果n < 0，则计算逆矩阵，然后将其提升到abs(n)次幂。
返回值与M的形状和类型相同；如果指数为正或零，则元素的类型与M的元素类型相同。如果指数为负，则元素为浮点数。第一个参数a是要“幂次”的矩阵。第二个参数n是指数，可以是任何整数或长整数，正数、负数或零。
步骤
首先，导入所需的库：
import numpy as np from numpy.linalg import matrix_power
创建一个二维数组，作为虚数单位的矩阵等价物：
arr = np.array([[0, 1], [-1, 0]])
显示数组：
print("Our Array...\n",arr)检查维度：
print("\nDimensions of our Array...\n",arr.ndim)
获取数据类型：
print("\nDatatype of our Array object...\n",arr.dtype)获取形状：
print("\nShape of our Array object...\n",arr.shape)
在Python线性代数中，使用numpy.linalg.matrix_power()函数可以计算方阵的n次幂。对于正整数n，幂通过重复的矩阵平方和矩阵乘法计算。如果n == 0，则返回与M形状相同的单位矩阵。如果n < 0，则计算逆矩阵，然后将其提升到abs(n)次幂：
print("\nResult...\n",matrix_power(arr, 0))示例
import numpy as np
from numpy.linalg import matrix_power
# Create a 2D array, matrix equivalent of the imaginary unit
arr = np.array([[0, 1], [-1, 0]])
# Display the array
print("Our Array...\n",arr)
# Check the Dimensions
print("\nDimensions of our Array...\n",arr.ndim)
# Get the Datatype
print("\nDatatype of our Array object...\n",arr.dtype)
# Get the Shape
print("\nShape of our Array object...\n",arr.shape)
# To raise a square matrix to the power n in Linear Algebra, use the numpy.linalg.matrix_power() in Python
print("\nResult...\n",matrix_power(arr, 0))输出
Our Array... [[ 0 1] [-1 0]] Dimensions of our Array... 2 Datatype of our Array object... int64 Shape of our Array object... (2, 2) Result... [[1 0] [0 1]]
更新于：2022年3月2日
1K+ 次浏览
广告