在Python中计算线性代数中矩阵的条件数

要计算线性代数中矩阵的条件数，在Python中使用numpy.linalg.cond()方法。根据p的值，该方法能够使用七种不同的范数返回条件数。

返回矩阵的条件数。可能是无穷大。矩阵x的条件数定义为x的范数乘以x的逆的范数；范数可以是通常的L2范数或其他一些矩阵范数中的某个。第一个参数是x，要求其条件数的矩阵。第二个参数是p，用于计算条件数的范数的阶数。

步骤

首先，导入所需的库 –

import numpy as np
from numpy import linalg as LA

创建一个数组 –

arr = np.array([[ 1, 1, 0],
   [1, 0, 1],
   [1, 0, 0]])

显示数组 –

print("Our Array...\n",arr)

检查尺寸 –

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)

在线性代数中，要计算一个矩阵的条件数，可以使用Python的numpy.linalg.cond()方法。

print("\nResult...\n",LA.cond(arr))

示例

import numpy as np
from numpy import linalg as LA

# Create an array
arr = np.array([[ 1, 1, 0],
   [1, 0, 1],
   [1, 0, 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 compute the condition number of a matrix in linear algebra, use the numpy.linalg.cond() method in Python
print("\nResult...\n",LA.cond(arr))

输出

Our Array...
[[1 1 0]
[1 0 1]
[1 0 0]]

Dimensions of our Array...
2

Datatype of our Array object...
int64

Shape of our Array object...
(3, 3)

Result...
3.7320508075688776