numpy求解无环的3d线性方程

numpy求解无环的3d线性方程

对于可逆矩阵，我们可以

np.linalg.inv

在

3D

数组上

A

使用，然后使用张量矩阵乘法与，

B

这样我们就分别失去了这两个数组的最后和第一个轴，就像这样-

np.tensordot( np.linalg.inv(A), B, axes=((-1),(0)))

样品运行-

In [150]: AOut[150]: array([[[ 0.70454189,  0.17544101,  0.24642533],        [ 0.66660371,  0.54608536,  0.37250876],        [ 0.18187631,  0.91397945,  0.55685133]],       [[ 0.81022308,  0.07672197,  0.7427768 ],        [ 0.08990586,  0.93887203,  0.01665071],        [ 0.55230314,  0.54835133,  0.30756205]]])In [151]: B = np.array([[1],[2],[3]])In [152]: np.linalg.solve(A[0], B)Out[152]: array([[ 0.23594665],       [ 2.07332454],       [ 1.90735086]])In [153]: np.linalg.solve(A[1], B)Out[153]: array([[ 8.43831557],       [ 1.46421396],       [-8.00947932]])In [154]: np.tensordot( np.linalg.inv(A), B, axes=((-1),(0)))Out[154]: array([[[ 0.23594665],        [ 2.07332454],        [ 1.90735086]],       [[ 8.43831557],        [ 1.46421396],        [-8.00947932]]])

另外，张量矩阵乘法可以用代替

np.matmul

，像这样-

np.matmul(np.linalg.inv(A), B)

在Python
3.x上，我们可以使用

@

operator来实现相同的功能-

np.linalg.inv(A) @ B