numpy.linalg.matrix_power #
- 利纳尔格。矩阵幂( a , n ) [来源] #
将方阵求n次(整数)次方。
对于正整数n,幂是通过重复矩阵平方和矩阵乘法计算的。如果,则返回与 M 形状相同的单位矩阵。如果,则计算逆数,然后将其提升至。
n == 0
n < 0
abs(n)
笔记
当前不支持对象矩阵堆栈。
- 参数:
- 一个(…, M, M) 类似数组
矩阵被“供电”。
- 整数
指数可以是任何整数或长整数、正数、负数或零。
- 返回:
- a**n (..., M, M) ndarray 或矩阵对象
返回值的形状和类型与M相同;如果指数为正或零,则元素的类型与M的类型相同。如果指数为负,则元素为浮点型。
- 加薪:
- 林算法错误
对于非方阵或(对于负幂)不能进行数值倒置的矩阵。
例子
>>> from numpy.linalg import matrix_power >>> i = np.array([[0, 1], [-1, 0]]) # matrix equiv. of the imaginary unit >>> matrix_power(i, 3) # should = -i array([[ 0, -1], [ 1, 0]]) >>> matrix_power(i, 0) array([[1, 0], [0, 1]]) >>> matrix_power(i, -3) # should = 1/(-i) = i, but w/ f.p. elements array([[ 0., 1.], [-1., 0.]])
稍微复杂一点的例子
>>> q = np.zeros((4, 4)) >>> q[0:2, 0:2] = -i >>> q[2:4, 2:4] = i >>> q # one of the three quaternion units not equal to 1 array([[ 0., -1., 0., 0.], [ 1., 0., 0., 0.], [ 0., 0., 0., 1.], [ 0., 0., -1., 0.]]) >>> matrix_power(q, 2) # = -np.eye(4) array([[-1., 0., 0., 0.], [ 0., -1., 0., 0.], [ 0., 0., -1., 0.], [ 0., 0., 0., -1.]])