NumPy NumPy参考

• 数组对象
• 常数
• 通用功能（ufunc）
• 例行程序
•    数组创建例程
•    数组操作例程
•    Binary operations
•    String operations
•    C-Types Foreign Function Interface (numpy.ctypeslib)
•    Datetime Support Functions
•    Data type routines
•    Optionally Scipy-accelerated routines (numpy.dual)
•    Mathematical functions with automatic domain (numpy.emath)
•    Floating point error handling
•    Discrete Fourier Transform (numpy.fft)
•    Financial functions
•    Functional programming
•    NumPy-specific help functions
•    Indexing routines
•    输入输出
•    线性代数（numpy.linalg）
•          numpy.dot
•          numpy.linalg.multi_dot
•          numpy.vdot
•          numpy.inner
•          numpy.outer
•          numpy.matmul
•          numpy.tensordot
•          numpy.einsum
•          numpy.einsum_path
•          numpy.linalg.matrix_power
•          numpy.kron
•          numpy.linalg.holesky
•          numpy.linalg.qr
•          numpy.linalg.svd
•          numpy.linalg.eig
•          numpy.linalg.eigh
•          numpy.linalg.eigvals
•          numpy.linalg.eigvalsh
•          numpy.linalg.norm
•          numpy.linalg.cond
•          numpy.linalg.det
•          numpy.linalg.matrix_rank
•          numpy.linalg.slogdet
•          numpy.trace
•          numpy.linalg.solve
•          numpy.linalg.tensorsolve
•          numpy.linalg.lstsq
•          numpy.linalg.inv
•          numpy.linalg.pinv
•          numpy.linalg.tensorinv
•          numpy.linalg.LinAlgError
•    逻辑功能
•    Mathematical functions
•    Matrix library (numpy.matlib)
•    Miscellaneous routines
•    Padding Arrays
•    Polynomials
•    Random sampling (numpy.random)
•    Set routines
•    Sorting, searching, and counting
•    Statistics
•    Test Support (numpy.testing)
•    Window functions
• Packaging (numpy.distutils)
• NumPy Distutils - Users Guide
• NumPy C-API
• NumPy内部
• NumPy和SWIG

numpy.linalg.solve（a，b ）[源代码] ¶

求解线性矩阵方程或线性标量方程组。

计算确定的（即满秩的）线性矩阵方程ax = b的“精确”解x。

参量

一个（...，M，M）array_like

系数矩阵。

b {（…，M，），（…，M，K）}，array_like

普通或“因变量”值。

退货

x {（…，M，），（…，M，K）} ndarray

解决方案ax = b。返回的形状与b相同。

加薪

LinAlgError

如果a为奇数或非正方形。

笔记

1.8.0版中的新功能。

广播规则适用，numpy.linalg有关详细信息，请参阅文档。

解决方案是使用LAPACK例程计算的_gesv。

一个必须是正方形满秩，并且即，所有的行（或者，等价地，列）必须是线性独立的; 如果都不正确，则使用 lstsq最小二乘方的系统/方程式最佳“解”。

参考文献

1个

G.Strang，“ 线性代数及其应用”，第二版，佛罗里达州奥兰多，Academic Press，Inc.，1980年，第5页。22

例子

解决方程组并：3 * x0 + x1 = 9x0 + 2 * x1 = 8

>>> a = np.array([[3,1], [1,2]])
>>> b = np.array([9,8])
>>> x = np.linalg.solve(a, b)
>>> x
array([2.,  3.])

检查解决方案是否正确：

>>> np.allclose(np.dot(a, x), b)
True