., 1.]])
'''
# 矩阵的相加是逐元素的
x + y
'''
matrix([[ 1., 1., 2.],
[ 3., 5., 5.],
[ 6...是 min(m,n) 阶奇异值的对角阵,奇异值是 A A^T 和 A^T A 的特征值平方根
# v 是 min(m,n)xn 矩阵,列向量为右奇异向量,也就是 A^T A 的特征向量
np.set_printoptions...[[3, 1, 4],
[1, 5, 9],
[2, 6, 5]])
'''
# QR 分解
# Ax = b, x = A^(-1) b
# A = QR
# x = R^...(-1) Q^(-1) b
# = R^(-1) Q.T b
b = np.array([1,2,3]).reshape(3,1)
q, r = np.linalg.qr(A)
x = np.dot...(np.linalg.inv(r), np.dot(q.T, b))
x
'''
array([[ 0.2667],
[ 0.4667],
[-0.0667]])