Python 求解数组的Numpy算法
使用numpy.linalg.solve求解线性代数方程,但接收_assertndsquares和阵列的最后2维必须是平方误差: 感谢您的帮助以下是我的代码:Python 求解数组的Numpy算法,python,arrays,numpy,Python,Arrays,Numpy,使用numpy.linalg.solve求解线性代数方程,但接收_assertndsquares和阵列的最后2维必须是平方误差: 感谢您的帮助以下是我的代码: c = array([[1, 1, 1], [.07, .08, .09]]) d = array([24000, 1870]) z = linalg.solve(c, d) print(z) 您不能对非平方矩阵使用numpy.linalg.solve,如中所述,a必须是平方的且具有满秩,即所有行(或相当于列)必须是线性独立的。您的矩阵
c = array([[1, 1, 1], [.07, .08, .09]])
d = array([24000, 1870])
z = linalg.solve(c, d)
print(z)
您不能对非平方矩阵使用
numpy.linalg.solve
,如中所述,a必须是平方的且具有满秩,即所有行(或相当于列)必须是线性独立的
。您的矩阵不是正方形,但文档中也提到了这一点,如果其中一个不是真的,请使用lstsq获得系统/方程的最小二乘最佳“解”。
下面是一个例子,应该对您有用
c = array([[1, 1, 1], [.07, .08, .09]])
d = array([24000, 1870])
z = linalg.lstsq(c, d)[0]
print(z)
# compare d and c*z to be sure
print(numpy.allclose(d,numpy.dot(c,z))) # should be true