numpy.linalg
NumPy线性代数函数依赖于BLAS和LAPACK来提供标准线性代数算法的高效低层实现。这些库可以由NumPy自己使用其参考实现子集的C版本来提供，但是在可能的情况下，最好使用利用专门处理器功能的高度优化的库。这类库的例子有 OpenBLAS, MKL（TM）和ATLAS。因为这些库是多线程和处理器相关的，所以环境变量和外部包 threadpoolctl 可能需要控制线程数或指定处理器体系结构。
SciPy库还包含 linalg 子模块，并且SciPy和NumPy子模块提供的功能有重叠。SciPy包含在中找不到的函数 numpy.linalg ，例如与LU分解和Schur分解有关的函数，计算伪逆的多种方法，以及矩阵超越数，例如矩阵对数。两者中存在的一些函数在中具有增强的功能 scipy.linalg . 例如， scipy.linalg.eig 可以采用第二个矩阵参数来解决广义特征值问题。但是，NumPy中的一些函数有更灵活的广播选项。例如， numpy.linalg.solve 可以处理“堆叠”数组，而 scipy.linalg.solve 仅接受单个方形数组作为其第一个参数。
linalg
scipy.linalg
scipy.linalg.eig
numpy.linalg.solve
scipy.linalg.solve
dot （a，b） [, out] ）
dot
两个数组的点积。
linalg.multi_dot \（数组， * [, out] ）
linalg.multi_dot
在单个函数调用中计算两个或多个数组的点积，同时自动选择最快的计算顺序。
vdot （a，b）
vdot
返回两个向量的点积。
inner （a，b）
inner
两个数组的内积。
outer （a，b） [, out] ）
outer
计算两个向量的外积。
matmul \（x1，x2，）/[, out, casting, order, ...] ）
matmul
两个数组的矩阵积。
tensordot （a，b） [, axes] ）
tensordot
沿指定轴计算张量点积。
einsum \（下标， * 操作数 [, out, dtype, ...] ）
einsum
评估操作数的爱因斯坦求和约定。
einsum_path \（下标， * 操作数 [, optimize] ）
einsum_path
通过考虑创建中间数组，计算einsum表达式的最低成本收缩顺序。
linalg.matrix_power （a，n）
linalg.matrix_power
将平方矩阵提高到（整数）幂 n .
kron （a，b）
kron
两个阵列的克罗内克积。
linalg.cholesky （a）
linalg.cholesky
胆汁分解。
linalg.qr （a） [, mode] ）
linalg.qr
计算矩阵的qr因子分解。
linalg.svd （a） [, full_matrices, compute_uv, ...] ）
linalg.svd
奇异值分解。
linalg.eig （a）
linalg.eig
计算一个方阵的特征值和右特征向量。
linalg.eigh （a） [, UPLO] ）
linalg.eigh
返回复厄米特矩阵（共轭对称）或实对称矩阵的特征值和特征向量。
linalg.eigvals （a）
linalg.eigvals
计算一般矩阵的特征值。
linalg.eigvalsh （a） [, UPLO] ）
linalg.eigvalsh
计算复厄米特矩阵或实对称矩阵的特征值。
linalg.norm （x） [, ord, axis, keepdims] ）
linalg.norm
矩阵或向量范数。
linalg.cond （x） [, p] ）
linalg.cond
计算矩阵的条件数。
linalg.det （a）
linalg.det
计算数组的行列式。
linalg.matrix_rank （m） [, tol, hermitian] ）
linalg.matrix_rank
用SVD方法返回数组的矩阵秩
linalg.slogdet （a）
linalg.slogdet
计算数组行列式的符号和（自然）对数。
trace （a） [, offset, axis1, axis2, dtype, out] ）
trace
沿数组的对角线返回和。
linalg.solve （a，b）
linalg.solve
解线性矩阵方程或线性标量方程组。
linalg.tensorsolve （a，b） [, axes] ）
linalg.tensorsolve
解张量方程 a x = b 为X。
a x = b
linalg.lstsq （a，b） [, rcond] ）
linalg.lstsq
将最小二乘法返回到线性矩阵方程。
linalg.inv （a）
linalg.inv
计算矩阵的（乘法）逆矩阵。
linalg.pinv （a） [, rcond, hermitian] ）
linalg.pinv
计算矩阵的（摩尔-彭罗斯）伪逆矩阵。
linalg.tensorinv （a） [, ind] ）
linalg.tensorinv
计算n维数组的“逆”。
linalg.LinAlgError
Linalg函数引发的通用python异常派生对象。
1.8.0 新版功能.
上面列出的一些线性代数例程，如果将多个矩阵叠加到同一个数组中，就能够同时计算结果。
这在文档中通过输入参数规范（如 a : (..., M, M) array_like . 这意味着，如果给定一个输入数组 a.shape == (N, M, M) ，它被解释为n个矩阵的“堆栈”，每个矩阵的大小为m乘m。类似的规范适用于返回值，例如行列式 det : (...) 在这种情况下，将返回一个形状数组 det(a).shape == (N,) . 这推广到更高维数组上的线性代数运算：多维数组的最后一个1维或2维被解释为向量或矩阵，适用于每个运算。
a : (..., M, M) array_like
a.shape == (N, M, M)
det : (...)
det(a).shape == (N,)