a + b; 2 * a # po složkách
a @ b # skalární součin
np.linalg.norm(a) # délka vektoru
(a @ b) / (norm(a) * norm(b)) # kosinová podobnost
A @ v; A @ B # maticové násobení
A * B # jen po prvcích!
A.T # transpozice
# (m, n) @ (n, p) -> (m, p), pořadí je důležité
# B @ A @ v: nejdřív A, potom B
np.eye(3) # jednotková matice
np.linalg.solve(A, b) # řeší A @ x = b
np.linalg.inv(A) # inverze, zřídka potřeba
np.linalg.lstsq(X, y, rcond=None) # nejmenší čtverce
np.linalg.matrix_rank(A) # hodnost
np.linalg.cond(A) # podmíněnostLineární algebra lidsky
Vektory, skalární součin a matice vysvětlené na nákupním košíku. Pak otočíš body, vyřešíš soustavu rovnic a proložíš data přímkou.