时间:2021-05-22
鉴于最近复习线性代数计算量较大,且1800答案常常忽略一些逆阵、行列式的计算答案,故用Python写出矩阵的简单计算程序,便于检查出错的步骤。
1、行列式
可自行更改阶数
from numpy import *# 求行列式 ,建议:取小数点前整数A = array([[3, 1, 1, 1], [1, 3, 1, 1], [1, 1, 3, 1], [1, 1, 1, 3]])B = linalg.det(A)print(B)# 48.000000000000014 正确答案:482、矩阵相乘
注意要内标相同
from numpy import *# 求矩阵相乘A = array([[1, -1, 1], [1, 1, 0], [-1, 0, 1]])B = array([[3, 0, 0], [0, 0, 0], [0, 0, 0]])# N=ABN = dot(A, B)# N=BA,则 N = dot(B, A)print(N)# 正确答案:# [ 3 0 0]# [ 3 0 0]# [-3 0 0]3、逆矩阵
自行判断|A|≠0,这里 A∗ = A−1 · |A|
from numpy import *# 求逆矩阵 ,建议:取小数点后一位化为分数A = mat([[1, -1, 1], [1, 1, 0], [-1, 0, 1]])B = A.Iprint(B)# [ 0.33333333 0.33333333 -0.33333333]# [-0.33333333 0.66666667 0.33333333]# [ 0.33333333 0.33333333 0.66666667]# 0.333≈ 1/3 ,0.667≈ 2/3以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
本文主要讲解利用Eigen库计算矩阵的特征值及特征向量并与Matlab计算结果进行比较。C++Eigen库代码#include#include#includeu
计算器ac和c的区别: 1、功能不同,AC是清除所有计算结果;C是清除上一次的计算结果。 2、存储器处理过程不同,执行AC命令时,先将当前的计算结果清空,之
需求:用户输入运算表达式,终端显示计算结果代码:#!/usr/bin/env/python3#-*-coding:utf-8-*-"""用户输入计算表达式,显示
Python的property属性的功能是:property属性内部进行一系列的逻辑计算,最终将计算结果返回。使用property修饰的实例方法被调用时,可以把
计算器ac和on/c的区别是: 1、功能不同,AC是清除所有计算结果;on/c是清除上一次的计算结果。 2、存储器处理过程不同,执行AC命令时,先将当前的计