时间:2021-05-22
计算:Ax-b
A: 2*2
x: 2*1
b: 2*1
so, Ax-b: 2*1
错误!!!
修改:
if __name__ == "__main__": A= mat([[4.0, 1.0], [1.0, 3.0]]) b = mat([[1.0], [2.0]]) x_0 = mat([[2.0], [1.0]]) r_k = A * x_0 - b print(r_k)if __name__ == "__main__": A= mat([[4.0, 1.0], [1.0, 3.0]]) b = mat([[1.0], [2.0]]) x_k = mat([[2.0], [1.0]]) p_k = -x_k # 2行1列 r_k = A * x_k - b # 2行1列 alpha_k = (np.transpose(r_k) * r_k) / (np.transpose(p_k) * A * p_k) # 1行1列 ----------------------------------------------- x_k = x_k + alpha_k * p_k #2行1列 !!!!这里报错 ----------------------------------------------- print(x_k)修改:
if __name__ == "__main__": A= mat([[4.0, 1.0], [1.0, 3.0]]) b = mat([[1.0], [2.0]]) x_k = mat([[2.0], [1.0]]) p_k = -x_k # 2*1 r_k = A * x_k - b # 2*1 alpha_k = (np.transpose(r_k) * r_k) / (np.transpose(p_k) * A * p_k) # 1*1 ----------------------------------------------- x_k = x_k + p_k *alpha_k ----------------------------------------------- print(x_k)以上这篇解决Python计算矩阵乘向量,矩阵乘实数的一些小错误就是小编分享给大家的全部内容了,希望能给大家一个参考,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。
点乘和矩阵乘的区别:1)点乘(即“*”)----各个矩阵对应元素做乘法若w为m*1的矩阵,x为m*n的矩阵,那么通过点乘结果就会得到一个m*n的矩阵。若w为m*
本文实例讲述了python简单实现矩阵的乘,加,转置和逆运算。分享给大家供大家参考,具体如下:使用python完成矩阵的乘,加,转置和逆:#-*-coding:
矩阵向量vector用于描述一维数据,是R语言中最基础的数据结构形式矩阵matrix可以描述二维数据,和向量相似,其内部元素可以是实数、复数、字符、逻辑型数据矩
一个有优秀的网站建设是需要避免一些什么小错误?根据多年的网站建设经验,在这里提醒大家千万不要忽略网站设计中的一些小错误,往往一个不成功的网站设计都是因为这些看似
matlab点乘和乘的区别是: 1、乘是线性代数里的矩阵,例如a是m行n列的数组,b是i行j列的数组,n和i必须相等才能相乘,即“a*b”。 2、点乘是数组