基于python检查矩阵计算结果

所属分类: 脚本专栏 / python 阅读数: 848
收藏 0 赞 0 分享

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:48

2、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=AB
N = 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.I
print(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脚本之家。

更多精彩内容其他人还在看

python中seaborn包常用图形使用详解

今天小编就为大家分享一篇python中seaborn包常用图形使用详解,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
收藏 0 赞 0 分享

numpy:找到指定元素的索引示例

今天小编就为大家分享一篇numpy:找到指定元素的索引示例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
收藏 0 赞 0 分享

python实现图片上添加图片

这篇文章主要为大家详细介绍了python实现图片上添加图片,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
收藏 0 赞 0 分享

从numpy数组中取出满足条件的元素示例

今天小编就为大家分享一篇从numpy数组中取出满足条件的元素示例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
收藏 0 赞 0 分享

Python实现图片添加文字

这篇文章主要为大家详细介绍了Python实现图片添加文字,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
收藏 0 赞 0 分享

python实现在多维数组中挑选符合条件的全部元素

今天小编就为大家分享一篇python实现在多维数组中挑选符合条件的全部元素,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
收藏 0 赞 0 分享

Python如何使用BeautifulSoup爬取网页信息

这篇文章主要介绍了Python如何使用BeautifulSoup爬取网页信息,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
收藏 0 赞 0 分享

浅谈python已知元素,获取元素索引(numpy,pandas)

今天小编就为大家分享一篇浅谈python已知元素,获取元素索引(numpy,pandas),具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
收藏 0 赞 0 分享

numpy ndarray 按条件筛选数组,关联筛选的例子

今天小编就为大家分享一篇numpy ndarray 按条件筛选数组,关联筛选的例子,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
收藏 0 赞 0 分享

Python pickle模块实现对象序列化

这篇文章主要介绍了Python pickle模块实现对象序列化,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
收藏 0 赞 0 分享
查看更多