[Python] Vale la pena coleccionar, el cálculo de ecuaciones lineales ternarias, ven y mira lo nuevo~~~

El cálculo de ecuaciones lineales ternarias es familiar para todos, pero debe ser un poco inteligente para resolver ecuaciones con lenguaje de programación. La gente está un poco confundida. Hoy, les mostraré cómo usar Python para realizar ecuaciones. El conjunto de soluciones;
esto El papel se divide principalmente en dos partes:

  • resolución de problemas
  • calculo de comprobacion
  • revisar

resolución de problemas

Tema 1

inserte la descripción de la imagen aquí

el código

import numpy as np

para_1 = [[3, 0, 4], [2, 3, 1], [5, -9, 7]]
result_1 = [7, 9, 8]

# 新建矩阵
A = np.mat(para_1)
print(A)
# 常数矩阵
b = np.array(result_1)
print(b)
# 求解
dt = np.linalg.solve(A, b)
print("计算结果: ", dt)
print("===="*30)
print(dt[0])
print(dt[1])
print(dt[2])


resultado

[[ 3 0 4]
[ 2 3 1]
[ 5 -9 7]]
[7 9 8]
Resultado del cálculo: [ 5. 0.33333333 -2. ]
================ ================================================= === ================
5.0000000000000002
0.33333333333333265
-2.000000000000002

resultado de calculo manual

inserte la descripción de la imagen aquí

Tema 2

inserte la descripción de la imagen aquí

el código

import numpy as np

para_2 = [[1, -1, 1], [4, 2, 1], [25, 5, 1]]
result_2 = [0, 3, 60]
# 新建矩阵
A = np.mat(para_2)
print(A)
# 常数矩阵
b = np.array(result_2)
print(b)
# 求解
dt = np.linalg.solve(A, b)
print("计算结果: ", dt)
print("===="*30)
print(dt[0])
print(dt[1])
print(dt[2])


resultado

[[ 1 -1 1]
[ 4 2 1]
[25 5 1]]
[ 0 3 60]
Resultado del cálculo: [ 3. -2. -5.]
============== ================================================== == ================
3.0
-1.99999999999999996
-5.000000000000001

resultado de calculo manual

inserte la descripción de la imagen aquí

calculo de comprobacion

Verifique el cálculo con la ayuda del método np.dot(),
realice el cálculo de verificación en torno a dos temas respectivamente;

Tema 1

import numpy as np

# 新建矩阵
A = np.mat(para_1)
print(A)
# 常数矩阵
b = np.array(result_1)
print(b)
# 求解
dt = np.linalg.solve(A, b)
print(dt)
# 验算
print(np.dot(A, dt))

[[ 3 0 4]
[ 2 3 1]
[ 5 -9 7]]
[7 9 8]
[ 5. 0.33333333 -2. ]
[[7. 9. 8.]]

Tema 2

import numpy as np

# 新建矩阵
A = np.mat(para_2)
print(A)
# 常数矩阵
b = np.array(result_2)
print(b)
# 求解
dt = np.linalg.solve(A, b)
print(dt)
# 验算
print(np.dot(A, dt))

resultado

[[ 1 -1 1]
[ 4 2 1]
[25 5 1]]
[ 0 3 60]
[ 3. -2. -5.]
[[-8.8817842e-16 3.0000000e+00 6.0000000e+01]]

revisar

Los códigos de estas dos preguntas son aproximadamente los mismos. La diferencia es que los parámetros dados son diferentes. En las dos partes de cálculo y verificación, se ha demostrado que nuestros resultados son correctos. La velocidad de cálculo sigue siendo posible. ¿Qué piensas? ¿Piensas que está mal? Las ecuaciones que son fáciles de calcular se pueden calcular recordando la computadora. Este es el final del método de hoy. Si estás interesado, puedes escribir el código varias veces para familiarizarte con el proceso.

Supongo que te gusta

Origin blog.csdn.net/qq_41604569/article/details/130412420
Recomendado
Clasificación