如何用Python验证矩阵计算的正确性？

本文共计534个文字，预计阅读时间需要3分钟。

针对最近复习的线性代数计算量较大，特别是1800个答案中常出现一些逆阵、行列式的计算错误，我们可以使用Python编写一个简单的矩阵计算程序，便于检查出错步骤。程序包括：

1. 行列式计算

2.逆矩阵计算

3.可自行输入阶数

4.使用numpy库

python

import numpy as np

def calculate_determinant(matrix): return np.linalg.det(matrix)

def calculate_inverse(matrix): return np.linalg.inv(matrix)

def main(): n=int(input(请输入矩阵的阶数：)) matrix=[] print(请输入矩阵的元素，每行输入完毕按回车继续：) for i in range(n): row=list(map(float, input().split())) matrix.append(row) matrix=np.array(matrix)

det=calculate_determinant(matrix) inv=calculate_inverse(matrix)

print(行列式结果：, det) print(逆矩阵结果：) print(inv)

if __name__==__main__: main()

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易盾网络。