Numpy与线性方程组（Python与高等代数01）

1.求矩阵的秩
import numpy as np A = np.mat([ [1,2,1], [2,4,6], [3,3,2]],int) rank =
np.linalg.matrix_rank(A)
2.求解齐次线性方程组

齐次线性方程组要么有无穷多解，要么只有零解

对于AX=0，对A做SVD分解可得

由高等代数知识得，求解齐次线性方程组就是对系数矩阵A做SVD分解后，从最后一行向上选取出的n-r行向量的线性组合

这里的r是系数矩阵A的秩

如果没有记错的话，这个程序得自己写。。。
import numpy as np def simplify(ans): try: q = eval(input("decimal digit"))
type(q) == type(5) except: q = 5 for i in ans: Min = min([abs(c) for c in i])
ans[ans.index(i)] = [round(d/Min,q) for d in i] return ans def
homogeneous_linequationsolve(A): ans = [] rank = np.linalg.matrix_rank(A)
u,s,vt = np.linalg.svd(A) A = np.array(A) n = len(A[0]) vt = np.array(vt)[::-1]
if n-rank > 0: for i in range(0,n-rank): ans.append(vt[i]) else: return("only
null solution") ans = simplify(ans) return ans A =
np.mat([[2,1,3,7],[0,7,1,4],[0,0,1,3]]) print(homogeneous_linequationsolve(A))
print("over")
得到输出：
[[7.5, -1.0, -21.0, 7.0]]
那么：

方程的解就是
x = k1 * |7.5 -1 -21 7|
3.求解非齐次线性方程组

这个倒是很有现用的方法

为了解方程组

a = np.mat([[2, 4], [1, 3]]) b = np.mat([1, 1]).T x = np.linalg.solve(a, b)
print(x)
4.下期吧

• « 上一篇：python将指定文件夹下指定格式文件名存储到txt内，并读取txt文件。
• » 下一篇：SQL Server数据库--连接表