Numeerinen lineaarinen algebra on olennainen osa insinöörien laskenta, jonka avulla analyysi ja ratkaisu monimutkaisia järjestelmiä. Python kirjastot kuten NumeerinenPy ja SciPy tarjoavat tehokkaita työkaluja suorittaa nämä toiminnot tehokkaasti. Tämä opas esittelee käytännön tekniikoita insinöörit työskentelevät numeerisen lineaarisen algebran näissä kirjastoissa.

Matrixin perustoiminnot

NumPy tarjoaa yksinkertaisia toimintoja matriisin luomiseen ja manipulointiin. Voit luoda matriiseja [] ja suorittaa toimintoja, kuten lisäys, kertominen ja saattaminen osaksi kansallista lainsäädäntöä.

Esimerkki:

[[LLT:1]]

[[LLT:2]]

[[LLT:3]]

Matrix-kerrokset:

[[LLT:4]]

Lineaaristen järjestelmien ratkaiseminen

Lineaaristen yhtälöiden järjestelmän ratkaisemiseksi Ax = b, käytä . Tämä toiminto edellyttää kerroinmatriisia A[] ja oikeanpuoleista vektoria b[].

Esimerkki:

[[LLT:6]]

[[LLT:7]]

Eigenarvot ja Eigenvektorit

Eigenvalues ja eigenvectors ovat olennaisia monissa sovelluksissa. Käytä laskeaksesi ne.

Esimerkki:

[[LLT: 9]]

Matrix-koostumus

SciPy tarjoaa toimintoja eri matriisi hajoaa, kuten LU, QR, ja SVD. Nämä hajoamat ovat hyödyllisiä ratkaista järjestelmiä, laskenta käänteiset, ja analysoimalla matriisi ominaisuuksia.

Esimerkki yksikköarvon alenemisesta (SVD):

Tämä hajottaa matriisin ]A yhdeksi kokonaisuudeksi U[ ja ]Vh ja diagonaalimatriisiksi, jossa on yksittäisiä arvoja []s[].