Numpy Solve

Numpy jest jedną z zaawansowanych bibliotek Pythona, która jest używana do rozwiązywania wielu operacji matematycznych i naukowych, ponieważ możemy dodawać, odejmować, rozmnażać, dzielić, moc, mod itp. Możemy również znaleźć produkt kropki i krzyżowy macierzy, ekspresji algebraicznej i manipulacji kształtem itp.

Wstęp

Znalezienie wartości niejednoznacznej zmiennej „x” odbywa się przy użyciu równań liniowych. Systemy równań liniowych można rozwiązać za pomocą pakietów Numpy, ponieważ biblioteka służy do rozwiązywania operacji numerycznych. Biblioteki te wykorzystują zasadę wektoryzacji, która umożliwia szybkie wykonywanie obliczeń macierzy poprzez zmniejszenie liczby pętli. Równania liniowe są używane do znalezienia wartości nieznanej zmiennej „x”. Zatrudniamy Linalga.funkcja rozwiązania w celu rozwiązania równań liniowych. Funkcja Soluve () służy do znalezienia dokładnej wartości x równania ax = b, gdzie a i b są podaną macierzą.

Składnia

Oto styl implementacji liniowej funkcji algebraicznej (). Najpierw napiszmy nazwę biblioteki, której używamy, czyli Numpy. Następnie napiszemy słowo kluczowe „Linalg”, ponieważ ta funkcja jest liniową funkcją algebraiczną biblioteki Numpy. Następnie wywołujemy funkcję Soluve (), aby rozwiązać równanie liniowe i przekazujemy w niej dwa parametry.

Parametry

A: jest matrycą współczynnika Numpy

B: to macierz rzędna, jeśli Numpy

Wartość zwracana

Równanie AX = B zwraca rozwiązanie tego równania. Zwracany typ równania AX = B jest tablicą, która ma takie same wymiary jak macierz B. Wygeneruje błąd algebry liniowej, jeśli nasza tablica „A” jest pojedyncza.

Przykład 01:

Zacznijmy wdrażać proste równanie liniowe na dwóch macierzach „A” i „B”, a następnie wykonaj funkcję Soluve () w tym równaniu. Aby rozpocząć wdrażanie kodu, najpierw będziemy musieli otworzyć kompilator, który będzie obsługiwał język Python.

Najpierw napisz słowo kluczowe „import”, które poinformuje kompilatora, że ​​próbujemy zaimportować bibliotekę. Następnie piszemy nazwę biblioteki „Numpy”, a następnie piszemy pseudonim Numpy, który jest „NP”.

Używamy metody print () używanej do wyświetlania wszystkiego w Python. Tutaj wydrukowaliśmy wiadomość, że zamierzamy zaimplementować Linalg.funkcja SOLVE (). Drukujemy tylko tę wiadomość, aby użytkownik/programista mógł łatwo zrozumieć, co wdrażamy. Następnie tworzymy tablicę 2-wymiarową „A” za pomocą funkcji Array (). Drukujemy matrycę „A” za pomocą metody print (). Następnie tworzymy kolejną tablicę „B” za pomocą funkcji array () Python-Numpy, a następnie drukujemy tablicę „B” za pomocą metody print (). Metoda print () jest predefiniowaną funkcją języka Pythona.

Po utworzeniu obu tablic A i B musimy zaimplementować funkcję Soluve () na tych tablicach. Aby wywołać funkcję, piszemy alternatywną nazwę Numpy „NP”, ponieważ używamy funkcji Numpy. Następnie używamy konkatenacji. Konatenacja służy do łączenia funkcji. Następnie piszemy „Linalg”, co oznacza, że ​​łączymy moduł algebry liniowej z biblioteką Numpy i rozwiązujemy funkcję (). Funkcja Soluve () służy do rozwiązania równania liniowego, a następnie przekazujemy obie tablice „A” i „B” do funkcji SOLVE (). A następnie drukujemy tablicę „x”.

Drukujemy ostatnią funkcję tego programu, która jest funkcją allclose (). Funkcja allclose () służy do sprawdzenia, czy obie tablice są równe elementarne w ramach tolerancji, czy nie; Jeśli jest równe, zwróci prawdziwie. Jak już zauważyłeś, używaliśmy specyfikatora formatu „\ n” raz po raz w powyższym kodzie, ponieważ chcemy dodać nowy wiersz, aby wyjście wyglądało na prezentowane i łatwe do zrozumienia dla użytkownika. Zobaczmy teraz, co ten kod produkuje teraz w skorcie poniżej:

Przykład 02:

Teraz mamy kolejny przykład, który zamierzamy zaimplementować za pomocą funkcji Soluve (). Tutaj mamy nieznaną zmienną x i chcemy uzyskać wartość tej nieznanej zmiennej. Zatrudniamy Linalga.funkcja soluve () w celu rozwiązania równań liniowych ax = b, gdzie „a” i „b” są znaną matrycą.

Jest to ta sama implementacja kodu, którą zrobiliśmy w powyższym przykładzie1. Jedyną różnicą jest to, że wartości macierzy „a” i „b” są zmieniane. Teraz matryca „A” jest osobliwość, co oznacza, że ​​nie możemy wziąć odwrotu matrycy „A”. W konsekwencji systemu nie można rozwiązać wyjątkowo. Następnie mamy jeszcze dwie możliwości, to znaczy mamy nieskończoną liczbę roztworów matrycy „A” lub nie ma żadnych rozwiązań matrycy „A”.

Spójrzmy na wyniki kodu, który zaimplementowaliśmy powyżej, aby uzyskać wartości dla „x”. Jak widać poniżej w skorcie, najpierw stworzyliśmy matrycę „A”, która jest trójwymiarową tablicą/matrycą. Następnie stworzyliśmy kolejną matrycę „B”, która jest 1-wymiarową tablicą. Kompilator zawiera zawiadomienie o błędach, gdy mamy obie matryce „A” i „B”. Błąd to „Linalgerror”, który pokazuje, że macierz „A” jest matrycą osobliwą. Gdy układ równania liniowego nie ma rozwiązania, że ​​macierz „a” jest matrycą konsystencyjną.

Wniosek

W tym artykule dokonaliśmy szybkiej recenzji Numpy, która jest modułem języka Pythona. Następnie nauczyliśmy się podstaw równań liniowych i sposobu, w jaki implementujemy równania liniowe w Pythonie i jakiej funkcji użyliśmy do uzyskania wartości nieznanej zmiennej „x” równania ax = b. Wdrożyliśmy wiele przykładów Linalga.funkcja rozwiązania ze szczegółowym wyjaśnieniem tych przykładów, aby użytkownik mógł łatwo zrozumieć i żaden punkt zamieszania.