0

我试过使用矩阵,但失败了。我查看了外部模块和外部程序,但都没有奏效。如果有人可以分享一些有用的提示或代码,谢谢。

4

3 回答 3

5

当您说矩阵方法不起作用时,我不确定您的意思。这是解决这类问题的标准方法。

从线性代数的角度来看,求解 5 个线性方程是微不足道的。它可以使用任意数量的方法来解决。您可以使用高斯消元法、求法、克莱默法则等。

如果你很懒惰,你总是可以求助于图书馆。SympyNumpy都可以轻松求解线性方程组。

于 2012-06-01T02:10:08.317 回答
5
import numpy
import scipy.linalg

m = numpy.matrix([
    [1, 1, 1, 1, 1],
    [16, 8, 4, 2, 1],
    [81, 27, 9, 3, 1],
    [256, 64, 16, 4, 1],
    [625, 125, 25, 5, 1]
])

res = numpy.matrix([[1],[2],[3],[4],[8]])

print scipy.linalg.solve(m, res)

返回

[[ 0.125]
 [-1.25 ]
 [ 4.375]
 [-5.25 ]
 [ 3.   ]]

(a、b、c、d、e 的解系数)

于 2012-06-01T02:20:44.507 回答
0

也许您以错误的方式使用矩阵。

矩阵就像列表中的列表。

[[1,1,1,1,1],[1,1,1,1,1],[1,1,1,1,1],[1,1,1,1,1],[1,1,1,1,1,1]]

上述代码将创建一个列表,您可以mylist[y][x]在交换轴时访问该列表。

于 2012-06-01T02:14:05.317 回答