¿Cómo aprender álgebra linear usando Python?
Pero los seres humanos no somos calculadoras. Pensamos y reflexionamos las propiedades de los vectores, sus espacios, sus bases. La calve es estar seguros que nuestro racionamiento es correcto o wrongo, sin dudar de comernos un signo o no haber sumado una componente.
Aprender a programar nos da el poder de comprobar nuestras hipótesis sin dudar de nuestros números.
컴퓨터 과학
"Numpy es el paquetefundamental para la computación científica en Python". En español, es una caja de herramientas para hacer todo tipo de cálculos.
Python, te recomiendoéste artículo에 설치해야 합니다.
그러나 배열에 관심이 없기 때문에 벡터와 유사하게 사용할 수 있습니다. Numpy los dota de operaciones cómo la suma, el producto escalar, y producto vectorial (definido sólo para
R3\mathbb{R}^3 R3
)
Para muestra, un problema
Intentemos hallar, si existe, la intersección entre las siguientes rectas.
L1=λ(2,2,1)+(2,1,−3)L2=λ(1,−1,1)+(0,2,3)
\시작{정렬*}
&\mathbb{L}_1 =\lambda(2,2,1) + (2,1,-3)\\
&\mathbb{L}_2 =\lambda(1,-1,1) + (0,2,3)
\end{정렬*}
L1 =λ(2,2,1)+(2,1,−3)L2 =λ(1,−1,1)+(0,2,3)
프리메로 플란테모스 라 이구알다드
L1=L2\mathbb{L}_1 =\mathbb{L}_2 L1 =L2
, 포르 로 탄토
α(2,2,1)+(2,1,−3)=β(1,−1,1)+(0,2,3)⟺{2α+2=β2α+1=−β+2α− 3=β+3⟺{2α−β=−22α+β=1α−β=6
\시작{정렬*}
&\alpha(2,2,1) + (2,1,-3) =\beta(1,-1,1) + (0,2,3)\\
&\긴왼쪽오른쪽화살표
\begin{케이스}
2\알파 + 2 =\베타\\
2\알파 + 1 = -\베타 + 2\\
\알파 - 3 =\베타 + 3
\end{사례}\\
&\긴왼쪽오른쪽화살표
\begin{케이스}
2\알파 -\베타 = -2\\
2\알파 +\베타 = 1\\
\알파 -\베타 = 6
\end{사례}\\
\end{정렬*}
α(2,2,1)+(2,1,−3)=β(1,−1,1)+(0,2,3)⟺⎩⎨⎧ 2α+2=β2α+1=− β+2α−3=β+3 ⟺⎩⎨⎧ 2α−β=−22α+β=1α−β=6
A partir de este sistema de ecuaciones, que además es homogéneo, podemos construir una matriz de coeficientes para buscar los valores de
α\alphaα
와이
β\betaβ
(2−1−22111−16)
\왼쪽(
\begin{배열}{cc|c}
2 & -1 & -2\\
2 & 1 & 1\\
1 & -1 & 6\\
\end{배열}
\오른쪽)
⎝⎛ 221 −11−1 −216 ⎠⎞
헤치조스 데 마기아
import numpy as np
Para resolver la matriz, debemos aplicar el método de Gauss-Jordan, y para ello vamos a definir tres "vectores"(배열), que expressen cada fila de la matriz
F1 = np.array([2,-1,-2])
F2 = np.array([2,1,1])
F3 = np.array([1,-1,6])
Luego, procedemos cómo cualquier triangulación. cada vector lo podemos multiplicar por un escalar. Voy a empezar restando a la primer y segunda fila el doble de la tercera
F2 = F2 - 2*F3
F1 = F1 - 2*F3
Quedándonos con la siguiente matriz
[ 0 1 -14]
[ 0 3 -11]
[ 1 -1 6]
새로운 절차는 삼각 측량을 마무리하고 삼중으로 프라이머 필라 라 세군다를 마무리합니다.
F1 = 3*F1 - F2
[[ 0 0 -31]
[ 0 3 -11]
[ 1 -1 6]]
Hemos llegado a un absurdo. Recordemos que nuestra matriz, en este caso, expressa un sistema de ecuaciones, dónde la primer columna는 la 변수를 나타냅니다.
α\alphaα
y la segunda a
β\betaβ
.
Reference
이 문제에 관하여(¿Cómo aprender álgebra linear usando Python?), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://dev.to/rabey_n/como-aprender-algebra-lineal-usando-python-38nk텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)