首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >问答首页 >计算子式的矩阵行列式!

计算子式的矩阵行列式!
EN

Stack Overflow用户
提问于 2011-04-05 19:08:09
回答 3查看 1.8K关注 0票数 2

我想在Python中计算子式的矩阵行列式,可能是使用scipy或其他一些软件包。有什么建议吗?

EN

回答 3

Stack Overflow用户

回答已采纳

发布于 2011-04-05 19:14:27

Numpy/SciPy将完成所有这些工作。

linalg.det().的removing rows and columns.

  • Calculate行列式形成
  • 子矩阵
票数 2
EN

Stack Overflow用户

发布于 2017-12-12 17:49:34

要创建次要矩阵,可以使用以下函数

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
def minor(M, i, j):
    M = np.delete(M, i, 0)
    M = np.delete(M, j, 1)
    return M

使用下面的输出

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
np.linalg.det(M)
票数 1
EN

Stack Overflow用户

发布于 2020-11-23 18:40:43

要创建矩阵的主要次要行列式并对每个行列式进行演算,您需要执行以下操作:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
import numpy as np

# procedure for creating principal minor determinants
def minor(M, size):
    # size can be 2x2, 3x3, 4x4 etc.
    theMinor = []

    for i in range(size):
        clearList = []
        for j in range(size):
            clearList.append(M[i][j])

        theMinor.append(clearList)

    return theMinor


# procedure to handle the principal minor
def handleMinorPrincipals(A, n):
    # A is a square Matrix
    # n is number or rows and cols for A

    if n == 0:
        return None
    if n == 1:
        return A[0][0]

    # size 1x1 is calculated
    # we now look for other minors
    for i in range(1, n):
        # get the minor determinant
        minDet = minor(A, i + 1)

        # check if determinant is greater than 0
        if np.linalg.det(minDet) > 0:
            # do smth
        else:
            # smth else

    return
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
Example:

[[8. 8. 0. 0. 0.]
 [6. 6. 3. 0. 0.]
 [0. 4. 4. 4. 0.]
 [0. 0. 2. 2. 2.]
 [0. 0. 0. 2. 2.]]

size = 1 -> Minor is 

[8]

size = 2 -> Minor is

[[8. 8.]
[6. 6.]]

size = 3 -> Minor is

[[8. 8. 0.]
[6. 6. 3.]
[0. 4. 4]]
票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/5557125

复制
相关文章
线性代数行列式的计算方法(通过代数余子式计算)
发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn/126576.html原文链接:https://javaforall.cn
全栈程序员站长
2022/07/23
3080
四阶行列式的计算方法余子式_三阶行列式降价
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
全栈程序员站长
2022/11/16
8920
分块矩阵计算行列式三板斧
发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn/153940.html原文链接:https://javaforall.cn
全栈程序员站长
2022/09/13
5.3K0
分块矩阵计算行列式三板斧
线性代数--MIT18.06(十九)
在上一讲我们介绍了行列式的性质,知道了行列式的性质,我们自然想知道如何求解行列式,首先回顾下行列式的三个基本性质
fireWang
2019/03/13
7460
化三角矩阵计算行列式的算法实现
前者的复杂度是 O(n!) 级别的,在计算约 12 阶的矩阵时就会需要超过 1s 的时间,而计算 1000 \times 1000 的矩阵需要进行约:
Clouder0
2022/09/28
9020
线性代数--MIT18.06(二十)
行列式用一个数值就包含了所有信息,从行列式的值出发我们又可以发现一些新的公式,用于计算我们之前讲解过得一些可以求解但是没有公式用于求解的东西
fireWang
2019/03/13
6400
逆矩阵的伴随阵的求法_伴随矩阵与原矩阵的特征值
由上面公式可以知道,我们只需求出 A 的伴随阵及A对应的行列式的值即可求出方阵A的
全栈程序员站长
2022/09/25
8840
逆矩阵的伴随阵的求法_伴随矩阵与原矩阵的特征值
线性代数行列式方程求解(正交矩阵的行列式)
线性代数行列式求值算的可真是让人CPU疼,但计算机是不累的,所以用一个c++程序帮助你验证求解行列式的值吧。
全栈程序员站长
2022/07/28
9360
线性代数行列式方程求解(正交矩阵的行列式)
投影矩阵的推导_分块矩阵的行列式公式
看了好几篇关于投影矩阵的文章,在z坐标的推导上,没有提到为什么z’和1/z成线性关系,而是通过结论中的投影矩阵,即已知z’= (zA + B)/w,并且x和x’,y和y’关系式中分母都有-z,所以w为-z,然后(-n,-f)映射到(-1,1),求出A、B,得到z’和z的关系。
全栈程序员站长
2022/11/09
5330
投影矩阵的推导_分块矩阵的行列式公式
线性代数精华2——逆矩阵的推导过程
矩阵的定义很简单,就是若干个数按照顺序排列在一起的数表。比如m * n个数,排成一个m * n的数表,就称为一个m * n的矩阵。
TechFlow-承志
2020/03/05
1.7K0
线性代数精华2——逆矩阵的推导过程
关于矩阵之行列式、方阵、逆矩阵的理解
行列式在数学中,是一个函数,其定义域为det的矩阵A,取值为一个标量,写作det(A)或 | A | ,可以看作在几何空间中,一个线性变换对“面积”或“体积”的影响。
python与大数据分析
2022/03/11
2K0
关于矩阵之行列式、方阵、逆矩阵的理解
Python递归求矩阵的行列式
为了感受Python的列表生成器的威力,写了个简单的程序——递归求矩阵的行列式,效率可能没numpy高,欢迎各位指正。 def det(m): if len(m) <= 0: return None if len(m) == 1: return m[0][0] else: s = 0 for i in range(len(m)): n = [[row[a] for a in range(len(m
forrestlin
2018/05/23
1.9K0
matlab矩阵及其运算(三)
大家好,感谢大家对matlab爱好者公众号的厚爱!如果公众号文章对您有帮助,别忘了分享和点赞哦!若您对公众号有什么意见或建议,请在公众号中回复或在任意文章底部留言,我们会第一时间改善改进!
巴山学长
2019/07/15
1.3K0
matlab矩阵及其运算(三)
透析矩阵,由浅入深娓娓道来—高数-线性代数-矩阵
线性代数是用来描述状态和变化的,而矩阵是存储状态和变化的信息的媒介,可以分为状态(静态)和变化(动态)信息来看待。
周陆军
2018/03/27
7.3K7
透析矩阵,由浅入深娓娓道来—高数-线性代数-矩阵
雅可比矩阵和行列式_雅可比行列式的意义
在向量微积分学中,雅可比矩阵是向量对应的函数(就是多变量函数,多个变量可以理解为一个向量,因此多变量函数就是向量函数)的一阶偏微分以一定方式排列形成的矩阵。
全栈程序员站长
2022/11/17
2.6K0
雅可比矩阵和行列式_雅可比行列式的意义
线性代数精华1——从行列式开始
线性代数是机器学习领域当中非常重要的基础知识,但是很遗憾的是,在真正入门之前很少有人能认识到它的重要性,将它学习扎实,在入门之后,再认识到想要补课也不容易。
TechFlow-承志
2020/03/05
1.1K0
线性代数精华1——从行列式开始
LinearAlgebra_4
用户1147754
2018/01/02
9190
LinearAlgebra_4
线性代数--MIT18.06(二十五)
是秩 1 矩阵,因此秩为 1 ,也就说明在零空间是二维平面,即有两个特征值为 0 ,根据迹即为特征值相加之和,即可得到另一个特征值为 1 。其特征向量就是
fireWang
2019/03/13
6720
计算方阵的行列式
●LU 分解法 在已经完成 LU 分解之后也可以利用 LU 分解进行计算。这里采用 Crout 分解法把系数矩阵分解为 A = LU 其中 L 为下三角矩阵, U 为单位上三角矩阵,进而有 det(A)= det(L)det(U)
fem178
2019/05/06
1.5K0
计算方阵的行列式
C语言 n*n矩阵求值及求逆矩阵[通俗易懂]
发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn/129010.html原文链接:https://javaforall.cn
全栈程序员站长
2022/07/28
3.1K0
C语言 n*n矩阵求值及求逆矩阵[通俗易懂]

相似问题

计算矩阵子式的Numpy例程?

40

计算矩阵行列式

50

计算矩阵的行列式

10

矩阵的子式

20

矩阵行列式的计算

40
添加站长 进交流群

领取专属 10元无门槛券

AI混元助手 在线答疑

扫码加入开发者社群
关注 腾讯云开发者公众号

洞察 腾讯核心技术

剖析业界实践案例

扫码关注腾讯云开发者公众号
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
查看详情【社区公告】 技术创作特训营有奖征文