如何“重塑”为numpy.linalg.solve()的平方矩阵？
如何“重塑”为numpy.linalg.solve()的平方矩阵？
提问于 2019-04-01 12:47:57
我正试图使用y=a_1x+b_1和y=a_2x+b_2找到行的交集。我无法理解的是如何正确地使A成为solve()工作的方阵。我对解线性方程组很熟悉，但这里有些东西我不明白。
def meeting_lines(a1, b1, a2, b2):
a = np.array([[a1], [a2]])
b = np.array([b1, b2])
return np.linalg.solve(a, b)
def main():
a1=1
b1=4
a2=3
b2=2
y, x = meeting_lines(a1, b1, a2, b2)在这里我期望y=-3和x=1。然而，这在numpy.linalg.LinAlgError: Last 2 dimensions of the array must be square中失败了。
非常感谢你的帮助，想办法解决这个问题已经把我的一天搞砸了！
回答 1
Data Science用户
回答已采纳
发布于 2019-04-01 13:52:35
您应该按照如下方式将(x, y)作为未知数：\begin{align} \left.\begin{matrix} a_1x-y=-b_1\\ a_2x-y=-b_2 \end{matrix}\right\} \rightarrow \overbrace{ \begin{bmatrix} a_1& -1\\ a_2& -1 \end{bmatrix} }^{\boldsymbol{a}} \overbrace{ \begin{bmatrix} x\\ y \end{bmatrix} }^{\boldsymbol{x}} = \overbrace{ \begin{bmatrix} -b_1\\ -b_2 \end{bmatrix} }^{\boldsymbol{b}} \end{align}，因此，代码应该是：
import numpy as np
def meeting_lines(a1, b1, a2, b2):
a = np.array([[a1, -1], [a2, -1]])
b = np.array([-b1, -b2])
return np.linalg.solve(a, b)
a1=1
b1=4
a2=3
b2=2
x, y = meeting_lines(a1, b1, a2, b2)
print(x, y)其中产出：
1.0 5.0页面原文内容由Data Science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://datascience.stackexchange.com/questions/48345
复制相关文章
相似问题
腾讯云开发者
