在本文中,您将看到如何使用Python的Numpy库解决线性方程组。
维基百科将线性方程组定义为:
在数学中,线性方程组(或线性系统)是两个或多个涉及同一组变量的线性方程的集合。
解决线性方程组的最终目标是找到未知变量的值。这是带有两个未知变量的线性方程组的示例:
为了解决上述线性方程组,我们需要找到x和y变量的值。解决方法有多种,例如消除变量,克莱默规则,矩阵解决方案。在本文中,我们将介绍矩阵解决方案。
在矩阵解中,要求解的线性方程组以矩阵形式表示AX = B。例如,我们可以用矩阵形式表示等式1,如下所示:
要查找的值x和y变量方程1,我们需要找到在矩阵中的值X。为此,我们可以采用矩阵逆的点积A和矩阵B,如下所示:
用numpy求解线性方程组
要求解线性方程组,我们需要执行两个操作:矩阵求逆和矩阵点积。Python的Numpy库支持这两种操作。如果尚未安装Numpy库,则可以使用以下pip命令:
现在让我们看看如何使用Numpy库解决线性方程组。
使用inv()和dot()方法
首先,我们将找到A在上一节中定义的矩阵逆。
首先让我们A在Python中创建矩阵。要创建矩阵,array可以使用Numpy模块的方法。矩阵可以视为列表列表,其中每个列表代表一行。
在以下脚本中,我们创建一个名为的列表m_list,其中进一步包含两个列表:[4,3]和[-5,9]。这些列表是矩阵中的两行A。要A使用Numpy 创建矩阵,将m_list传递给array方法,如下所示:
为了找到矩阵的逆,将矩阵传递给linalg.inv()Numpy模块:
下一步是找出矩阵的逆矩阵之间的点积A和矩阵B。重要的是要提一下,只有在矩阵的维度相等的情况下,才可能在矩阵之间获得矩阵点积,即,左矩阵的列数必须与右矩阵的行数匹配。
验证一下,如果在方程式中插入x并4替换未知数,您将看到结果为20。
现在,让我们解决由三个线性方程组成的系统,如下所示:
可以使用Numpy库按以下方式求解以上方程式:
在上面的脚本中,linalg.inv()和linalg.dot()方法链接在一起。该变量X包含方程式2的解,并输出如下:
未知数x,y和的值分别是5、3 z和-2。您可以将这些值代入公式2并验证其正确性。
使用solve()方法
在前两个示例中,我们使用linalg.inv()和linalg.dot()方法来找到方程组的解。但是,Numpy库包含该linalg.solve()方法,该方法可用于直接找到线性方程组的解:
您可以看到输出与以前相同。
让我们看看如何使用线性方程组来解决实际问题。
假设有一个卖水果的人一天就卖出了20个芒果和10个橘子,总价为350元。第二天,他以500元的价格出售了17个芒果和22个橙子。如果这两天的水果价格都保持不变,那么一个芒果和一个橙子的价格是多少?
使用两个线性方程组可以轻松解决此问题。
假设一个芒果x的价格为,一个橙子的价格为y。上面的问题可以这样转换:
上面的方程组的解决方案如下所示:
输出显示,一个芒果的价格为10元,一个橙子的价格为15元。
本文介绍了如何使用Python的Numpy库解决线性方程组。您可以使用linalg.inv()和linalg.dot()方法来求解线性方程组,也可以简单地使用solve()方法。solve()方法是首选方法。