python 线性代数:[19]行列式求解
行列式是线性代数里最重要的概念之一,今天我们使用Python的numpy和sympy包计算几个三阶行列式。下面的计算过程用excel存放矩阵的数据,而用excel里面的datanitro插件来运行Python代码,所以你可能要熟悉一下datanitro这个插件,关于这个插件的全部教程,我都写在了这个系列里:http://jingyan.baidu.com/season/43508
熟悉了这个插件以后,我们看看我们要解决的这四个矩阵:这些练习题来自《线性代数,同济大学第五版第一张课后题》。
![python 线性代数:[19]行列式求解](https://exp-picture.cdn.bcebos.com/a1780d1fceecd3d9b052417767995943050108bf.jpg)
这接着我们将这些矩阵录入到excel当中。
![python 线性代数:[19]行列式求解](https://exp-picture.cdn.bcebos.com/58021a0148fe1e42bd4cb762c2299a88381303bf.jpg)
接着我们把代码写到1.1.py文件中。
![python 线性代数:[19]行列式求解](https://exp-picture.cdn.bcebos.com/4759c1dae43b3b86ec06fce4185653bbf92075bf.jpg)
接着,我们在excel的datanitro插件中,引入1.1.py文件,然后run一下就可以看到计算结果:
![python 线性代数:[19]行列式求解](https://exp-picture.cdn.bcebos.com/04201aa355e983ae12f0ea9968efe078153169bf.jpg)
以上是大概的流程,接下来具体讲解一下代码的意义。
引入需要的两个模块
![python 线性代数:[19]行列式求解](https://exp-picture.cdn.bcebos.com/988e1c532f632385e61e5122cce833e038725dbf.jpg)
先看看第一题,这是计算第一个矩阵的行列式:
![python 线性代数:[19]行列式求解](https://exp-picture.cdn.bcebos.com/31097f43d7d4483116c34514d40f822b75ee51bf.jpg)
a,CellRange是datanitro的内置对象,表示excel里面的一个单元格区域,通过它我们可以将这个区域内的值读取出来,存放到lst这个列表里,也就是Python中的list对象;接着用numpy模块的reshap方法,将list转换为3x3的矩阵,然后用刀了det方法计算行列式,最后结果为-4
第二题:红色字体都是注释,没有实际功能。跟第一题相比,第二题用字母代替了数字,所以,我们要用到Python的符号计算包sympy,我们可以看到E就是一个3x3的矩阵,但是需要将E转换为符号矩阵,用到了sp.Matrix,得到M,然后使用m的det方法计算得到行列式,结果是:
![python 线性代数:[19]行列式求解](https://exp-picture.cdn.bcebos.com/d9e638334884cde35404e55df07f860e7d7542bf.jpg)
![python 线性代数:[19]行列式求解](https://exp-picture.cdn.bcebos.com/49c5d3e34b2c56ee5a5735bdf775e5f4fdf540bf.jpg)
第三题,与第二题类似,用到了sp.Matrix,但是我们还用到了sp.factor,这个方法可以将结果提取公因式,最后的计算结果为:
![python 线性代数:[19]行列式求解](https://exp-picture.cdn.bcebos.com/d04eec260d9a310e28b15a9931b842406bfea2bf.jpg)
![python 线性代数:[19]行列式求解](https://exp-picture.cdn.bcebos.com/b666b2530688912ce9e26f5b1b4800fc76f797bf.jpg)
如果前三题你都搞懂了,第四题就简单了,没有新知识:
![python 线性代数:[19]行列式求解](https://exp-picture.cdn.bcebos.com/423041db3620b93a9aa19376ad0f8835dc8a8abf.jpg)