Numpy Løs

Numpy er et av de avanserte bibliotekene til Python som brukes til å løse flere matematiske og vitenskapelige operasjoner som vi kan legge til, trekke, multiplisere, dele, kraft, mod, etc. Vi kan også finne prikk- og kryssproduktet fra matrisen, algebraisk uttrykk og formmanipulering, etc.

Introduksjon

Å finne verdien av den tvetydige variabelen “x” gjøres ved hjelp av lineære ligninger. Systemer for lineære ligninger kan løses ved hjelp av Numpy -pakkene fordi biblioteket brukes til å løse numeriske operasjoner. Disse bibliotekene benytter seg av vektoriseringsprinsippet, som gjør dem i stand til å gjøre matriksberegninger raskt ved å redusere antall løkker. Lineære ligninger brukes til å finne verdien av den ukjente variabelen “x”. Vi ansetter linjen.Løs () Funksjon for å løse de lineære ligningene. Løsning () -funksjonen brukes til å finne den nøyaktige verdien av x av ligning AX = B der A og B er den gitte matrisen.

Syntaks

Her er den implementerende stilen til den lineære algebraiske løse () -funksjonen. Først vil vi skrive biblioteknavnet som vi bruker, som er numpy. Etter det vil vi skrive nøkkelordet "Linald" fordi denne funksjonen er en lineær algebraisk funksjon av Numpy Library. Deretter kaller vi løsningen () -funksjonen for å løse den lineære ligningen, og vi passerer de to parametrene i den.

Parametere

en: er koeffisientmatrisen til numpy

b er ordinatmatrisen hvis numpy

Returverdi

Ligningen AX = B returnerer løsningen på denne ligningen. Den returnerte typen ligning AX = B er en matrise som har samme dimensjoner som matrise B. Det vil generere den lineære algebrafeilen hvis vår matrise “A” er entall.

Eksempel 01:

La oss begynne å implementere den enkle lineære ligningen på to matriser “A” og “B” og deretter utføre Solve () -funksjonen på denne ligningen. For å begynne å implementere koden, må vi først åpne en kompilator som vil støtte Python -språk.

Skriv først søkeordet "Import" som vil fortelle kompilatoren at vi prøver å importere biblioteket. Deretter skriver vi biblioteknavnet “Numpy” og så skriver vi aliaset til Numpy som er “NP”.

Vi bruker en print () -metode som brukes til å vise noe i Python. Her har vi skrevet ut meldingen om at vi skal implementere ling.Løs () Funksjon. Vi skriver bare ut denne meldingen slik at brukeren/programmereren lett kan forstå hva vi implementerer. Deretter oppretter vi den to-dimensjonale matrisen “A” ved å bruke Array () -funksjonen. Vi skriver ut matrisen “A” ved å bruke metoden Print (). Deretter lager vi en annen matrise “B” ved å bruke Array () -funksjonen til Python-Numpy, og deretter skriver vi ut arrayen “B” ved å bruke metoden Print (). Print () -metoden er den forhåndsdefinerte funksjonen til Python -språket.

Etter å ha opprettet begge matriser A og B, må vi implementere løse () -funksjonen på disse matriser. For å kalle funksjonen skriver vi det numpy alternative navnet “NP” fordi vi bruker Numpy -funksjonen. Deretter bruker vi sammenkoblingen. Sammenkoblingen brukes til å kombinere funksjonene. Deretter skriver vi "liningen" som betyr at vi kombinerer den lineære algebra -modulen med Numpy -biblioteket og løser () -funksjonen. Løsningsfunksjonen brukes til å løse den lineære ligningen, og deretter passerer vi begge matriser “A” og “B” til Løs () -funksjonen. Og så skriver vi ut matrisen “x”.

Vi skriver ut den siste funksjonen til dette programmet som er allclose () -funksjonen. AllClose () -funksjonen brukes til å sjekke om begge matriser er elementsmessig like innenfor toleransen eller ikke; Hvis den er lik, vil den returnere det sanne. Som du allerede har observert, har vi brukt “\ n” -formatspesifikasjonen igjen og igjen i koden ovenfor fordi vi ønsker å legge til den nye linjen slik at utdataene ser presentabel og lett å forstå for brukeren. La oss nå se hva denne koden produserer nå i skallet nedenfor:

Eksempel 02:

Nå har vi et annet eksempel på at vi skal implementere ved å bruke Solve () -funksjonen. Her har vi en ukjent variabel X, og vi ønsker å få verdien av denne ukjente variabelen. Vi ansetter linjen.Løs () Funksjon for å løse de lineære ligningene AX = B der “A” og “B” er den kjente matrisen.

Dette er den samme implementeringen av koden som vi har gjort i ovennevnte eksempel1 Den eneste forskjellen er at verdiene til matriser “A” og “B” endres. Nå er matrisen “A” entall, noe som betyr at vi ikke kan ta det inverse av “A” -matrise. Følgelig kan systemet ikke løses entydig. Deretter har vi fortsatt to muligheter, det vil si at vi har det uendelige antallet løsninger av matrise “a”, eller det er ingen løsninger av matrisen “a”.

La oss se på resultatene av koden vi implementerte ovenfor for å få verdiene for “X”. Som du ser nedenfor i skallet, har vi først laget matrisen “A” som er en tredimensjonal matrise/matrise. Deretter opprettet vi en annen matrise “B” som er en 1-dimensjonal matrise. Kompilatoren produserer feilvarselen når vi har både matriser “A” og “B”. Feilen er “lingerror” som viser at matrisen “A” er en entall matrise. Når systemet med den lineære ligningen ikke har noen løsning, er at matrisen “A” er den konsistente matrisen.

Konklusjon

I denne artikkelen har vi gjort en rask gjennomgang av Numpy som er modulen Python Language. Deretter lærte vi det grunnleggende om lineære ligninger og hvordan vi implementerer de lineære ligningene i Python og hvilken funksjon vi brukte for å få verdien av den ukjente variabelen “x” av ligning AX = B. Vi har implementert flere eksempler på linjen.Løs () Funksjon med en detaljert forklaring av disse eksemplene slik at brukeren lett kan forstå og ikke noe forvirringspunkt blir igjen.