Solve Numpy
Numpy est l'une des bibliothèques avancées de Python qui est utilisée pour résoudre plusieurs opérations mathématiques et scientifiques comme nous pouvons ajouter, soustraire, multiplier, diviser, puissance, mod, etc. Nous pouvons également trouver le produit et le produit croisé de la matrice, l'expression algébrique et la manipulation de forme, etc.
Introduction
Trouver la valeur de la variable ambiguë «x» se fait en utilisant des équations linéaires. Les systèmes d'équations linéaires peuvent être résolus à l'aide des packages Numpy car la bibliothèque est utilisée pour résoudre les opérations numériques. Ces bibliothèques utilisent le principe de vectorisation, ce qui leur permet de faire des calculs matriciels rapidement en réduisant le nombre de boucles. Des équations linéaires sont utilisées pour trouver la valeur de la variable inconnue «x». Nous employons le linalg.Solve () Fonction pour résoudre les équations linéaires. La fonction Solve () est utilisée pour trouver la valeur exacte de x de l'équation AX = B où A et B sont la matrice donnée.
Syntaxe
Voici le style de mise en œuvre de la fonction algébrique linéaire (). Tout d'abord, nous écrire le nom de la bibliothèque que nous utilisons, ce qui est numpy. Après cela, nous écrivons le mot clé «Linalg» car cette fonction est une fonction algébrique linéaire de la bibliothèque Numpy. Ensuite, nous appelons la fonction Solve () pour résoudre l'équation linéaire et nous y passons les deux paramètres.
Paramètres
un: est la matrice du coefficient de Numpy
B: est la matrice ordonnée si Numpy
Valeur de retour
L'équation AX = B renvoie la solution de cette équation. Le type retourné d'équation AX = B est un tableau qui a les mêmes dimensions que la matrice B. Il générera l'erreur d'algèbre linéaire si notre tableau «A» est singulier.
Exemple 01:
Commençons à implémenter l'équation linéaire simple sur deux matrices «A» et «B», puis effectuez la fonction Solve () sur cette équation. Pour commencer à implémenter le code, nous devrons d'abord ouvrir un compilateur qui prendra en charge le langage Python.
Tout d'abord, écrivez le mot-clé «import» qui indiquera au compilateur que nous essayons d'importer la bibliothèque. Ensuite, nous écrivons le nom de la bibliothèque «Numpy», puis nous écrivons l'alias du Numpy qui est «NP».
Nous utilisons une méthode print () utilisée pour afficher quoi que ce soit dans Python. Ici, nous avons imprimé le message que nous allons implémenter le Linalg.Fonction Solve (). Nous imprimons uniquement ce message afin que l'utilisateur / programmeur puisse comprendre facilement ce que nous implémentons. Ensuite, nous créons le tableau bidimensionnel «A» en utilisant la fonction Array (). Nous imprimons la matrice «A» en utilisant la méthode print (). Ensuite, nous créons un autre tableau «B» en utilisant la fonction Array () de Python Numpy, puis nous imprimons le tableau «B» en utilisant la méthode print (). La méthode print () est la fonction prédéfinie de la langue python.
Après avoir créé les tableaux A et B, nous devons implémenter la fonction Solve () sur ces tableaux. Pour appeler la fonction, nous écrivons le nom alternatif Numpy «NP» parce que nous utilisons la fonction Numpy. Ensuite, nous utilisons la concaténation. La concaténation est utilisée pour combiner les fonctions. Ensuite, nous écrivons le «Linalg», ce qui signifie que nous combinons le module d'algèbre linéaire avec la bibliothèque Numpy et résolvons la fonction (). La fonction Solve () est utilisée pour résoudre l'équation linéaire, puis nous passons les deux tableaux «A» et «B» à la fonction Solve (). Et puis nous imprimons le tableau «x».
Nous imprimons la dernière fonction de ce programme qui est la fonction allClose (). La fonction allClose () est utilisée pour vérifier si les deux tableaux sont égaux par élément dans la tolérance ou non; S'il est égal, il renverra le vrai. Comme vous l'avez déjà observé, nous avons utilisé le spécificateur de format «\ n» encore et encore dans le code ci-dessus parce que nous voulons ajouter la nouvelle ligne afin que la sortie soit présentable et facile à comprendre pour l'utilisateur. Maintenant, voyons ce que ce code produit maintenant dans le shell ci-dessous:
Exemple 02:
Maintenant, nous avons un autre exemple que nous allons implémenter en utilisant la fonction Solve (). Ici, nous avons une variable inconnue X et nous voulons obtenir la valeur de cette variable inconnue. Nous employons le linalg.Solve () Fonction pour résoudre les équations linéaires ax = b où «a» et «b» sont la matrice connue.
Il s'agit de la même implémentation du code que nous avons fait dans l'exemple ci-dessus1 La seule différence est que les valeurs des matrices «A» et «B» sont modifiées. Maintenant, la matrice «A» est singulière, ce qui signifie que nous ne pouvons pas prendre l'inverse de la matrice «A». Par conséquent, le système ne peut pas être résolu singulièrement. Ensuite, nous avons encore deux possibilités, c'est-à-dire que nous avons le nombre infini de solutions de matrice «A» ou il n'y a pas de solutions de la matrice «A».
Examinons les résultats du code que nous avons mis en œuvre ci-dessus pour obtenir les valeurs de «x». Comme vous le voyez ci-dessous dans la coquille, nous avons d'abord créé la matrice «A» qui est un tableau / matrice en trois dimensions. Ensuite, nous avons créé une autre matrice «B» qui est un tableau à 1 dimension. Le compilateur produit l'avis d'erreur une fois que nous avons les deux matrices «A» et «B». L'erreur est "Linalgerror" qui montre que la matrice "A" est une matrice singulière. Lorsque le système de l'équation linéaire n'a pas de solution alors que la matrice «A» est la matrice dans la suite.
Conclusion
Dans cet article, nous avons fait une revue rapide de Numpy qui est le module de la langue Python. Ensuite, nous avons appris les bases des équations linéaires et la façon dont nous implémentons les équations linéaires en python et la fonction que nous avons utilisée pour obtenir la valeur de la variable inconnue «x» de l'équation ax = b. Nous avons implémenté plusieurs exemples du linalg.Solve () Fonction avec une explication détaillée de ces exemples afin que l'utilisateur puisse comprendre facilement et aucun moment de confusion ne sera laissé.