Python科学计算-Numpy数组的创建相关例题

1.编写一个函数，能够实现对一个N阶的二维数组进行如下计算：函数的形参为一个N阶二阶数组，返回两个值，依次为该数组的主对角线元素之和、副对角线元素之和。

def diagonal_sum(arr):
    n = len(arr)
    main_sum = 0
    minor_sum = 0
    for i in range(n):
        main_sum += arr[i][i]
        minor_sum += arr[i][n-1-i]
    return main_sum, minor_sum

 2

自己编写一个函数，实现基于克莱姆法则求解的n元（n≤5）线性方程组,以三元线性方程组为例，整理成形式如下：

要求该函数的形参为上述方程组所有的系数构成的n行n+1列的数组M，返回值为方程组的解构成的列表或元组，矩阵M的行数由程序自己判断，不作为形参输入。

 

import numpy as np

def cramers_rule(M):
    n = M.shape[0]
    result = []
    
    if n == 2: # 二元线性方程组
        A = M[:, :-1]
        b = M[:, -1]
        D = np.linalg.det(A)
        Dx = np.linalg.det(np.column_stack((b, A[:, 1])))
        Dy = np.linalg.det(np.column_stack((A[:, 0], b)))
        result.append(Dx/D)
        result.append(Dy/D)

    elif n == 3: # 三元线性方程组
        A = M[:, :-1]
        b = M[:, -1]
        D = np.linalg.det(A)
        Dx = np.linalg.det(np.column_stack((b, A[:, 1], A[:, 2])))
        Dy = np.linalg.det(np.column_stack((A[:, 0], b, A[:, 2])))
        Dz = np.linalg.det(np.column_stack((A[:, 0], A[:, 1], b)))
        result.append(Dx/D)
        result.append(Dy/D)
        result.append(Dz/D)

    else: # n >= 4，使用逆矩阵求解
        A = M[:, :-1]
        b = M[:, -1]
        A_inv = np.linalg.inv(A)
        x = np.dot(A_inv, b)
        for i in range(n):
            result.append(x[i])
            
    return result
M = np.array([[1, 1, -1, 5],
              [2, -1, 1, 3],
              [1, 3, -2, 10]])

print(cramers_rule(M)) 

 

3

在第二题的基础上，编写一个函数判断平面上两直线的位置关系，如果两直线相交，调用第二题的函数求出交点坐标。假设平面两直线的分别表示为如下的一般式：

要求：（1）函数的返回值有两个，一个是表示位置关系的字符串，另一个是求出的交点坐标；（2）如果两直线平行、异面或重合，交点坐标设置为[nan,nan]。

代码：

def line_intersection(line1, line2):
    # line1 和 line2 分别是表示两条直线的一般式
    # 如 (a1*x + b1*y + c1 = 0) 和 (a2*x + b2*y + c2 = 0)
    a1, b1, c1 = line1
    a2, b2, c2 = line2
    
    # 判断两个法向量是否平行
    if abs(a1*b2 - a2*b1) < 1e-10:
        # 判断两个法向量是否共线
        if abs(a1/a2 - b1/b2) < 1e-10 and abs(c1/a2 - c2/a2) < 1e-10:
            return "两直线重合", [float('nan'), float('nan')]
        else:
            return "两直线异面", [float('nan'), float('nan')]
    else:
        # 使用克莱姆法则求解交点坐标
        M = np.array([[a1, b1], [a2, b2]])
        b = np.array([-c1, -c2])
        x, y = cramers_rule(np.column_stack((M, b)))
        x = float(x)
        y = float(y)
        return "两直线相交", [x, y]

line1 = [1, 2, -3] # 对应式子为 x + 2y - 3 = 0
line2 = [2, 4, -5] # 对应式子为 2x + 4y - 5 = 0
print(line_intersection(line1, line2)

 

编写一个函数生成如下的范德蒙矩阵，要求函数的参数有两个，一个是矩阵中的

构成的列表或数组，另一个是最高幂次n-1中的n。

 

代码：

import numpy as np

def vander_matrix(x, n):
    """
    生成范德蒙矩阵

    参数：
    x: list 或 array，用于构成范德蒙矩阵中的数组
    n: int，要生成的范德蒙矩阵的最高幂次+1
    返回值：
    生成的范德蒙矩阵
    """
    vander = np.zeros((len(x), n))  # 初始化范德蒙矩阵为全零矩阵
    for i in range(len(x)):  # 依次计算每一行的元素
        for j in range(n):  # 依次计算该行中的每一个元素
            vander[i][j] = x[i] ** (n-1-j)  # 根据公式计算相应的元素值
    return vander

x = [1, 2, 3, 4]  # 用于生成范德蒙矩阵的数组
n = 5  #生成范德蒙矩阵的最高幂次+1
vander = vander_matrix(x, n)  # 生成范德蒙矩阵

for row in vander:
    print('[', end=' ')
    for elem in row:
        print('{:>3}'.format(int(elem)), end=' ')  # 对每个元素对齐，并指定宽度为3
    print(']')  # 换行并打印右括号，形成一个矩阵

 

编写一个函数，用于返回n阶行列式T中指定元素aij的代数余子式Aij的值,其定义为：

   

其中Mij为行列式T中把元素aij所在的第i行和第j列划去后，剩余的n-1阶行列式的值。函数的形参有两个，一个是行列式T，另一个是列表[i,j]，用于指定元素aij的位置。

 

代码：

import numpy as np

def algebraic_cofactor(T, index):
    i, j = index[0], index[1]  # 提取指定元素的行列位置i和j
    Mij = np.delete(np.delete(T, j, axis=1), i, axis=0)  # 删除第i行和第j列，得到剩余的n-1阶行列式Mij
    Aij = (-1) ** (i+j) * np.linalg.det(Mij)  # 利用代数余子式的公式计算Aij的值
    return Aij

T = np.array([[1, 3, -2], [0, -1, 4], [2, 3, 1]])
index = [1, 2]
Aij = algebraic_cofactor(T, index)
print(Aij)  # 输出结果：-3.0