Сидят ли здесь маематики?
Почему-то какой раз не получается решить эту систему вот этим методом,получается очень большая погрешность
Вы зря не написали что за метод и по какому учебнику. Надо много думать, чтобы по рукописи понять что же вы хотели сделать.
раскрыть ветку (20)
раскрыть ветку (19)
Смущает первый шаг. Как вы переходите от задания к первой системе?
Почему бы вам не решить обычным Гауссом или Крамером? Для них есть онлайн сервисы, расписывающие решения?
Если это что то не стандартное, опишите алгоритм, как вы его себе представляете.
раскрыть ветку (14)
Как нам говорила лектор по линалу, тех, кто решает системы по правилу Крамера, надо в тюрьму сажать за разбазаривание машинных ресурсов.
в посте перепутались листы,смысл в том чтобы создать новую матрицу по формулам,результат С45 бутет ответом х4
раскрыть ветку (10)
Если это LU, вот тебе матрицы. Формат: A = P L U
where P is a permutation matrix, L lower triangular with unit diagonal elements, and U upper triangular.
P:
[[ 0., 0., 0., 1.],
[ 0., 1., 0., 0.],
[ 1., 0., 0., 0.],
[ 0., 0., 1., 0.]]
L:
[[ 1. , 0. , 0. , 0. ],
[-0.49266783, 1. , 0. , 0. ],
[-0.85026234, 0.99672021, 1. , 0. ],
[-0.84945513, 0.12846965, 0.45220427, 1. ]]
U:
[[ -7.433 , 4.607 , 2.433 , 4.869 ],
[ 0. , 8.0987207 , -6.78433916, 2.95879968],
[ 0. , 0. , 11.97977625, -5.23416809],
[ 0. , 0. , 0. , 13.86079426]]
Автор извини, у меня нет времени разбираться больше. С вероятностью 80% то что ты делаешь это LU-разложение.
Вот статья: https://ru.wikipedia.org/wiki/LU-%D1%80%D0%B0%D0%B7%D0%BB%D0... Смотри в самый низ. На английском получше объяснено: https://en.wikipedia.org/wiki/LU_decomposition
Если это действительно LU-разложение и это с 1 курса, то это здорово. Ты учишься в хорошем месте.
раскрыть ветку (2)
раскрыть ветку (1)
Если вы инжинер, математик или программист, очень рекомендую вам посмотреть в сторону разложения Холецкого, LU, SVD. А так же регуляризаций МНК, например Lasso-regression, Ridge-regression. Откроете для себе дивный новый мир, современных приложений математики;)
Вот решение, как не странно, оно очень близко к твоему:
array([ 0.69035042, 1.37012909, 0.39477605, 1.09277055])
array([ 0.69035042, 1.37012909, 0.39477605, 1.09277055])
Но что за метод, я все равно не понимаю
раскрыть ветку (3)
Слушай, а какое число обусловленности у этой матрицы? К сожалению, сам я сейчас его не могу посчитать...
раскрыть ветку (2)
У меня получилось около 1.25.
ИМХО, оно тут бесполезно, на таких маленьких матрицах нет проблем с числом обусловленности. Реальные проблемы начинаются на матрицах от 50+, 250+ в зависимости от приложений, или если есть почти-линейнай зависиомость между векторами.
Но это на коленке, я не уверен что вызвал правильную функцию и правильно перебил матрицу.... Я считал как произведение самого большого собственного числа матрицы и самого большого собственного числа обратной матрицы.
ИМХО, оно тут бесполезно, на таких маленьких матрицах нет проблем с числом обусловленности. Реальные проблемы начинаются на матрицах от 50+, 250+ в зависимости от приложений, или если есть почти-линейнай зависиомость между векторами.
раскрыть ветку (1)