在不使用scipy.linalg.det的情况下使用Python求解行列式的代码 [英] Code to solve determinant using Python without using scipy.linalg.det

问题描述

描述(这是人力资源部的问题)：

我不确定从哪里开始。我计划使用拉普拉斯展开，但我不确定如何对nxn矩阵实现它。任何帮助都将不胜感激。

注意：我已经有一个函数可以为n×n矩阵生成随机矩阵。此外，计算的时间也不是问题。我唯一的问题是如何计算行列式。

我不得不删除我的班级策略的问题描述b/c。

推荐答案

下面是用于查找矩阵行列式的Adjucate方法的递归Python代码。

def getMatrixMinor(m,i,j):
    return [row[:j] + row[j+1:] for row in (m[:i]+m[i+1:])]

def getMatrixDeternminant(m):
    #base case for 2x2 matrix
    if len(m) == 2:
        return m[0][0]*m[1][1]-m[0][1]*m[1][0]

    determinant = 0
    for c in range(len(m)):
        determinant += ((-1)**c)*m[0][c]*getMatrixDeternminant(getMatrixMinor(m,0,c))
    return determinant

请注意，输入是表示nxn矩阵的数组

这篇关于在不使用scipy.linalg.det的情况下使用Python求解行列式的代码的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！