我正在尝试在 Matlab 中编写一个程序来使用 LU 分解求解线性方程组，该分解采用高斯消元法，因此需要大量算术步骤。
答案接近正确的解决方案，但与 Python 等其他语言相比，舍入误差相当高。
例如，其中一个解恰好是 3，但我得到 2.9877。
我知道内置函数应该用于此类琐碎的事情，因为 Matlab 是一种高计算语言，但如果我仍然想用循环等来完成它，我总是会遇到舍入错误，或者有没有办法在做时减少这些错误数值计算？
我附上了代码，但它很大，不值得阅读。为了完整起见，我仍然附上了它。人们可以注意到许多算术运算的使用会引入大量舍入误差。
这些舍入误差是 Matlab 固有的且不可避免的吗？
clc
clear
%No of equations is n
n=3;
%WRITING THE Coefficients
A(1,1)=3;
A(1,2)=-0.1;
A(1,3)=-0.2;
B(1)=7.85;
A(2,1)=0.1;
A(2,2)=7;
A(2,3)=-0.3;
B(2)=-19.3;
A(3,1)=0.3;
A(3,2)=-0.2;
A(3,3)=10;
B(3)=71.4;
%Forward Elimination
for i=1:n-1
for j=i+1:n
fact=A(j,i)/A(i,i);
A(j,i)=fact;
A(j,j:n)=A(j,j:n)-fact*A(i,j:n);
B(j)=B(j)-fact*B(i);
end
end
disp(A)
% Calculating d matrix
sum=0;
D(1)=B(1);
for i=2:n
for j=1:i-1
sum=sum+A(i,j)*B(j);
D(i)=B(i)-sum;
end
end
disp("D =")
disp(transpose(D))
%Back Substitution
X(n)=D(n)/A(n,n);
for z=n-1:-1:1
sum=0;
for w=z+1:n
sum=sum+A(z,w)*X(w); …我有3个点P1(x1,y1),P2(x2,y2)和P3(x3,y3).如何找到垂直于通过这3个点的平面的矢量？
我有一个配对项目列表，我想将它们转换成一个 Pandas DataFrame，其中每个配对项目在同一列中共享相同的数字。所以像这样：
[('A', 'B'),
('A', 'C'),
('B', 'D')]
转化为...
0 1
A 2 1
B 3 1
C 2 0
D 3 0
因此，列按编码对的数量降序排列，并且它使用尽可能少的列。
是否有一种算法，最好是 numpy 或 Pandas 中的某种算法，可以做到这一点？到目前为止，我在谷歌上找不到任何东西，但我已经有一段时间没有使用线性代数了，所以我可能只是忘记了正确的使用术语。
我创建了以下（有问题的）代码来创建一个 DataFrame，但由于某种原因，它创建了与对一样多的列，这不是我想要完成的。
def create_df(ps):
df = pd.DataFrame(index=np.unique(ps))
cnt = 1
for p in ps:
col = 0
a, b = p
while col in df.columns and (df.at[a, col] != 0 or df.at[b, col] != 0):
col += 1
df.loc[a, col] = cnt
df.loc[b, col] = cnt
cnt += 1
return …我有一个6000*6000对称矩阵,所有条目都是正数.我使用matlab的eig函数来分解它的特征值和特征向量.但结果中存在负特征值.你认为这是什么问题？
谢谢.Sevil.
我想使用Matlab的"princomp"函数,但是这个函数给出了一个排序数组中的特征值.这样我就无法找出哪个列对应哪个特征值.对于Matlab,
m = [1,2,3;4,5,6;7,8,9];
[pc,score,latent] = princomp(m);
是相同的
m = [2,1,3;5,4,6;8,7,9];
[pc,score,latent] = princomp(m);
也就是说,交换前两列不会改变任何东西.潜在的结果(特征值)将是:(27,0,0)信息(特征值对应于哪个原始(输入)列)丢失.有没有办法告诉matlab不要对特征值进行排序？