![](https://cdn-ak-scissors.b.st-hatena.com/image/square/fbe7696086a6952ac51767b386467b31a1c91e9f/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTkxNiZoPTMzNiZ0eHQ9JTVCUHl0aG9uJUUzJTgxJUFCJUUzJTgyJTg4JUUzJTgyJThCJUU3JUE3JTkxJUU1JUFEJUE2JUUzJTgzJUJCJUU2JThBJTgwJUU4JUExJTkzJUU4JUE4JTg4JUU3JUFFJTk3JTVEJTIwJUU5JTgwJUEzJUU3JUFCJThCJUU0JUI4JTgwJUU2JUFDJUExJUU2JTk2JUI5JUU3JUE4JThCJUU1JUJDJThGJUUzJTgxJUFFJUU4JUE3JUEzJUU2JUIzJTk1JTJDJTIwJUU2JTk1JUIwJUU1JTgwJUE0JUU4JUE4JTg4JUU3JUFFJTk3JTJDJTIwbnVtcHkmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT01NiZ0eHQtY2xpcD1lbGxpcHNpcyZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPWZkMTAyNzY1NjJiYTQ0MmJjYzZmYzI0NmZmOTUwNDkx%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTYxNiZ0eHQ9JTQwc2NpX0hhcnUmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPTNhMjk4M2ZjYTkwZTczZjhiY2VjOWRmYzMyY2RiZDVj%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3D8d0697a79c245b694dfd26cd21e1be59)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
[Pythonによる科学・技術計算] 連立一次方程式の解法, 数値計算, numpy - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
[Pythonによる科学・技術計算] 連立一次方程式の解法, 数値計算, numpy - Qiita
はじめに Aを行列としたN次元連立一次方程式 $A x = b$ を$x$について解く。 内容 (1) Aの逆行列$A^-1$... はじめに Aを行列としたN次元連立一次方程式 $A x = b$ を$x$について解く。 内容 (1) Aの逆行列$A^-1$をnumpyのlinalg.invメソッドにより計算し, 解ベクトル$x=A^{-1} b$を求める。 (2) np.linalg.solveメソッドから直接$x$を計算する。こちらの方が一般的に速い。 コード(1) %%time import numpy as np """ A x = bを満たすxベクトルを linalg.solveを使って求める """ # 行列Aの生成 a1_lis = [1, 0, 0] a2_lis = [0, 2, 0] a3_lis = [0, 0, 4] A_matrix=np.array([a1_lis, a2_lis, a3_lis]) # b vector b = np.array([4,5,6]) # 行ベクトルとしてbを生