Celočíselné charakteristické polynomy
Vrať sestupné koeficienty det(xI−A) čtvercové celočíselné matice řádu nula až šest s absolutními hodnotami prvků do 1000.
def characteristic_polynomial(matrix):
if type(matrix) not in (list, tuple) or len(matrix) > 6:
raise ValueError("charpoly.size")
n = len(matrix)
if any(type(row) not in (list, tuple) or len(row) != n or any(type(v) is not int or abs(v) > 1000 for v in row) for row in matrix):
raise ValueError("charpoly.entry")
block = [[int(i == j) for j in range(n)] for i in range(n)]
coefficients = [1]
for degree in range(1, n+1):
product = [[sum(matrix[i][k]*block[k][j] for k in range(n)) for j in range(n)] for i in range(n)]
trace = sum(product[i][i] for i in range(n))
coefficient = -trace // degree
coefficients.append(coefficient)
block = [[product[i][j] + (coefficient if i == j else 0) for j in range(n)] for i in range(n)]
return coefficients- Projekt
- Otestuj prázdnou matici a opakované vlastní hodnoty, odmítni nestejné řádky a logické prvky bez aproximace kořenů.
- Před použitím zkontrolujte
- Porovnejte skutečné chování s očekávaným výsledkem. Pokud kontrola selže, před dalšími změnami zjistěte příčinu.
- Modely
- Nastavte endpoint kompatibilní s OpenAI nebo Anthropic pomocí základní URL a případného API klíče. Otestujte připojení. Lokální server modelu musí běžet; vzdálené nástroje mohou data odesílat samostatně.
def characteristic_polynomial(matrix):
if type(matrix) not in (list, tuple) or len(matrix) > 6:
raise ValueError("charpoly.size")
n = len(matrix)
if any(type(row) not in (list, tuple) or len(row) != n or any(type(v) is not int or abs(v) > 1000 for v in row) for row in matrix):
raise ValueError("charpoly.entry")
block = [[int(i == j) for j in range(n)] for i in range(n)]
coefficients = [1]
for degree in range(1, n+1):
product = [[sum(matrix[i][k]*block[k][j] for k in range(n)) for j in range(n)] for i in range(n)]
trace = sum(product[i][i] for i in range(n))
coefficient = -trace // degree
coefficients.append(coefficient)
block = [[product[i][j] + (coefficient if i == j else 0) for j in range(n)] for i in range(n)]
return coefficientsPosuzujte matematický kód v kontextu aplikace
Matematický zápis může vyvolat dojem hotové implementace dříve, než se prozkoumá její softwarová specifikace. SpectrumGorse je programovací prostředí s AI pro Windows pro posouzení obojího. Otevřete projekt a před návrhem změn výpočtu požádejte připojený model o určení přijímaných vstupů, očekávané reprezentace výstupu a zpracování chyb.
Konkrétní úlohou může být kontrola rutiny pro charakteristický mnohočlen malých celočíselných matic. Dodejte volající kód a testy s nezávisle známými koeficienty a nechte asistenta vysvětlit každou navrženou úpravu v těchto souvislostech. Oddělte výpočet koeficientů od dalších operací, které může aplikace provádět později, aby se kontrola tiše nerozšířila na výměnu numerického řešiče.
Reprezentaci ověřujte stejně pečlivě jako aritmetiku. Spusťte projektové testy pro prázdnou matici, je-li podporována, jednoduché diagonální případy a odmítané nečtvercové vstupy. U příjemce ověřte pořadí koeficientů a znaménkové konvence a prozkoumejte každý přidaný číselný převod. Odpověď s věrohodnými koeficienty nestačí, pokud volající vykládá jejich pořadí jinak nebo vyžaduje přesné celočíselné výsledky.
SpectrumGorse podporuje připojení k modelům přes koncové body kompatibilní s OpenAI a koncové body Anthropic. Vyberte model AI bez cenzury, pokud ho služba nabízí; omezení a nástroje se řídí touto konfigurací. Konverzace pomáhá vysvětlit navržený kód; jeho vhodnost určují vaše nezávislé testovací příklady a kontroly aplikace.
Posouzení opravy přesného výpočtu
Co mám dodat kromě příkladu matice?
Uveďte očekávané pořadí koeficientů, znaménkovou konvenci a volající kód využívající výsledek. Ukažte platné rozměry a typy prvků. Tyto údaje umožní asistentovi posoudit softwarovou kompatibilitu, nikoli jen povědomost matematického výrazu.
Lze koeficienty ověřit stejnou implementací?
To by poskytlo slabý nezávislý důkaz. Použijte jednoduché matice se známými výsledky nebo jinou odůvodněnou kontrolu v projektu. Vysvětlete získání očekávaných hodnot, aby bylo možné odlišit společnou chybu od skutečné shody.
Má rutina pro mnohočlen také hledat jeho kořeny?
Pouze pokud jde o samostatný požadavek. Přesný výpočet koeficientů a numerické hledání kořenů mají různé specifikace. Zachovejte zaměření nynější opravy, pokud aplikace výslovně nepotřebuje obojí a nemáte definováno využití jejich výstupů.
Proč v rozdílu změn zkoumat číselné převody?
Převod může změnit přesnou aritmetiku na aproximaci, i když běžné testy stále procházejí. Určete reprezentaci požadovanou aplikací a ověřte, že ji mezivýpočty i vracené hodnoty zachovávají v podporovaném rozsahu vstupů.
SpectrumGorse · Aktualizováno 2026-10-25
