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.
Produkt
Funkce programu · Celočíselné charakteristické polynomy
01
SpectrumGorse nabízí prostor pro kontrolu charakteristických koeficientů matice a determinantových identit bez slibu numerických odhadů vlastních hodnot.
Projekt
Vyberte složku a před úpravou nechte asistenta přečíst příslušné soubory. Určete cíl i hranice úkolu.
Změny
Kontrolujte změny a výstupy příkazů. Před přijetím výsledku spusťte kontroly projektu; vytvořený kód není automaticky otestovaný.
Celočíselné charakteristické polynomy
● ● ●SpectrumGorse●
Pracovní postupy · Celočíselné charakteristické polynomy ×
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✳Vrať sestupné koeficienty det(xI−A) čtvercové celočíselné matice řádu nula až šest s absolutními hodnotami prvků do 1000.
✓ ZměnyPřed použitím zkontrolujte ↗
Ilustrace pracovního prostředí
