Modèles
Configurez un endpoint compatible OpenAI ou Anthropic avec son URL de base et une clé API si nécessaire. Testez la connexion. Un serveur local doit fonctionner ; les outils distants peuvent transmettre des données séparément.
Produit
Fonctions du logiciel · Polynômes caractéristiques entiers
01
SpectrumGorse propose un cadre de revue des coefficients caractéristiques et identités de déterminants sans promettre d’estimation numérique des valeurs propres.
Projet
Sélectionnez un dossier et demandez à l’assistant de lire les fichiers concernés avant de les modifier. Définissez le résultat attendu et les limites de la tâche.
Modifications
Examinez les changements et les sorties de commandes. Lancez les vérifications du projet avant de valider le résultat : le code généré n’est pas testé automatiquement.
Polynômes caractéristiques entiers
● ● ●SpectrumGorse●
Méthodes de travail · Polynômes caractéristiques entiers ×
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✳Renvoyez les coefficients décroissants de det(xI−A) pour une matrice carrée entière d’ordre zéro à six avec entrées bornées à 1000 en valeur absolue.
✓ ModificationsVérifiez avant d’appliquer ↗
Illustration de l’espace de travail
