Modele
Dodaj endpoint zgodny z OpenAI lub Anthropic, podając bazowy URL i klucz API, jeśli jest wymagany. Sprawdź połączenie. Lokalny serwer modelu musi działać; zdalne narzędzia mogą przesyłać dane oddzielnie.
Produkt
Funkcje programu · Całkowite wielomiany charakterystyczne
01
SpectrumGorse zapewnia kontekst przeglądu współczynników charakterystycznych macierzy i tożsamości wyznaczników bez obietnicy liczbowych oszacowań wartości własnych.
Projekt
Wybierz folder i poproś asystenta o przeczytanie odpowiednich plików przed ich zmianą. Określ cel oraz granice zadania.
Zmiany
Sprawdzaj zmiany i wyniki poleceń. Uruchom testy projektu przed zaakceptowaniem rezultatu; wygenerowany kod nie jest automatycznie przetestowany.
Całkowite wielomiany charakterystyczne
● ● ●SpectrumGorse●
Sposoby pracy · Całkowite wielomiany charakterystyczne ×
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✳Zwróć malejące współczynniki det(xI−A) dla kwadratowej macierzy całkowitej rzędu od zera do sześciu o elementach z modułem do 1000.
✓ ZmianySprawdź przed zastosowaniem ↗
Ilustracja środowiska
