Modelos
Configure um endpoint compatível com OpenAI ou Anthropic com a URL base e uma chave API, quando necessária. Teste a conexão. O servidor local precisa estar em execução; ferramentas remotas podem transmitir dados separadamente.
Produto
Recursos do programa · Polinômios característicos inteiros
01
SpectrumGorse oferece contexto para revisar coeficientes característicos de matrizes e identidades de determinantes sem prometer estimativas numéricas de autovalores.
Projeto
Escolha uma pasta e peça ao assistente que leia os arquivos relevantes antes de editá-los. Defina o objetivo e os limites da tarefa.
Alterações
Confira as alterações e a saída dos comandos. Execute as verificações do projeto antes de aceitar o resultado; código gerado não vem automaticamente testado.
Polinômios característicos inteiros
● ● ●SpectrumGorse●
Fluxos de trabalho · Polinômios característicos inteiros ×
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✳Retorne coeficientes decrescentes de det(xI−A) para uma matriz inteira quadrada de ordem zero a seis com entradas de magnitude até 1000.
✓ AlteraçõesRevise antes de aplicar ↗
Ilustração do ambiente
