(Python)矩阵运算

简介: (Python)矩阵运算

@[TOC]

【问题描述】

编写一个程序,输入两个矩阵AN×N与BN×N(2≤N≤10)进行如下运算:

【输入形式】

标准输入上依次输入以下内容:

  1. 输入第一个矩阵AN×N。形式是N个输入行,每行有分别N个整数(可能为负数),代表矩阵AN×N的所有元素。各整数之间以一个或多个空格分隔。
  2. 输入运算符,是一个字符,可以是"+"、"-"、"*",分别代表加、减、乘三种操作。
  3. 输入第二个矩阵BN×N。形式与AN×N相同。
  4. 以空行表示所有输入的结束。

【输出形式】

在标准输出上打印运算结果,同样是输出N行,每行分别输出该行的N个元素。每个整数占据5个字符宽度(包括负号),向右对齐,不足部分补以空格。

【样例输入】

(下图中"#"代表一个空格)
5##7#12
3###-15# 4
2#6#7
+
41#8#9
7#6#12
2#4#6

【样例输出】

46##15##21

10##-9##16

4##10##13

【样例说明】

输入的A和B分别是两个三阶矩阵,要求进行加法运算,结果如上例所示。

【题解】

def Multiple(A, B):
    if len(A[0]) == len(B):
        result = [[0] * len(B[0]) for i in range(len(A))]
        for i in range(len(A)):
            for j in range(len(B[0])):
                for k in range(len(B)):
                    result[i][j] += A[i][k] * B[k][j]
        return result
list_one = []
list_str = input()
list_one = list(map(int,list_str.split()))
for i in range(len(list_one)-1):
    list_str = input()
    list_new = list(map(int,list_str.split()))
    list_one.extend(list_new)
list_three = list_one.copy()
num = len(list_one)
count = int(len(list_one)**0.5)
flag = input()
list_two = []
list_str = input()
list_two = list(map(int,list_str.split()))
for i in range(len(list_two)-1):
    list_str = input()
    list_new = list(map(int,list_str.split()))
    list_two.extend(list_new)

result_one = []
for y in range(0, count):
    for x in range(0, count):
        if x == 0:
            result_one.append([])
        result_one[y].append(list_one[x + y * count])
result_two = []
for y in range(0, count):
    for x in range(0, count):
        if x == 0:
            result_two.append([])
        result_two[y].append(list_two[x + y * count])
result_three = []
list_three = []
for i in range(count):
    for j in range(count):
        list_three.append(0)
    result_three.append(list_three)
    list_three = []
if flag == '+':
   for i in range(count):
       for j in range(count):
           result_three[i][j] = result_one[i][j] + result_two[i][j]
elif flag == '-':
     for i in range(count):
         for j in range(count):
             result_three[i][j] = result_one[i][j] - result_two[i][j]
else:
     result_three = Multiple(result_one,result_two)
for i in result_three:
    for j in i:
        print("%5d" % j, end="")
    print()
相关文章
|
1天前
|
弹性计算 关系型数据库 微服务
基于 Docker 与 Kubernetes(K3s)的微服务:阿里云生产环境扩容实践
在微服务架构中,如何实现“稳定扩容”与“成本可控”是企业面临的核心挑战。本文结合 Python FastAPI 微服务实战,详解如何基于阿里云基础设施,利用 Docker 封装服务、K3s 实现容器编排,构建生产级微服务架构。内容涵盖容器构建、集群部署、自动扩缩容、可观测性等关键环节,适配阿里云资源特性与服务生态,助力企业打造低成本、高可靠、易扩展的微服务解决方案。
1061 0
|
10天前
|
人工智能 运维 安全
|
1天前
|
弹性计算 Kubernetes jenkins
如何在 ECS/EKS 集群中有效使用 Jenkins
本文探讨了如何将 Jenkins 与 AWS ECS 和 EKS 集群集成,以构建高效、灵活且具备自动扩缩容能力的 CI/CD 流水线,提升软件交付效率并优化资源成本。
242 0
|
8天前
|
人工智能 异构计算
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
|
9天前
|
人工智能 测试技术 API
智能体(AI Agent)搭建全攻略:从概念到实践的终极指南
在人工智能浪潮中,智能体(AI Agent)正成为变革性技术。它们具备自主决策、环境感知、任务执行等能力,广泛应用于日常任务与商业流程。本文详解智能体概念、架构及七步搭建指南,助你打造专属智能体,迎接智能自动化新时代。
|
9天前
|
机器学习/深度学习 人工智能 自然语言处理
B站开源IndexTTS2,用极致表现力颠覆听觉体验
在语音合成技术不断演进的背景下,早期版本的IndexTTS虽然在多场景应用中展现出良好的表现,但在情感表达的细腻度与时长控制的精准性方面仍存在提升空间。为了解决这些问题,并进一步推动零样本语音合成在实际场景中的落地能力,B站语音团队对模型架构与训练策略进行了深度优化,推出了全新一代语音合成模型——IndexTTS2 。
738 23