国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

矩陣乘法(C語言實(shí)現(xiàn)),超詳細(xì)

這篇具有很好參考價值的文章主要介紹了矩陣乘法(C語言實(shí)現(xiàn)),超詳細(xì)。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方,請大家不吝賜教,您也可以點(diǎn)擊"舉報違法"按鈕提交疑問。

1、判斷是否可以做矩陣乘法

分別求得兩個矩陣的行數(shù)a1,b1以及列數(shù)a2,b2。

如果a1 == b1,并且a2 == b2則進(jìn)行乘法運(yùn)算

2、C代碼實(shí)現(xiàn):

#include<stdio.h>
#include<assert.h>
int main(){
	int a[3][3] = {{1,2,3},{2,3,4},{2,5,4}};
	int b[3][3] = {{1,0,3},{0,1,4},{2,0,4}};


	int len = 0;
	int value1 = 0;
	int k = sizeof(a[0])/sizeof(int);
	//a1 = 二維數(shù)組的元素個數(shù)(行數(shù))
	int a1 = sizeof(a)/(k*sizeof(int));
	//a2 = 二維數(shù)組中單個元素的長度(列數(shù))
	int a2 = k;
	
	k = sizeof(b[0])/sizeof(int);
	int b1 = sizeof(b)/(k * sizeof(int));
	int b2 = k;

	if(a1 != b2 && a2 != b1) {
		printf("這兩個矩陣不能做乘法運(yùn)算:\n");
		return 0;
	}

	int c[10][10];
	
	//矩陣的乘法運(yùn)算 
	for(int i = 0; i < a1;i++){
		for(int j = 0;j < b2 ;j++){
			for(int p = 0 ; p < a2;p++){
				//行、列 元素的乘積之和 
				value1 += a[i][p] * b[p][j];
			}
			c[i][len++] = value1;
			value1 = 0;


            //len == a1 指的是二維數(shù)組已經(jīng)到達(dá)當(dāng)行的最后元素
			if(len == a1){
					len =0;
				} 
		}	
	}

	//打印矩陣乘法結(jié)果
	for(int i = 0; i < k;i++){
		for(int j = 0;j < k ;j++){
			printf("%4d ",c[i][j]);
		} 
		printf("\n");
		
	}
}

3、代碼結(jié)果

矩陣乘法c語言實(shí)現(xiàn),c語言,矩陣,算法,線性代數(shù)文章來源地址http://www.zghlxwxcb.cn/news/detail-743242.html

到了這里,關(guān)于矩陣乘法(C語言實(shí)現(xiàn)),超詳細(xì)的文章就介紹完了。如果您還想了解更多內(nèi)容,請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來自互聯(lián)網(wǎng)用戶投稿,該文觀點(diǎn)僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載,請注明出處: 如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實(shí)不符,請點(diǎn)擊違法舉報進(jìn)行投訴反饋,一經(jīng)查實(shí),立即刪除!

領(lǐng)支付寶紅包贊助服務(wù)器費(fèi)用

相關(guān)文章

  • 【線性代數(shù)】通過矩陣乘法得到的線性方程組和原來的線性方程組同解嗎?

    【線性代數(shù)】通過矩陣乘法得到的線性方程組和原來的線性方程組同解嗎?

    如果你進(jìn)行的矩陣乘法涉及一個線性方程組 Ax = b,并且你乘以一個可逆矩陣 M,且產(chǎn)生新的方程組 M(Ax) = Mb,那么這兩個系統(tǒng)是等價的;它們具有相同的解集。這是因?yàn)榭赡婢仃嚨某朔梢砸暈橐粋€可逆的線性變換,不會改變方程解的存在性或唯一性。 換句話說,如果你將原

    2024年02月03日
    瀏覽(26)
  • 線性代數(shù)矩陣乘法中的行向量和列向量

    線性代數(shù)矩陣乘法中的行向量和列向量

    在矩陣中有兩個概念,行向量與列向量,這是從兩個不同的角度看待矩陣的組成。這篇文章將從 行向量 和 列向量 兩個角度來分解 矩陣的乘法 。 假設(shè)有兩個矩陣 A 和 B 一般矩陣的乘法分解 簡單的理解就是A矩陣的第一行與B矩陣的第一列逐元素相乘,就是 結(jié)果矩陣 的左上角

    2024年02月11日
    瀏覽(28)
  • 第一百二十一天學(xué)習(xí)記錄:線性代數(shù):矩陣乘法運(yùn)算(宋浩板書)

    第一百二十一天學(xué)習(xí)記錄:線性代數(shù):矩陣乘法運(yùn)算(宋浩板書)

    在編程和學(xué)習(xí)數(shù)據(jù)結(jié)構(gòu)的過程中,發(fā)現(xiàn)有些算法會用到矩陣和矩陣的乘法運(yùn)算,因此先將這一個知識點(diǎn)學(xué)習(xí)一下。 乘法☆ 總結(jié)三條不滿足

    2024年02月13日
    瀏覽(28)
  • 矩陣乘法(C語言實(shí)現(xiàn)),超詳細(xì)

    矩陣乘法(C語言實(shí)現(xiàn)),超詳細(xì)

    分別求得兩個矩陣的行數(shù)a1,b1以及列數(shù)a2,b2。 如果a1 == b1,并且a2 == b2則進(jìn)行乘法運(yùn)算

    2024年02月05日
    瀏覽(14)
  • 【JS 線性代數(shù)算法之向量與矩陣】

    線性代數(shù)是數(shù)學(xué)的一個分支,用于研究線性方程組及其解的性質(zhì)、向量空間及其變換的性質(zhì)等。在計(jì)算機(jī)科學(xué)領(lǐng)域中,線性代數(shù)常用于圖形學(xué)、機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺等領(lǐng)域。本文將詳細(xì)介紹 JS 中常用的線性代數(shù)算法,并提供代碼示例。 向量是有大小和方向的量,通常用一

    2024年02月13日
    瀏覽(15)
  • 線性代數(shù) --- 計(jì)算斐波那契數(shù)列第n項(xiàng)的快速算法(矩陣的n次冪)

    線性代數(shù) --- 計(jì)算斐波那契數(shù)列第n項(xiàng)的快速算法(矩陣的n次冪)

    The n-th term of Fibonacci Numbers: ????????斐波那契數(shù)列的是一個古老而又經(jīng)典的數(shù)學(xué)數(shù)列,距今已經(jīng)有800多年了。關(guān)于斐波那契數(shù)列的計(jì)算方法不難,只是當(dāng)我們希望快速求出其數(shù)列中的第100,乃至第1000項(xiàng)時,有沒有又準(zhǔn)又快的方法,一直是一個值得探討和研究的問題。筆者

    2024年04月27日
    瀏覽(16)
  • pytorch入門2--數(shù)據(jù)預(yù)處理、線性代數(shù)的矩陣實(shí)現(xiàn)、求導(dǎo)

    pytorch入門2--數(shù)據(jù)預(yù)處理、線性代數(shù)的矩陣實(shí)現(xiàn)、求導(dǎo)

    數(shù)據(jù)預(yù)處理是指將原始數(shù)據(jù)讀取進(jìn)來使得能用機(jī)器學(xué)習(xí)的方法進(jìn)行處理。 首先介紹csv文件: CSV 代表逗號分隔值(comma-separated values),CSV 文件就是使用逗號分隔數(shù)據(jù)的文本文件。 一個 CSV 文件包含一行或多行數(shù)據(jù),每一行數(shù)據(jù)代表一個記錄。每個記錄包含一個或多個數(shù)值,

    2024年02月04日
    瀏覽(31)
  • C語言求任意兩個矩陣相乘的算法(初學(xué)嘗試矩陣乘法)

    C語言求任意兩個矩陣相乘的算法(初學(xué)嘗試矩陣乘法)

    C語言求任意兩個矩陣相乘的算法(不同于大部分規(guī)格固定的矩陣乘法) 結(jié)果圖如下? ?: ? ? ? ? ? ? ? ? ? ? ? ? ? 代碼如下: //----- 任意兩個矩陣相乘 # include stdio.h int main (void) { ?? ?char ch; ?? ?int a, b, c, d; ? ? printf (\\\"此算法用于任意兩個矩陣相乘 ?n矩陣1(a行b列)

    2023年04月08日
    瀏覽(34)
  • 【Paddle】PCA線性代數(shù)基礎(chǔ) + 領(lǐng)域應(yīng)用:人臉識別算法(1.1w字超詳細(xì):附公式、代碼)

    【Paddle】PCA線性代數(shù)基礎(chǔ) + 領(lǐng)域應(yīng)用:人臉識別算法(1.1w字超詳細(xì):附公式、代碼)

    ??你好呀!我是 是Yu欸 ?? 2024每日百字篆刻時光,感謝你的陪伴與支持 ~ ?? 歡迎一起踏上探險之旅,挖掘無限可能,共同成長! 主成分分析(PCA,Principal Component Analysis)是一項(xiàng)在高維數(shù)據(jù)中,尋找最重要特征的降維技術(shù),大大減少數(shù)據(jù)的維度,而不顯著損失信息量。 本文

    2024年04月28日
    瀏覽(18)
  • 線性代數(shù):線性方程求解、矩陣的逆、線性組合、線性獨(dú)立

    本文參考www.deeplearningbook.org一書第二章2.3 Identity and Inverse Matrices 2.4 Linear Dependence and Span 本文圍繞 線性方程求解 依次介紹矩陣的逆、線性組合、線性獨(dú)立等線性代數(shù)的基礎(chǔ)知識點(diǎn)。 本文主要圍繞求解線性方程展開,我們先把線性方程寫出來,方程如下: 其中,是已知的;,

    2024年02月08日
    瀏覽(36)

覺得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請作者喝杯咖啡吧~博客贊助

支付寶掃一掃領(lǐng)取紅包,優(yōu)惠每天領(lǐng)

二維碼1

領(lǐng)取紅包

二維碼2

領(lǐng)紅包