IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> Python知识库 -> 关于python矩阵求逆和矩阵相关 - 从0开始的re&&pwn 01 -> 正文阅读

[Python知识库]关于python矩阵求逆和矩阵相关 - 从0开始的re&&pwn 01

作者:template-box

从0开始的re&&pwn 01

是一个查资料解题的过程 ~ 汇总可能用到的函数

目录

安装NumPy库

矩阵求逆

非奇异矩阵:

奇异矩阵:(求伪逆)

矩阵相乘

题目中最后要运用矩阵相乘,这里给一下矩阵相乘的函数和例子

求解矩阵方程函数

矩阵方程:Ax=b

矩阵的类型转化

矩阵转列表


笔者从师傅那里知道re会有线代的事儿的时候是直接戴上痛苦面具了

于是遇到了矩阵相乘的逆向,可以用z3解但我一直报错

啊一眼就看出来是矩阵求解,你不会不知道吧,学过没?

直接逆,求矩阵

555那就直接逆吧

首先查了一下python求逆矩阵,这里就提一下numpy库,使用pip安装

安装NumPy库

安装 NumPy 最简单的方法就是使用?pip 工具

pip3 install --user numpy scipy matplotlib

--user 选项可以设置只安装在当前的用户下,而不是写入到系统目录。

默认情况使用国外线路,国外太慢,我们使用清华的镜像就可以:

pip3 install numpy scipy matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple

(转载自菜鸟教程)

矩阵求逆

安装完成后就可以使用这个库来求逆矩阵了

矩阵分为可逆不可逆学过线代的同学都知道

若n阶矩阵A的行列式不为零,即 |A|≠0,则称A为非奇异矩阵或满秩矩阵,否则称A为奇异矩阵或降秩矩阵。

所以矩阵分为奇异矩阵(不可逆)和非奇异矩阵(可逆)

非奇异矩阵:

import numpy as np

A = np.matrix([[1,2,3],[4,5,6],[7,8,9]])

print(np.linalg.inv(A))

奇异矩阵:(求伪逆)

import numpy as np

# 定义一个奇异阵 A
A = np.zeros((4, 4))
A[0, -1] = 1
A[-1, 0] = -1
A = np.matrix(A)
print(A)
# print(A.I)  将报错,矩阵 A 为奇异矩阵,不可逆
print(np.linalg.pinv(a))   # 求矩阵 A 的伪逆(广义逆矩阵),对应于MATLAB中 pinv() 函数

(奇异矩阵求逆)转自(Numpy 中的矩阵求逆_何足道的博客-CSDN博客_numpy矩阵求逆

矩阵相乘

题目中可能运用到

这里给出矩阵相乘的例子

import numpy as np;
A = np.array([[1,2,3],
            [4,5,6]])
B = np.array([[1,4],
              [2,5],
              [3,6]])
C = A * 2
D = np.dot(A,B)
E = np.dot(B,A)
J = A.shape
print(C)
print(D)
print(E)
print(J)

?Python 把矩阵转为list_M'Blog-CSDN博客(转自)

另外可以不求逆来求解

求解矩阵方程函数

矩阵方程:Ax=b

A为系数矩阵,b为解集矩阵

同样也是使用到numpy库

numpy.linalg模块

令B为A的增广矩阵
1、Ax=b无解的充要条件:r(A)+1=r(B)
2、Ax=b唯一解的充要条件:r(A)=r(B)=n
3、Ax=b无穷多解的充要条件:r(A)=r(B)<n

import numpy as np
# numpy.linalg模块包含线性代数的函数。使用这个模块,可以计算逆矩阵、求特征值、解线性方程组以及求解行列式等
from numpy.linalg import *

p1 = np.array([[1,2],[3,4]])
y = np.array([[5],[9]])
print(solve(p1,y))
p2 = np.array([[1,3,4],[2,3,4]])
print(solve(p1,p2))
p3 = np.array([[1,0,3],[2,5,4],[3,4,5]])
p4 = np.array([[1,3,4],[2,7,4],[6,5,8]])
print(solve(p3,p4))

转自(用Python解矩阵方程——Numpy模块_Fo*(Bi)的博客-CSDN博客_python解矩阵方程

矩阵的类型转化

矩阵转列表

了解一下可能用到的矩阵转列表

矩阵转换为列表的函数

x.tolist()

Examples


>>> x.tolist()#x为矩阵

D = A.tolist()

很痛苦的是求矩阵至今还没有把flag求出来,题目例子就先不放了

当作知识笔记科普篇~


?

?

  Python知识库 最新文章
Python中String模块
【Python】 14-CVS文件操作
python的panda库读写文件
使用Nordic的nrf52840实现蓝牙DFU过程
【Python学习记录】numpy数组用法整理
Python学习笔记
python字符串和列表
python如何从txt文件中解析出有效的数据
Python编程从入门到实践自学/3.1-3.2
python变量
上一篇文章      下一篇文章      查看所有文章
加:2021-11-20 18:21:00  更:2021-11-20 18:22:45 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/16 0:26:52-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码