32 lines
914 B
Python
32 lines
914 B
Python
# 定义向量 A 和 B
|
||
A = [3, 4]
|
||
B = [1, 2]
|
||
|
||
# ======================
|
||
# 方法1：纯Python手动计算（适合理解原理）
|
||
# ======================
|
||
print("==== 纯Python计算结果 ====")
|
||
# 1. 向量加法 A + B
|
||
add_result = [A[0]+B[0], A[1]+B[1]]
|
||
print("A + B =", add_result)
|
||
|
||
# 2. 数乘 2×A
|
||
mul_result = [2*A[0], 2*A[1]]
|
||
print("2 × A =", mul_result)
|
||
|
||
# 3. 向量A的长度（模）：勾股定理 √(x²+y²)
|
||
import math
|
||
norm_A = math.sqrt(A[0]**2 + A[1]**2)
|
||
print("A 的长度（模）= %.2f" % norm_A)
|
||
|
||
# ======================
|
||
# 方法2：NumPy库（工业界标准写法）
|
||
# ======================
|
||
print("\n==== NumPy计算结果 ====")
|
||
import numpy as np
|
||
A_np = np.array([3, 4])
|
||
B_np = np.array([1, 2])
|
||
|
||
print("A + B =", A_np + B_np) # 加法
|
||
print("2 × A =", 2 * A_np) # 数乘
|
||
print("A 的长度（模）= %.2f" % np.linalg.norm(A_np)) # 模长 |