计算机数值分析:线性方程组直接法：高斯消去法(Python实现

计算机数值分析：

线性方程组的直接解法：高斯消去法

书本上的流程图如下：

这里也是使用的文件录入数据
文件如下：

代码如下：

#coding=gbk;
import numpy as np;

def GaussEliminate(datas,x):
    rows=datas.shape[0];    #这个行数其实同时也是变量的个数 
    cols=datas.shape[1];
    account=1;
    varity=1;
    while account<rows:  #对第account个变量的系数进行操作
        for varity in range(account,rows):     #现在操作到了第几行
            #由于使用了np datas[1]指代的就是矩阵中下标为1的那一行
            datas[varity]=datas[varity]/datas[varity][account];
            #如果正好操作的行数等于自己要操作的变量的下标 那个就不用减去了
            #不然自己减去自己 岂不是等于0
            if varity==account:      
                continue;
            datas[varity]-=datas[account];
        account+=1;
print("处理之后，矩阵为：\n{t}".format(t=datas));

rowNow=rows-1;
    lastCol=cols-1;     #最后一列 也就是常数
    lastVarity=cols-2;   #最后一列  指的就是最末那个变量
    x[rows-1]=data[rowNow][lastCol];   #初始化最后一个变量的值
    while rowNow>=1:
        temp=0;
        for tempCol in range(lastVarity,rowNow,-1):   #倒着取值 所以要将第三个参数设置为-1
            temp+=datas[rowNow][tempCol]*x[tempCol];
        x[rowNow]=datas[rowNow][cols-1]-temp;
        rowNow-=1;
    return x;

data=np.loadtxt("GaussEliminate.txt",comments="#",delimiter=",");
#故意在data中插入一行 值全部为0  方便后面的计算而已
temp1=np.zeros([1,data.shape[1]]);
data=np.r_[temp1,data];
#在data前面插入一列  方便计算  其实就是为了让计算的下标都从1开始
temp2=np.zeros([data.shape[0],1]);
data=np.c_[temp2,data];
#这里X的计算时候的下标也要从1开始算  方便理解  
#因为这个时候data.shape[0]的大小变了
X=np.zeros(data.shape[0]);
X=GaussEliminate(data, X);
print("解得的结果如下：");
for i in range(1,X.shape[0]):
    print("X{t0}等于{t1:.3f}".format(t0=i,t1=X[i]));

代码运行结果：

课本上的矩阵经过处理之后为：

课本上结果为：

遇事不决，可问春风。