矩阵三角分解法(LU分解)

        矩阵分解法是高斯消元法的变形,它的复杂度和高斯消元法一样都是O(n^3),但是矩阵分解法在处理线性方程组系(具有相同的系数矩阵,但是右端项不同的方程组)时,运算比较方便。

        下面是矩阵分解原理的原理:

   

    

   

     下面是如何来求解L和U矩阵:

     

    在求L和U矩阵的时候,要注意两点:

   1>先求U矩阵中的一行,然后在求L矩阵的一列。次序不能颠倒。

   2>不论求L和U矩阵,都要用到相应的A矩阵中的数值。

   下面是求LU矩阵的python实现。

data = [[2, 2, 3], [4, 7, 7], [-2, 4, 5]]


#在实施LU分解的时候,所有的操作都在data矩阵上进行。因为LU分解的过程决定,它是一行一行进行分解的,所以用完的行可以被
#LU矩阵中的值所代替。
i = 0
size = len(data)
while i < size:
    if i == 0:
        j = 1
        while j < size:
            data[j][0]=data[j][0]/data[0][0]
            j += 1
    else:
        #下面是对U矩阵进行操作,操作过程是,先求一行U矩阵,后求一列L矩阵
        j = i
        while j < size:
            sum_column = 0
            flag_sum = i - 1
            while flag_sum >= 0:
                if j == i:
                    sum_column += data[flag_sum][j]*data[j][flag_sum]
                else:
                    sum_column += data[flag_sum][j]*data[j-1][flag_sum]
                flag_sum -= 1
            data[i][j] = data[i][j]-sum_column
            j += 1

        #下面的是对L矩阵进行操作,操作过程是求一列L矩阵
        m = i+1
        while m <size:
            sum_column_L=0
            flag_sum_L = i-1
            while flag_sum_L >= 0:
                sum_column_L += data[i][flag_sum_L]*data[m][flag_sum_L]
                flag_sum_L -= 1
            data[m][i] = (data[m][i]-sum_column_L)/data[i][i]
            m += 1
    i += 1


"输出LU矩阵"
L = []
U = []
l = 0
while l < size:
    r = 0
    temp=[]
    temp1=[]
    while r < size:
        if l > r:
            temp.append(data[l][r])
            temp1.append(0)
        else:
            if l == r:
                temp.append(1)
                temp1.append((data[l][r]))
            else:
                temp.append(0)
                temp1.append(data[l][r])
        r += 1
    L.append(temp)
    U.append(temp1)
    l += 1

print("L矩阵为:\n")
for x in L:
    print(x)
print("\n")

print("U矩阵为:\n")
for x in U:
    print(x)




评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值