使用python求解线性方程组（numpy，linalg.solve）

求解线性方程组可以使用多种方法，其中最常见的是高斯消元法和矩阵的逆。在Python中，我们可以使用numpy库中的linalg.solve函数来求解线性方程组。

1，使用numpy库来进行求解

import numpy as np

# 定义系数矩阵A和常数向量b
A = np.array([[3, 1, 2],
              [3, 2, 5],
              [6, 7, 5]])

b = np.array([11, 22, 17])

# 使用numpy的linalg.solve函数求解线性方程组
x = np.linalg.solve(A, b)

print("解向量x为：", x)

在这个例子中，A是一个3x3的系数矩阵，b是一个3x1的常数向量，它们一起定义了一个线性方程组。np.linalg.solve函数接受这两个参数，并返回解向量x。

2，使用高斯消元法来进行求解

import numpy as np

def print_matrix(mat):
    for row in mat:
        print(' '.join(str(x) for x in row))

def gaussian_elimination(A, b):
    n = len(b)
    A = A.copy()
    # 将增广矩阵打印出来
    print("初始增广矩阵:")
    for row in range(n):
        A[row] = A[row] + [b[row]]
    print_matrix(A)

    # 进行高斯消元
    for i in range(n):
        # 寻找最大的行
        maxEl = abs(A[i][i])
        maxRow = i
        for k in range(i+1, n):
            if abs(A[k][i]) > maxEl:
                maxEl = abs(A[k][i])
                maxRow = k

        # 将最大行交换到当前位置
        if i != maxRow:
            A[i], A[maxRow] = A[maxRow], A[i]
            print("交换第{}行和第{}行:".format(i, maxRow))
            print_matrix(A)

        # 使当前列除了对角线外的元素变为0
        for k in range(i+1, n):
            c = -A[k][i] / A[i][i]
            for j in range(i, n+1):
                if i == j:
                    A[k][j] = 0
                else:
                    A[k][j] += c * A[i][j]

        print("消元后第{}步的矩阵:".format(i+1))
        print_matrix(A)

    # 解回代
    x = np.zeros(n)
    for i in range(n-1, -1, -1):
        sum_ = 0
        for j in range(i+1, n):
            sum_ += A[i][j] * x[j]
        x[i] = (A[i][n] - sum_) / A[i][i]

    return x

# 定义系数矩阵A和常数向量b
A = np.array([[3, 1, 2],
              [3, 2, 5],
              [6, 7, 5]], dtype=float)

b = np.array([11, 22, 17], dtype=float)

# 使用高斯消元法求解线性方程组
x = gaussian_elimination(A, b)

print("解向量x为：", x)

这段代码首先打印出初始的增广矩阵，然后进行高斯消元，每一步都会打印出当前步骤后的增广矩阵。最后，通过回代过程求解出解向量x并打印出来。

3，使用矩阵的逆来求解

对于方程组 Ax=bAx=b，如果矩阵 AA 是可逆的，那么解 xx 可以通过 x=A−1bx=A−1b 得到。

在Python中，我们可以使用numpy库中的linalg.inv函数来计算矩阵的逆，然后使用矩阵乘法来求解线性方程组。

import numpy as np

# 定义系数矩阵A和常数向量b
A = np.array([[3, 1, 2],
              [3, 2, 5],
              [6, 7, 5]], dtype=float)

b = np.array([11, 22, 17], dtype=float)

# 检查矩阵A是否可逆
if np.linalg.det(A) == 0:
    print("矩阵A不可逆，方程组无解或有无穷多解。")
else:
    # 计算矩阵A的逆
    A_inv = np.linalg.inv(A)
    # 计算解向量x
    x = np.dot(A_inv, b)
    print("解向量x为：", x)

在这个程序中，我们首先检查矩阵 AA 是否可逆，即其行列式是否不为零。如果矩阵不可逆，那么方程组可能无解或者有无穷多解。如果矩阵可逆，我们计算其逆矩阵，然后通过矩阵乘法得到解向量 xx。