python高斯消元法

参考:​​​​​​c高斯消元法python实现

防止对角线元素为0的情况

import numpy as np
def gauss(a):
    n, m = a.shape
    x = np.zeros(n)
    # 阶梯化矩阵
    for k in range(n):
        # 第k个子矩阵
        f = -1  # 最长的那一行
        for l in range(k, n):
            # 找最长
            if a[l][k] != 0 and f < 0:
                z = a[l][k]
                f = l
                # 归一化
                for i in range(m):
                    a[l][i] /= z
                    # -0 变成 0
                    if a[l][i] == -0:
                        a[l][i] = 0
                continue
            # 处理其他行
            if a[l][k] != 0 and f >= 0:
                j = a[l][k]
                # 第l行所有元素,从第k个元素开始
                for h in range(k, m):
                    a[l][h] -= j * a[f][h]
        # 最长的行放在最上层
        if f > 0 and f != k:
            a[[k, f], :] = a[[f, k], :]
    print(a)
    # 求解
    for i in range(n - 1, -1, -1):
        sum = 0
        for j in range(i, m - 1):
            sum += a[i][j] * x[j]
        x[i] = (a[i][m - 1] - sum)
    return x
if __name__ == "__main__":
    # a是增广矩阵
    a = np.array([[0, 0, 0.8642, -0.7521],
                  [0, 1, 0.1463, 0.6310],
                  [-0.8641, -0.4243, 0.071, 0.2501]])
    print(gauss(a))
    """
     a = np.array([[2, -2, 5, 13],
                  [2, 3, 4, 20],
                  [3, -1, 3, 10]], dtype=float)
    """

  • 10
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python高斯消元法是一种用于解线性方程组的数值方法。它通过将线性方程组表示为增广矩阵,并通过一系列的行变换将其转化为上三角矩阵或对角矩阵,从而求解方程组的解。 以下是Python中实现高斯消元法的基本步骤: 1. 构建增广矩阵:将线性方程组的系数矩阵和常数向量合并成一个增广矩阵。 2. 消元过程:通过一系列的行变换,将增广矩阵转化为上三角矩阵或对角矩阵。在每一步消元中,选择一个主元(通常选择当前列中绝对值最大的元素),并将其所在列的其他元素消为零。 3. 回代过程:从最后一行开始,依次求解每个未知数的值。通过回代过程,可以得到线性方程组的解。 以下是一个简单的Python代码示例,演示了如何使用高斯消元法解决线性方程组: ```python import numpy as np def gaussian_elimination(A, b): n = len(b) Ab = np.concatenate((A, b.reshape(n, 1)), axis=1) for i in range(n): # 选取主元 pivot_row = i for j in range(i+1, n): if abs(Ab[j, i]) > abs(Ab[pivot_row, i]): pivot_row = j # 交换行 Ab[[i, pivot_row]] = Ab[[pivot_row, i]] # 消元 for j in range(i+1, n): ratio = Ab[j, i] / Ab[i, i] Ab[j] -= ratio * Ab[i] # 回代求解 x = np.zeros(n) for i in range(n-1, -1, -1): x[i] = (Ab[i, -1] - np.dot(Ab[i, :-1], x)) / Ab[i, i] return x # 示例方程组 A = np.array([[2, 1, -1], [-3, -1, 2], [-2, 1, 2]]) b = np.array([8, -11, -3]) # 调用高斯消元法求解 solution = gaussian_elimination(A, b) print("方程组的解为:", solution) ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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