python迭代法求解方程组_10-07:Python线性方程组J、GS和超松弛迭代

为什么今天会这么冷。

今天上了数学的两节理论课，第一节课先是推导迭代法的通式，然后从迭代误差推导出收敛条件。第二节课介绍雅克比迭代和高斯-赛德尔迭代。

下面是我的雅克比迭代、高斯赛德尔迭代和超松弛迭代的代码，主要运行numpy的矩阵运算。

def Jocobi(A,b,initial,delta):

'''

输入：A是系数矩阵，N阶方阵

b是N*1列向量

initial是解的初始值，N*1大小

输出：迭代后的解析解

'''

D = np.diag(np.diag(A)) # 获得D矩阵

L = -np.tril(A,-1) # 获得L矩阵

U = -np.triu(A,1) # 获得U矩阵

d = np.linalg.inv(D) # 对D矩阵求逆

BJ = np.dot(d,L+U) # 迭代矩阵BJ

lamda,_ = np.linalg.eig(BJ)

if np.max(lamda)<1: # 谱半径小于1

f = np.dot(d,b)

X = np.dot(BJ,initial)+f # 初次的解

times = 0

while np.linalg.norm(X - initial) > delta:

initial = X

X = np.dot(BJ,initial) + f

times = times +1

return X,times

else: