列主元高斯的python实现

相对于顺序高斯只是每次循环的时候增加了一个选择列主元的过程。

选择列主元也就是找到余下的列中最大的一行,并以此行为主元

代码如下:

# coding: utf8
import numpy as np


def getInput1():
    matrix_a = np.mat([[0.726, 0.81, 0.9],
                       [1, 1, 1],
                       [1.331, 1.21, 1.1]
                       ], dtype=float)
    matrix_b = np.mat([0.6867, 0.8338, 1])
    # 答案:-2 0 1 1
    return matrix_a, matrix_b


# 设置矩阵
def getInput():
    matrix_a = np.mat([[2, 3, 11, 5],
                     [1, 1, 5, 2],
                     [2, 1, 3, 2],
                     [1, 1, 3, 4]], dtype=float)
    matrix_b = np.mat([2, 1, -3, -3])
    # 答案:-2 0 1 1
    return matrix_a, matrix_b


# 交换
def swap(mat, num):
    print(num)
    print("调换前")
    print(mat)
    maxid = num
    for j in range(num, mat.shape[0]):
        if mat[j, num] > mat[num, num]:
            maxid = j
    if maxid is not num:
        mat[[maxid,num],:] = mat[[num,maxid],:]
    else:pass
    print("调换后")
    print(maxid)
    print(mat)
    return mat


def SequentialGauss(mat_a):
    for i in range(0, (mat_a.shape[0])-1):
        swap(mat_a, i)
        if mat_a[i, i] == 0:
            print("终断运算:")
            print(mat_a)
            break
        else:
            for j in range(i+1, mat_a.shape[0]):
                mat_a[j:j+1 , :] = mat_a[j:j+1,:] - \
                                                    (mat_a[j,i]/mat_a[i,i])*mat_a[i, :]
    return mat_a


# 回带过程
def revert(new_mat):
    # 创建矩阵存放答案 初始化为0
    x = np.mat(np.zeros(new_mat.shape[0], dtype=float))
    number = x.shape[1]-1
    # print(number)
    b = number+1
    x[0,number] = new_mat[number,b]/new_mat[number, number]
    for i in range(number-1,-1,-1):
        try:
            x[0, i] = (new_mat[i,b]-np.sum(np.multiply(new_mat[i,i+1:b],x[0,i+1:b])))/(new_mat[i,i])
        except:
            print("错误")
    print(x)


if __name__ == "__main__":
    mat_a, mat_b = getInput()
    # 合并两个矩阵
    print("原矩阵")
    print(np.hstack((mat_a, mat_b.T)))
    new_mat = SequentialGauss(np.hstack((mat_a, mat_b.T)))
    print("三角矩阵")
    print(new_mat)
    print("方程的解")
    revert(new_mat)

  

转载于:https://www.cnblogs.com/muty/p/10057255.html

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python中的列主元高斯消去是一种用于解线性方程组的数值方。它通过将线性方程组表示为增广矩阵的形式,并利用矩阵的行变换来消去未知数,最终得到方程组的解。 以下是Python实现列主元高斯消去的基本步骤: 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. 选取列主元:在每一次消元操作中,选择当前中绝对值最大的元素作为主元。 3. 行交换:将含有主元的行与当前操作行交换,确保主元位于当前操作行的第一个位置。 4. 消元计算:通过对当前操作行进行线性组合,将当前下方的所有元素消为零。 5. 重复步骤2-4,直到得到上三角矩阵形式。 6. 回代求解:从最后一行开始,通过回代计算出未知数的值。 下面是一个简单的Python代码示例,演示了如何使用列主元高斯消去解线性方程组: ```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): # 选取列主元 max_index = np.argmax(np.abs(Ab[i:, i])) + i Ab[[i, max_index]] = Ab[[max_index, i]] # 消元计算 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 # 示例方程组的系数矩阵和常数向量 A = np.array([[2, 1, -1], [-3, -1, 2], [-2, 1, 2]]) b = np.array([8, -11, -3]) # 调用函数求解方程组 solution = gaussian_elimination(A, b) print("方程组的解为:", solution) ``` 这段代码使用了NumPy库来进行矩阵运算,首先定义了一个`gaussian_elimination`函数,接受系数矩阵A和常数向量b作为输入,返回方程组的解。在函数内部,通过循环实现列主元高斯消去的各个步骤,最后得到方程组的解并打印输出。
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