【Deep-ML系列】Solve Linear Equations using Jacobi Method (雅可比迭代求解线性方程)

py明天会更好

于 2024-08-05 10:50:35 发布

阅读量159

点赞数 2

分类专栏：深度学习/机器学习文章标签：算法人工智能 numpy python

本文链接：https://blog.csdn.net/weixin_56029873/article/details/140921139

版权

深度学习/机器学习专栏收录该内容

16 篇文章 0 订阅

订阅专栏

题目链接：Deep-ML

需要注意的是，np.diag 的返回值会根据输入参数的类型不同而有所不同：

输入为一维数组：np.diag 会返回一个以输入数组元素为对角线元素的对角矩阵。
输入为二维矩阵：np.diag 会返回输入矩阵的对角线元素组成的一维数组。

import numpy as np

def solve_jacobi(A: np.ndarray, b: np.ndarray, n: int) -> list:
    d_a = np.diag(A)
    print(d_a)
    print(A - d_a)
    print(A - np.diag(d_a))
    nda = A - np.diag(d_a)
    x = np.zeros(len(A[0]))
    x_hold = np.zeros(len(A[0]))
    for _ in range(n):
        for i in range(len(nda)):
            x_hold[i] = (b[i] - np.dot(nda[i], x)) / d_a[i]
        x = x_hold.copy()
    return x

if __name__ == '__main__':
    A = [[5, -2, 3], [-3, 9, 1], [2, -1, -7]]
    b = [-1, 2, 3]
    n = 2
    print(solve_jacobi(A, b, n))