用高斯(Gauss)消元法求n阶线性方程组的解（python）

（一）目的

通过设计、编制、调试2~3个求n阶线性方程组数值解的程序，加深对其数值计算方法及有关的基础理论知识的理解。

（二）要求

    用编程语言实现用高斯(Gauss)消元法求n阶线性方程组的解、用列主元高斯(Gauss)消元法求n阶线性方程组的解、用库郎(Courant)列主直接分解法求n阶线性方程组的解的程序。

 Guass消去法基本原理：

 pytho实现：

import numpy as np
def gauss(a, b):
    m, n = a.shape  # 获取矩阵的行数和列数
    c = np.zeros(n)  # 根据矩阵的行数构建一个一维0数组
    for i in range(n):
        # 限制条件
        if (a[i][i] == 0):  # 用高斯消去法解线性方程组时对角线元素不能为0
            print("no answer")
    # k表示第一层循环，(0，n-1)行
    # i表示第二层循环,(k+1,n)行,计算该行消元的系数
    # j表示列
    for k in range(n - 1):
        for i in range(k + 1, n):
            c[i] = a[i][k] / a[k][k]  # 计算出系数
            for j in range(k,m):  # 从K开始，减少不必要的计算
                a[i][j] = a[i][j] - c[i] * a[k][j]  # 对矩阵进行高斯消去
            b[i] = b[i] - c[i] * b[k]
        print(a)
        #print(b)
    x = np.zeros(n)
    x[n - 1] = b[n - 1] / a[n - 1][n - 1]  # 解出x[n-1],为回代作准备
    # 回代求出方程解
    for i in range(n-2, -1, -1):
        sum= 0.0
        for j in range(n-1, -1, -1):
            sum= sum + a[i][j] * x[j]
        x[i] = (b[i]-sum) / a[i][i]
        #print(sum)
    for i in range(n):
        print("x" + str(i + 1) + " = ","%.2f" % x[i])  # 输出结果
if __name__ == '__main__':
    a = np.array([[2.0, -1.0, 3.0, 2.0], [3.0, -3.0, 3.0, 2.0], [3.0, -1.0, -1.0, 2.0], [3.0, -1.0, 3.0, -1.0]])
    b = np.array([6.0, 5.0, 3.0, 4.0])
    gauss(a, b)
    #结果 [1,1,1,1]

结果：

 Guass消去法结果

 E:\shuzhifenxishiyan\Gauss\venv\Scripts\python.exe E:/shuzhifenxishiyan/Gauss/main.py

[[ 2.  -1.   3.   2. ]

 [ 0.  -1.5 -1.5 -1. ]

 [ 0.   0.5 -5.5 -1. ]

 [ 0.   0.5 -1.5 -4. ]]

[[ 2.         -1.          3.          2.        ]

 [ 0.         -1.5        -1.5        -1.        ]

 [ 0.          0.         -6.         -1.33333333]

 [ 0.          0.         -2.         -4.33333333]]

[[ 2.         -1.          3.          2.        ]

 [ 0.         -1.5        -1.5        -1.        ]

 [ 0.          0.         -6.         -1.33333333]

 [ 0.          0.          0.         -3.88888889]]

x1 =  1.00

x2 =  1.00

x3 =  1.00

x4 =  1.00

Process finished with exit code 0