Python基于高斯消元法計(jì)算線性方程組示例
本文實(shí)例講述了Python基于高斯消元法計(jì)算線性方程組。分享給大家供大家參考,具體如下:
#!/usr/bin/env python # coding=utf-8 # 以上的信息隨自己的需要改動(dòng)吧 def print_matrix( info, m ): # 輸出矩陣 i = 0; j = 0; l = len(m) print info for i in range( 0, len( m ) ): for j in range( 0, len( m[i] ) ): if( j == l ): print ' |', print '%6.4f' % m[i][j], print print def swap( a, b ): t = a; a = b; b = t def solve( ma, b, n ): global m; m = ma # 這里主要是方便最后矩陣的顯示 global s; i = 0; j = 0; row_pos = 0; col_pos = 0; ik = 0; jk = 0 mik = 0.0; temp = 0.0 n = len( m ) # row_pos 變量標(biāo)記行循環(huán), col_pos 變量標(biāo)記列循環(huán) print_matrix( "一開(kāi)始 de 矩陣", m ) while( ( row_pos < n ) and( col_pos < n ) ): print "位置:row_pos = %d, col_pos = %d" % (row_pos, col_pos) # 選主元 mik = - 1 for i in range( row_pos, n ): if( abs( m[i][col_pos] ) > mik ): mik = abs( m[i][col_pos] ) ik = i if( mik == 0.0 ): col_pos = col_pos + 1 continue print_matrix( "選主元", m ) # 交換兩行 if( ik != row_pos ): for j in range( col_pos, n ): swap( m[row_pos][j], m[ik][j] ) swap( m[row_pos][n], m[ik][n] ); # 區(qū)域之外? print_matrix( "交換兩行", m ) try: # 消元 m[row_pos][n] /= m[row_pos][col_pos] except ZeroDivisionError: # 除零異常 一般在無(wú)解或無(wú)窮多解的情況下出現(xiàn)…… return 0; j = n - 1 while( j >= col_pos ): m[row_pos][j] /= m[row_pos][col_pos] j = j - 1 for i in range( 0, n ): if( i == row_pos ): continue m[i][n] -= m[row_pos][n] * m[i][col_pos] j = n - 1 while( j >= col_pos ): m[i][j] -= m[row_pos][j] * m[i][col_pos] j = j - 1 print_matrix( "消元", m ) row_pos = row_pos + 1; col_pos = col_pos + 1 for i in range( row_pos, n ): if( abs( m[i][n] ) == 0.0 ): return 0 return 1 if __name__ == '__main__': matrix = [[2.0, 0.0, - 2.0, 0.0], [0.0, 2.0, - 1.0, 0.0], [0.0, 1.0, 0.0, 10.0]] i = 0; j = 0; n = 0 # 輸出方程組 print_matrix( "一開(kāi)始的矩陣", matrix ) # 求解方程組, 并輸出方程組的可解信息 ret = solve( matrix, 0, 0 ) if( ret!= 0 ): print "方程組有解\n" else: print "方 程組無(wú)唯一解或無(wú)解\n" # 輸出方程組及其解 print_matrix( "方程組及其解", matrix ) for i in range( 0, len( m ) ): print "x[%d] = %6.4f" % (i, m[i][len( m )])
運(yùn)行結(jié)果:
一開(kāi)始的矩陣 2.0000 0.0000 -2.0000 | 0.0000 0.0000 2.0000 -1.0000 | 0.0000 0.0000 1.0000 0.0000 | 10.0000 一開(kāi)始 de 矩陣 2.0000 0.0000 -2.0000 | 0.0000 0.0000 2.0000 -1.0000 | 0.0000 0.0000 1.0000 0.0000 | 10.0000 位置:row_pos = 0, col_pos = 0 選主元 2.0000 0.0000 -2.0000 | 0.0000 0.0000 2.0000 -1.0000 | 0.0000 0.0000 1.0000 0.0000 | 10.0000 交換兩行 2.0000 0.0000 -2.0000 | 0.0000 0.0000 2.0000 -1.0000 | 0.0000 0.0000 1.0000 0.0000 | 10.0000 消元 1.0000 0.0000 -1.0000 | 0.0000 0.0000 2.0000 -1.0000 | 0.0000 0.0000 1.0000 0.0000 | 10.0000 位置:row_pos = 1, col_pos = 1 選主元 1.0000 0.0000 -1.0000 | 0.0000 0.0000 2.0000 -1.0000 | 0.0000 0.0000 1.0000 0.0000 | 10.0000 交換兩行 1.0000 0.0000 -1.0000 | 0.0000 0.0000 2.0000 -1.0000 | 0.0000 0.0000 1.0000 0.0000 | 10.0000 消元 1.0000 0.0000 -1.0000 | 0.0000 0.0000 1.0000 -0.5000 | 0.0000 0.0000 0.0000 0.5000 | 10.0000 位置:row_pos = 2, col_pos = 2 選主元 1.0000 0.0000 -1.0000 | 0.0000 0.0000 1.0000 -0.5000 | 0.0000 0.0000 0.0000 0.5000 | 10.0000 交換兩行 1.0000 0.0000 -1.0000 | 0.0000 0.0000 1.0000 -0.5000 | 0.0000 0.0000 0.0000 0.5000 | 10.0000 消元 1.0000 0.0000 0.0000 | 20.0000 0.0000 1.0000 0.0000 | 10.0000 0.0000 0.0000 1.0000 | 20.0000 方程組有解 方程組及其解 1.0000 0.0000 0.0000 | 20.0000 0.0000 1.0000 0.0000 | 10.0000 0.0000 0.0000 1.0000 | 20.0000 x[0] = 20.0000 x[1] = 10.0000 x[2] = 20.0000
PS:這里再為大家推薦幾款計(jì)算工具供大家參考使用:
在線一元函數(shù)(方程)求解計(jì)算工具:
http://tools.jb51.net/jisuanqi/equ_jisuanqi
科學(xué)計(jì)算器在線使用_高級(jí)計(jì)算器在線計(jì)算:
http://tools.jb51.net/jisuanqi/jsqkexue
在線計(jì)算器_標(biāo)準(zhǔn)計(jì)算器:
http://tools.jb51.net/jisuanqi/jsq
更多關(guān)于Python相關(guān)內(nèi)容感興趣的讀者可查看本站專題:《Python數(shù)學(xué)運(yùn)算技巧總結(jié)》、《Python數(shù)據(jù)結(jié)構(gòu)與算法教程》、《Python函數(shù)使用技巧總結(jié)》、《Python字符串操作技巧匯總》、《Python入門與進(jìn)階經(jīng)典教程》及《Python文件與目錄操作技巧匯總》
希望本文所述對(duì)大家Python程序設(shè)計(jì)有所幫助。
相關(guān)文章
Pytorch訓(xùn)練過(guò)程出現(xiàn)nan的解決方式
今天小編就為大家分享一篇Pytorch訓(xùn)練過(guò)程出現(xiàn)nan的解決方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-01-01Python threading模塊中l(wèi)ock與Rlock的使用詳細(xì)講解
python的thread模塊是比較底層的模塊,python的threading模塊是對(duì)thread做了一些包裝的,可以更加方便的被使用。這篇文章主要介紹了Python threading模塊中l(wèi)ock與Rlock的使用2022-10-10Python數(shù)學(xué)建模PuLP庫(kù)線性規(guī)劃實(shí)際案例編程詳解
本節(jié)以一個(gè)實(shí)際數(shù)學(xué)建模案例,來(lái)為大家講解PuLP求解線性規(guī)劃問(wèn)題的建模與編程。來(lái)鞏固加深大家對(duì)Python數(shù)學(xué)建模PuLP庫(kù)線性規(guī)劃的運(yùn)用理解2021-10-10Numpy數(shù)組轉(zhuǎn)置的實(shí)現(xiàn)
本文主要介紹了Numpy數(shù)組轉(zhuǎn)置的實(shí)現(xiàn),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2023-02-02python第三方模塊xmltodict庫(kù)優(yōu)雅處理xml格式為json
這篇文章主要為大家介紹了python第三方模塊xmltodict庫(kù)優(yōu)雅處理xml格式為json實(shí)例探究,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2024-01-01python類的方法屬性與方法屬性的動(dòng)態(tài)綁定代碼詳解
這篇文章主要介紹了python類的方法屬性與方法屬性的動(dòng)態(tài)綁定代碼詳解,具有一定借鑒價(jià)值,需要的朋友可以參考下2017-12-12Python通過(guò)樸素貝葉斯和LSTM分別實(shí)現(xiàn)新聞文本分類
樸素貝葉斯法(Naive Bayes model)是基于貝葉斯定理與特征條件獨(dú)立假設(shè)的分類方法。LSTM則是一種時(shí)間循環(huán)神經(jīng)網(wǎng)絡(luò),適合于處理和預(yù)測(cè)時(shí)間序列中間隔和延遲相對(duì)較長(zhǎng)的重要事件。本文將通過(guò)這兩個(gè)方法分別實(shí)現(xiàn)新聞文本分類,需要的可以參考一下2021-12-12