时间:2021-05-22
本文实例讲述了Python基于高斯消元法计算线性方程组。分享给大家供大家参考,具体如下:
#!/usr/bin/env python# coding=utf-8# 以上的信息随自己的需要改动吧def print_matrix( info, m ): # 输出矩阵 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 printdef swap( a, b ): t = a; a = b; b = tdef solve( ma, b, n ): global m; m = ma # 这里主要是方便最后矩阵的显示 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 变量标记行循环, col_pos 变量标记列循环 print_matrix( "一开始 de 矩阵", m ) while( ( row_pos < n ) and( col_pos < n ) ): print "位置:row_pos = %d, col_pos = %d" % (row_pos, col_pos) # 选主元 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( "选主元", m ) # 交换两行 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] ); # 区域之外? print_matrix( "交换两行", m ) try: # 消元 m[row_pos][n] /= m[row_pos][col_pos] except ZeroDivisionError: # 除零异常 一般在无解或无穷多解的情况下出现…… 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 1if __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 # 输出方程组 print_matrix( "一开始的矩阵", matrix ) # 求解方程组, 并输出方程组的可解信息 ret = solve( matrix, 0, 0 ) if( ret!= 0 ): print "方程组有解\n" else: print "方 程组无唯一解或无解\n" # 输出方程组及其解 print_matrix( "方程组及其解", matrix ) for i in range( 0, len( m ) ): print "x[%d] = %6.4f" % (i, m[i][len( m )])运行结果:
一开始的矩阵2.0000 0.0000 -2.0000 | 0.00000.0000 2.0000 -1.0000 | 0.00000.0000 1.0000 0.0000 | 10.0000一开始 de 矩阵2.0000 0.0000 -2.0000 | 0.00000.0000 2.0000 -1.0000 | 0.00000.0000 1.0000 0.0000 | 10.0000位置:row_pos = 0, col_pos = 0选主元2.0000 0.0000 -2.0000 | 0.00000.0000 2.0000 -1.0000 | 0.00000.0000 1.0000 0.0000 | 10.0000交换两行2.0000 0.0000 -2.0000 | 0.00000.0000 2.0000 -1.0000 | 0.00000.0000 1.0000 0.0000 | 10.0000消元1.0000 0.0000 -1.0000 | 0.00000.0000 2.0000 -1.0000 | 0.00000.0000 1.0000 0.0000 | 10.0000位置:row_pos = 1, col_pos = 1选主元1.0000 0.0000 -1.0000 | 0.00000.0000 2.0000 -1.0000 | 0.00000.0000 1.0000 0.0000 | 10.0000交换两行1.0000 0.0000 -1.0000 | 0.00000.0000 2.0000 -1.0000 | 0.00000.0000 1.0000 0.0000 | 10.0000消元1.0000 0.0000 -1.0000 | 0.00000.0000 1.0000 -0.5000 | 0.00000.0000 0.0000 0.5000 | 10.0000位置:row_pos = 2, col_pos = 2选主元1.0000 0.0000 -1.0000 | 0.00000.0000 1.0000 -0.5000 | 0.00000.0000 0.0000 0.5000 | 10.0000交换两行1.0000 0.0000 -1.0000 | 0.00000.0000 1.0000 -0.5000 | 0.00000.0000 0.0000 0.5000 | 10.0000消元1.0000 0.0000 0.0000 | 20.00000.0000 1.0000 0.0000 | 10.00000.0000 0.0000 1.0000 | 20.0000方程组有解方程组及其解1.0000 0.0000 0.0000 | 20.00000.0000 1.0000 0.0000 | 10.00000.0000 0.0000 1.0000 | 20.0000x[0] = 20.0000x[1] = 10.0000x[2] = 20.0000PS:这里再为大家推荐几款计算工具供大家参考使用:
在线一元函数(方程)求解计算工具:
http://tools.jb51.net/jisuanqi/equ_jisuanqi
科学计算器在线使用_高级计算器在线计算:
http://tools.jb51.net/jisuanqi/jsqkexue
在线计算器_标准计算器:
http://tools.jb51.net/jisuanqi/jsq
更多关于Python相关内容感兴趣的读者可查看本站专题:《Python数学运算技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》
希望本文所述对大家Python程序设计有所帮助。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
应该怎么使用lingo求解线性方程组?相信大家都就都觉的线性方程组很难解,接下来小编就以实例向大家介绍用lingo11优化解线性方程组的具体方法步骤。lingo
学过数学的人都知道,高斯消元法是解线性方程组是,算法很简单,但过程很复杂,这就是我在网上找不到免费的且正确的高斯消元法的原因了。所以我下决心自己编,结果Idoi
本文实例讲述了Python线性方程组求解运算。分享给大家供大家参考,具体如下:求解线性方程组比较简单,只需要用到一个函数(scipy.linalg.solve)
写在前面SciPy的optimize模块提供了许多数值优化算法,下面对其中的一些记录。非线性方程组求解SciPy中对非线性方程组求解是fslove()函数,它的
前言numpy.linalg模块包含线性代数的函数。使用这个模块,可以计算逆矩阵、求特征值、解线性方程组以及求解行列式等。本文讲给大家介绍关于numpy基础之n