高斯消元法和列主销元法(Python实现)

2023-12-16 07:40

本文主要是介绍高斯消元法和列主销元法(Python实现),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

1、原理

(1)思维导图

 (2)原理

2、案例及实现 

(1)案例

(2)代码实现 

(3)结果

3、误差分析及心得体会


1、原理

(1)思维导图

 (2)原理

2、案例及实现 

(1)案例

(2)代码实现 

import numpy as np
# 判断系数矩阵是否为非奇异矩阵
def IsItNonSingular(A):row = len(A)  # 系数矩阵行数col = len(A[0])  # 系数矩阵列数# 控制第i步,A矩阵为n阶方阵for i in range(row - 1):# 若主元元素为0,则进行行变换if A[i][i] == 0:# 从后往前找出主元为0的列中,首个不为零的行# 对主元为0的行与此行进行行变换Str = []for h in range(row - 1, i, -1):  # 添加该列所有元素Str.append(A[h][i])Num = col - Str.index(next(filter(lambda x: x != 0, Str)))A[Num - 1], A[i] = A[i], A[Num - 1]  # 做行变换# 消元运算for j in range(i + 1, row, 1):coeff = A[j][i] / A[i][i]for k in range(i, col, 1):A[j][k] = A[j][k] - coeff * A[i][k]  # 系数矩阵消元# 判断该方程组系数矩阵是否为非奇异矩阵for i in range(row):if A[i][i] == 0:print("Coefficient matrix is not a nonsingular matrix.")return 'N'print("Coefficient matrix is a nonsingular matrix.")def GuassElimination(A, b):row = len(A)  # 系数矩阵行数col = len(A[0])  # 系数矩阵列数ε = 1E-5  # 定义一个小量print("coefficient matrix:", A)print("Constant column:", b)# 控制第i步,高斯消元需要n-1步,A矩阵为n阶方阵for i in range(row - 1):if abs(A[i][i]) <= ε:  # 若主元为一个小量,则采用列主消元return None# 消元运算for j in range(i + 1, row, 1):coeff = A[j][i] / A[i][i]for k in range(i, col, 1):A[j][k] = A[j][k] - coeff * A[i][k]  # 系数矩阵消元b[j] = b[j] - coeff * b[i]  # 对应常数列消元# 回代过程x = [0] * col  # 初始化元组,用于后面存放解x[col - 1] = b[col - 1] / A[col - 1][col - 1]  # 第n个解for i in range(row - 2, -1, -1):for j in range(col - 1, i, -1):b[i] = b[i] - A[i][j] * x[j]x[i] = b[i] / A[i][i]print("The solution of the equations is:")for i in range(col):print("x{}:".format(i + 1), '%.8f' % x[i])print("\n")return xdef ColumnPrincipalElimination(A, b):row = len(A)  # 系数矩阵行数col = len(A[0])  # 系数矩阵列数print("coefficient matrix:", A)print("Constant column:", b)# 控制第i步,消元需要n-1步,A矩阵为n阶方阵for i in range(row - 1):# 每步运算前找出列中绝对值最大元素# 作行变换,让绝对值最大的元素行作主元Str = []for j in range(i, row, 1):Str.append(A[j][i])Num = Str.index(max(Str)) + iA[Num], A[i] = A[i], A[Num]  # 行变换b[Num], b[i] = b[i], b[Num]# 消元运算for j in range(i + 1, row, 1):coeff = A[j][i] / A[i][i]for k in range(i, col, 1):A[j][k] = A[j][k] - coeff * A[i][k]  # 系数矩阵消元b[j] = b[j] - coeff * b[i]  # 对应常数列消元# 回代过程x = [0] * col  # 初始化元组,用于后面存放解x[col - 1] = b[col - 1] / A[col - 1][col - 1]  # 第n个解for i in range(row - 2, -1, -1):for j in range(col - 1, i, -1):b[i] = b[i] - A[i][j] * x[j]x[i] = b[i] / A[i][i]print("The solution of the equations is:")for i in range(col):print("x{}:".format(i + 1), '%.8f' % x[i])# print("\n")return x
def main():b1 = [0.4043, 0.1550, 0.4240, -0.2557]b2 = [0.4043, 0.1550, 0.4240, -0.2557]test1 = [[0.4096, 0.1234, 0.3678, 0.2943], [0.2246, 0.3872, 0.4015, 0.1129], [0.3645, 0.1920, 0.3781, 0.0643],[0.1784, 0.4002, 0.2785, 0.3927]]test2 = [[0.4096, 0.1234, 0.3678, 0.2943], [0.2246, 0.3872, 0.4015, 0.1129], [0.3645, 0.1920, 0.3781, 0.0643],[0.1784, 0.4002, 0.2785, 0.3927]]# python为动态语言,# 在判断非奇异矩阵过程中会改动初值# 故重新赋值IsItNonSingular(test1)print("test1 Gaussian elimination test:")test1 = [[0.4096, 0.1234, 0.3678, 0.2943], [0.2246, 0.3872, 0.4015, 0.1129], [0.3645, 0.1920, 0.3781, 0.0643],[0.1784, 0.4002, 0.2785, 0.3927]]GuassElimination(test1, b1)IsItNonSingular(test2)print("test2Gaussian column principal elimination test:")test2 = [[0.4096, 0.1234, 0.3678, 0.2943], [0.2246, 0.3872, 0.4015, 0.1129], [0.3645, 0.1920, 0.3781, 0.0643],[0.1784, 0.4002, 0.2785, 0.3927]]ColumnPrincipalElimination(test2, b2)if __name__ == '__main__':main()

(3)结果

Coefficient matrix is a nonsingular matrix.
test1 Gaussian elimination test:
coefficient matrix: [[0.4096, 0.1234, 0.3678, 0.2943], [0.2246, 0.3872, 0.4015, 0.1129], [0.3645, 0.192, 0.3781, 0.0643], [0.1784, 0.4002, 0.2785, 0.3927]]
Constant column: [0.4043, 0.155, 0.424, -0.2557]
The solution of the equations is:
x1: -0.18034012
x2: -1.66163443
x3: 2.21499710
x4: -0.44669701Coefficient matrix is a nonsingular matrix.
test2Gaussian column principal elimination test:
coefficient matrix: [[0.4096, 0.1234, 0.3678, 0.2943], [0.2246, 0.3872, 0.4015, 0.1129], [0.3645, 0.192, 0.3781, 0.0643], [0.1784, 0.4002, 0.2785, 0.3927]]
Constant column: [0.4043, 0.155, 0.424, -0.2557]
The solution of the equations is:
x1: -0.18034012
x2: -1.66163443
x3: 2.21499710
x4: -0.44669701Process finished with exit code 0

3、误差分析及心得体会

 

这篇关于高斯消元法和列主销元法(Python实现)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/499689

相关文章

Springboot处理跨域的实现方式(附Demo)

《Springboot处理跨域的实现方式(附Demo)》:本文主要介绍Springboot处理跨域的实现方式(附Demo),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不... 目录Springboot处理跨域的方式1. 基本知识2. @CrossOrigin3. 全局跨域设置4.

Spring Boot 3.4.3 基于 Spring WebFlux 实现 SSE 功能(代码示例)

《SpringBoot3.4.3基于SpringWebFlux实现SSE功能(代码示例)》SpringBoot3.4.3结合SpringWebFlux实现SSE功能,为实时数据推送提供... 目录1. SSE 简介1.1 什么是 SSE?1.2 SSE 的优点1.3 适用场景2. Spring WebFlu

基于SpringBoot实现文件秒传功能

《基于SpringBoot实现文件秒传功能》在开发Web应用时,文件上传是一个常见需求,然而,当用户需要上传大文件或相同文件多次时,会造成带宽浪费和服务器存储冗余,此时可以使用文件秒传技术通过识别重复... 目录前言文件秒传原理代码实现1. 创建项目基础结构2. 创建上传存储代码3. 创建Result类4.

SpringBoot日志配置SLF4J和Logback的方法实现

《SpringBoot日志配置SLF4J和Logback的方法实现》日志记录是不可或缺的一部分,本文主要介绍了SpringBoot日志配置SLF4J和Logback的方法实现,文中通过示例代码介绍的非... 目录一、前言二、案例一:初识日志三、案例二:使用Lombok输出日志四、案例三:配置Logback一

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

Python+PyQt5实现多屏幕协同播放功能

《Python+PyQt5实现多屏幕协同播放功能》在现代会议展示、数字广告、展览展示等场景中,多屏幕协同播放已成为刚需,下面我们就来看看如何利用Python和PyQt5开发一套功能强大的跨屏播控系统吧... 目录一、项目概述:突破传统播放限制二、核心技术解析2.1 多屏管理机制2.2 播放引擎设计2.3 专

Python中随机休眠技术原理与应用详解

《Python中随机休眠技术原理与应用详解》在编程中,让程序暂停执行特定时间是常见需求,当需要引入不确定性时,随机休眠就成为关键技巧,下面我们就来看看Python中随机休眠技术的具体实现与应用吧... 目录引言一、实现原理与基础方法1.1 核心函数解析1.2 基础实现模板1.3 整数版实现二、典型应用场景2

Python实现无痛修改第三方库源码的方法详解

《Python实现无痛修改第三方库源码的方法详解》很多时候,我们下载的第三方库是不会有需求不满足的情况,但也有极少的情况,第三方库没有兼顾到需求,本文将介绍几个修改源码的操作,大家可以根据需求进行选择... 目录需求不符合模拟示例 1. 修改源文件2. 继承修改3. 猴子补丁4. 追踪局部变量需求不符合很

idea中创建新类时自动添加注释的实现

《idea中创建新类时自动添加注释的实现》在每次使用idea创建一个新类时,过了一段时间发现看不懂这个类是用来干嘛的,为了解决这个问题,我们可以设置在创建一个新类时自动添加注释,帮助我们理解这个类的用... 目录前言:详细操作:步骤一:点击上方的 文件(File),点击&nbmyHIgsp;设置(Setti

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.