python共軛梯度法特征值迭代次數(shù)討論
更新時(shí)間：2021年04月07日 11:44:50 作者：嵩悟空
這篇文章主要介紹了python共軛梯度法特征值迭代次數(shù)討論，想了解共軛梯度法的同學(xué)，需要著重看一下
共軛梯度法，特征值聚堆情況下迭代次數(shù)討論
輸入各種特征值聚堆與分散時(shí)的矩陣，并應(yīng)用共軛梯度法，觀察迭代次數(shù)與聚堆情況的關(guān)系。
因?yàn)閷?duì)角矩陣的對(duì)角線元素為其特征值，則用對(duì)角矩陣討論較為方便
代碼
import numpy as np
def cg(x0, A, b):
r0 = np.dot(A, x0) - b
p0 = -r0
rk = r0
pk = p0
xk = x0
t = 0 #記錄迭代次數(shù)
while np.linalg.norm(rk) >= 1e-6:
rr = np.dot(rk.T, rk)
ak = rr / np.dot(np.dot(pk.T, A), pk)
xk = xk + ak * pk
rk = rk + ak * np.dot(A, pk)
bk = np.dot(rk.T, rk) / rr
pk = -rk + bk * pk
t += 1
return xk, t
#輸入列表，生成以列表為對(duì)角元素的對(duì)角矩陣
def Diagonal_matrix(D):
n = len(D)
diag = np.zeros((n,n))
for i in range(n):
diag[i][i] = D[i]
return diag
#矩陣對(duì)角線元素
D_1 = [1, 1, 1, 1, 1, 6, 7, 8, 9, 10]
D_2 = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
D_3 = [0.8, 0.9, 1, 1.1, 1.2, 6, 7, 8, 9, 10]
D_4 = [1 - 2*1e-7, 1 - 1e-7, 1, 1 + 1e-7, 1 + 2*1e-7, 6, 7, 8, 9, 10]
D_5 = [1, 1, 1, 2, 2, 2, 3, 3, 3, 10]
#初始值
x0 = np.zeros((10,1))
b = np.ones((10,1))
#生成對(duì)角矩陣
diag1 = Diagonal_matrix(D_1)
diag2 = Diagonal_matrix(D_2)
diag3 = Diagonal_matrix(D_3)
diag4 = Diagonal_matrix(D_4)
diag5 = Diagonal_matrix(D_5)
#共軛梯度法迭代
x_1, n_1 = cg(x0, diag1, b)
x_2, n_2 = cg(x0, diag2, b)
x_3, n_3 = cg(x0, diag3, b)
x_4, n_4 = cg(x0, diag4, b)
x_5, n_5 = cg(x0, diag5, b)
n = [n_1, n_2, n_3, n_4, n_5]
#輸出
for i in range(5):
print('矩陣',i + 1 ,'的迭代次數(shù)為: ', n[i])
矩陣1，前5個(gè)元素聚堆且都為相同元素
矩陣2，特征值分散
矩陣3，前5個(gè)特征值聚堆，但是最大差為0.4 ，而cg法精度為1e-6
矩陣4，前5個(gè)特征值聚堆，且相差最大小于1e-6
矩陣5，三聚堆
輸出：
分析：
- 聚堆特征值可看作一個(gè)特征值
- 特征值差小于迭代精度時(shí)被看作聚堆
- 例如矩陣5，前三個(gè)對(duì)角元素看作一個(gè)，4-6元素看作一個(gè)，7-9看作一個(gè) 一共4個(gè)元素，則需要迭代4次
以上就是python共軛梯度法特征值迭代次數(shù)討論的詳細(xì)內(nèi)容，更多關(guān)于python共軛梯度法迭代的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
Windows下Python使用Pandas模塊操作Excel文件的教程
Pandas是一個(gè)強(qiáng)大的Python數(shù)據(jù)分析模塊,這里我們先使用ANACONDA來(lái)幫助獲取Pandas所以來(lái)的一些環(huán)境,然后來(lái)初步學(xué)習(xí)Windows下Python使用Pandas模塊操作Excel文件的教程2016-05-05
Python利用字典樹(shù)實(shí)現(xiàn)獵詞游戲
獵詞（word hunt）是一類(lèi)很常見(jiàn)的游戲，給你一張字母組成的表，然后讓你在這些字母中盡可能多的去尋找單詞。這類(lèi)游戲用字典樹(shù)就能輕松完成，本文就來(lái)具體講講實(shí)現(xiàn)步驟，需要的可以參考一下2022-06-06
2021年的Python 時(shí)間軸和即將推出的功能詳解
這篇文章主要介紹了2021年的Python 時(shí)間軸和即將推出的功能,本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2020-07-07
詳解Python中映射類(lèi)型的內(nèi)建函數(shù)和工廠函數(shù)
這篇文章主要介紹了詳解Python中映射類(lèi)型的內(nèi)建函數(shù)和工廠函數(shù),目前Python的內(nèi)建映射類(lèi)型只有字典一種,需要的朋友可以參考下2015-08-08
Python實(shí)現(xiàn)身份證號(hào)碼解析
本文給大家匯總介紹下使用Python實(shí)現(xiàn)身份證號(hào)碼驗(yàn)證解析的幾個(gè)方法，有需要的小伙伴可以參考下。2015-09-09
Python輕松搞定視頻剪輯重復(fù)性工作問(wèn)題
這篇文章主要介紹了Python輕松搞定視頻剪輯重復(fù)性工作問(wèn)題，大家做視頻剪輯的時(shí)候，還在重復(fù)性工作嗎？今天，小編來(lái)教大家如何利用Python幫你搞定這些重復(fù)性的剪輯工作,需要的朋友可以參考一下2021-12-12
使用pyinstaller打包PyQt4程序遇到的問(wèn)題及解決方法
今天小編就為大家分享一篇使用pyinstaller打包PyQt4程序遇到的問(wèn)題及解決方法，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2019-06-06
Python?pandas刪除指定行/列數(shù)據(jù)的方法實(shí)例
這篇文章主要給大家介紹了關(guān)于Python?pandas刪除指定行/列數(shù)據(jù)的相關(guān)資料,文中通過(guò)實(shí)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,需要的朋友可以參考下2022-01-01
Python簡(jiǎn)單實(shí)現(xiàn)詞云圖代碼及步驟解析
這篇文章主要介紹了Python簡(jiǎn)單實(shí)現(xiàn)詞云圖代碼解析,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,需要的朋友可以參考下2020-06-06
解決python問(wèn)題 Traceback (most recent call&n
這篇文章主要介紹了解決python問(wèn)題 Traceback (most recent call last)，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2022-12-12