如何在python中求解多元线性方程式?

本文介绍了如何在python中求解多元线性方程式?的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！ 问题描述

我有10,000个变量.对于其中的100个，我确实知道确切的值.

I have 10,000 variables. for 100 of them, I do know the exact value.

其他人的给出方式如下:

others are given like:

a = 0.x_1 * b + 0.y_2 * c+ 0.z_1 * d + (1 - 0.x_1 - 0.y_1 - 0.z_1) * a b = 0.x_2 * c + 0.y_2 * d+ 0.z_2 * e + (1 - 0.x_2 - 0.y_2 - 0.z_2) * b ... q = 0.x_10000 * p + 0.y_10000 * r+ 0.z_10000 * s + (1 - 0.x_10000 - 0.y_10000 - 0.z_10000) * q

是的，我知道确切值0.x_n，0.y_n，0.z_n ...(以0为前缀的意思是它小于1而大于0)

yes I know exact value of 0.x_n, 0.y_n, 0.z_n ... (the point of having 0. as a prefix means it is less than 1 while bigger than 0)

如何在python中解决此问题?如果您能为我提供一些示例，例如带有这样的简单方程式，我将不胜感激:

How can I solve this in python? I'd really appreciate if you can provide me some example, with simple equations like this :

x - y + 2z = 5 y - z = -1 z = 3

推荐答案

(使用 numpy )如果我们重写线性方程组

(Using numpy) If we rewrite the system of linear equations

x - y + 2z = 5 y - z = -1 z = 3

作为矩阵方程

A x = b

与

A = np.array([[ 1, -1, 2], [ 0, 1, -1], [ 0, 0, 1]])

和

b = np.array([5, -1, 3])

然后可以使用np.linalg.solve找到x:

import numpy as np A = np.array([(1, -1, 2), (0, 1, -1), (0, 0, 1)]) b = np.array([5, -1, 3]) x = np.linalg.solve(A, b)

收益

print(x) # [ 1. 2. 3.]

我们可以检查A x = b:

print(np.dot(A,x)) # [ 5. -1. 3.] assert np.allclose(np.dot(A,x), b)