Question

我在python中计算矩阵更新时发现了一个非常有趣的问题。我必须计算误差（这是之前n个更新矩阵之间的差异）。

$('.segment__item').click(function() {
    $pagetype = $(this).data('type');
    $('#modal-newpage')
        .modal('show')
        .modal('setting', 'duration', 280)
        .modal('setting', 'closable', false);
    $('h1.modal__title').text("New " + $pagetype + " page");
    $('form').attr('action', $('form').attr('action') + $pagetype);
    $('input[name=page_type]').val($pagetype);
});

我想解决2-d板（温度分布）的拉普拉斯方程，当误差小于某个最小值时，将达到平衡。但是在计算错误时，我总是得到0，但是当我打印矩阵时，我发现它不应该是零。伙计们，我认为我在这里有一些概念问题，所以请帮忙。

Answer 1

您的问题是，在更新功能中分配C=A; D=A时，您使用浅拷贝，即仅复制参考。基本上，在构造D之后，所有三个变量A,C,D都指向同一个对象。使用

def update(A):
    C=1.0*A
    D=1.0*A
    D[1:-1,1:-1]=(C[0:-2,1:-1]+C[2:,1:-1]+C[1:-1,0:-2]+C[1:-1,2:])/4

    return(np.abs(D-C),D)

甚至更短

def update(A):
    D=A.copy()
    D[1:-1,1:-1]=(A[0:-2,1:-1]+A[2:,1:-1]+A[1:-1,0:-2]+A[1:-1,2:])/4

    return(np.abs(D-A),D)

传递参数并执行算术运算会自动生成深层副本。

你知道（几何，一阶）收敛速度类似于max(1-C/(nx^2), 1-C/(ny^2))，即使对于中等大的网格也很慢？对于实际应用，更好地使用共轭梯度，其他Krylov相关算法或多网格方法（或稀疏求解器库，UMFpack ......）。

在（未使用的）error程序中，是否应该有

之类的东西

e = abs(A-B)

目前，您返回新生成的零矩阵C的范数。

python中与矩阵相关的计算

1 个答案: