共轭梯度法求解线性方程组conj_gradient.py

#共轭梯度法
import numpy as np

def initialize（Ab）:
    row = A.shape[0]
    col = A.shape[1]
    x0 = np.zeros（（row1））
    return x0
def first_iteration（Ab）:
    x0 = initialize（Ab）
    r0 = b - np.dot（Ax0）
    p0 = r0

    a0 = np.dot（r0.Tr0）/np.dot（r0.Tnp.dot（Ar0））
    x1 = x0 + a0 * p0
    return x0r0p0x1a0
def conj_grad_iterational（Abnum_iteration = 100epsilon1 = 10**（-6）epsilon2 = 10**（-6））:
    x0r0p0x1a0 = first_iteration（Ab）
    x = {}
    r = {}
    p = {}
    a = {}
    beta = {}
    x[“x“ + str（0）] = x0
    x[“x“ + str（1）] = x1
    r[“r“ + str（0）] = r0
    p[“p“ + str（0）] = p0
    a[“a“ + str（0）] = a0

    for i in range（1num_iteration）:
        r[“r“ + str（i）] = b - np.dot（Ax[“x“ + str（i）]）
        R = r[“r“ + str（i）]
        beta[“beta“ + str（i-1）] = - np.dot（np.dot（p[“p“ + str（i-1）].TA）r[“r“ + str（i）]）/np.dot（np.dot（p[“p“ + str（i-1）].TA）p[“p“ + str（i-1）]）
        p[“p“ + str（i）] = r[“r“ + str（i）] + beta[“beta“ + str（i-1）] * p[“p“ + str（i-1）]
        P = p[“p“ + str（i）]
        a[“a“ + str（i）] = np.dot（P.TR）/np.dot（np.dot（P.TA）P）
        
        x[“x“ + str（i+1）] =