マルチリニア式（テンソル）のアルゴリズム原理反復こちらを参照してください。確認したい場合は、原則として一部を共有を明らかにしない、メッセージを残してください
ガウス-ザイデル反復アルゴリズム：線形方程式のPythonの複数の反復アルゴリズム--Gauss -ザイデル反復アルゴリズムを実装
インポートのNPとしてnumpyの インポート時
1.1ヤコビ反復アルゴリズム
DEF Jacobi_tensor_V2（A、B、デルタ、M、N - 、M）： スタート = time.perf_counter（） ＃の開始タイミング = 0検索＃に所定のステップ数以内収束をマーキングするための X-np.ones =（N-）＃の反復を起動 Xが= np.ones（N-） ＃は、反復の中間結果を格納するために使用される D = np.ones（N-） ＃**アックスを格納するための対角部（M2）の M1、M1 = M2 = 2- M 用 I におけるレンジ（M）： プリント（' X- ' 、X-） A = np.copy（A） ＃得**（M-2）のアックス 用 J における範囲（M-2）： A = np.dot（A、X-） ＃）2-M（D与える** Dxの（M-2）+（L 'U- +'）X **（M-2） のための J で範囲（ N-）： D [J] = [J、J] A [J、J] = M2 * A [J、J] ＃反復的に更新 するための J で範囲（N）： X [J] =（B [J] -np.dot（[J]、X-））/（M1 * D [J]） ＃は、精度要件を満たしているか否かを判断する 場合 np.max（np.fabs（XX））< デルタ： 探す = 1つの。 BREAKの X- = NP .copy（X） 終了 = time.perf_counter（）＃終了タイミング を印刷（「時間：」、END- スタート） を印刷（「反復は」、私は） を返す私は、開始・終了を、X-を探します
1.2生成関数生成関数とベクトルbの量：
DEF Creat_A（mは、N-）： ＃はテンソル生成 サイズ= np.full（M、N-） X- = np.ones（N-） しながら 1 ： ＃ランダムに生成されたテンソル所定形状A A = np.randomを。 randint（-49,50、サイズ= サイズ） ＃ループのうちその場合要件を満たすために、非特異かどうかをDxと**（M-2）を分析、 D = np.copy（A） のため I1 におけるレンジ（N）： 用 I2 におけるレンジ（N）： IF！I1 = I2： D [I1、I2] = 0 のための I における範囲（M-2 ）： D = np.dot（D、X-） DET = np.linalg.det（D） IF DET =！0： BREAKの ＃対角テンソルAは、支配的なので、対角面10回延長された ため I1 における範囲（N） のために I2 で：レンジ（N） IF I1 == I2： [I1、I2] = [I1、I2] * 10 プリント（' A：' ） プリント（A） を返す＃Aのおよび所与のXアックス**（M-1）に係る= Bは、 ベクトルBを生成DEF Creat_b（X、M）： = np.copy（A） のための I における範囲（M-1 ）： = np.dot（X） の印刷（' B：' ） プリントは、（A） を返します
1.3 S対称テンソル生成機能：
DEF Creat_S（M、N-）： ＃は対称テンソルBの生成 サイズ= np.full（M、N-） S = np.zeros（サイズ） を印刷（' S ' 、S）の ための I 中範囲（4 ）： ＃生成Nベクトルであり 、A = np.random.random（N）* np.random.randint（-5,6- ） B = np.copy（A） ＃回ランクの対称テンソルを取得する外積のために1-Aをmと量B のための J における範囲（1-M。 ）： B = 外部（B、A） ＃異なるB重畳低ランクテンソルS S = S + B 印刷（' S：' ） プリント（S） リターンS DEF ：（B）外 C = [] のための I におけるB： c.append（iは * A） リターンnp.array（c）を 返します
1.4実験A
DEF TEST_1（）： デルタ = 0.01 ＃精密 。M = 3 ＃の順序 。N- = 3 ＃の寸法A M = 200である＃の反復ステップの最大数 X_real np.array =（[2,3,4 ]） A = Creat_A（M、N-） B = Creat_b（A、X_real、M） Jacobi_tensor_V2（A、B、デルタ、M、N-）