#共軛梯度法
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）]?=?