BLOCK_LEVINSON(Y, L) 求解矩阵方程 T * x = y，其中 T 是具有块托普利茨结构的对称矩阵，并返回解向量 x。 矩阵 T 永远不会完整存储（因为它很大并且大部分是冗余的），因此输入参数 L 实际上是 T 最左边的“块列”（最左边的 d 列，其中 d 是块维度）。 作者：基南胡椒； 经许可上传。

sympy版本:1.2 假设求解矩阵方程 AX=A+2X 其中 求解之前对矩阵方程化简为 (A−2E)X=A 令 B=(A−2E) 使用qtconsole输入下面程序进行求解 In [26]: from sympy import * In [27]: from sympy.abc import * In [28]: A=Matrix([[4,2,3],[1,1,0],[-1,2,3]]) In [29]: A Out[29]: Matrix([ [ 4, 2, 3], [ 1, 1, 0], [-1, 2, 3]]) In [30]: B=A-2*diag(1,1,1) In [31]:

该代码使用 Jacobi 方法求解矩阵。 功能码以系统矩阵 A 和系数矩阵 B 为输入。 它返回解集 x 和为错误限制 10^-5 完成的迭代次数。 迭代次数'K'可以改变，错误限制'err'可以改变。

矩阵分解在求解线性矩阵方程中的应用，刘景松，，矩阵的分解在最优化问题、特征值问题、最小二乘方问题、广义逆矩阵问题及统计学等方面都有着重要应用。本文中讨论和 分析了矩阵��

介绍了lyapunov矩阵方程在系统稳定性和控制中的应用，感兴趣的可以看看

非对称微分Riccati矩阵方程的Rosenbrock方法数值解

这是 Thomas 算法的实现（用于求解 nxn 三对角矩阵方程）

% 此函数求解双边矩阵二次方程X 形式的百分比 AX+XB+XCX+D = 0 % 输入：适当维度的矩阵 A、B、C、D % % 输出：矩阵 X - 如果存在解决方案%

主要介绍了基于python解线性矩阵方程(numpy中的matrix类),文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

包含一个套件，用于使用残差最小化谱伽辽金法或伪谱法来逼近参数化矩阵方程的解。 这两种方法都采用正交多项式的基础——多元多项式是在单变量多项式的乘积处构造的。 提供了演示，但使用 Karhunen-Loeve 展开式求解椭圆偏微分方程的演示需要使用 MATLAB PDE 工具箱。 还包含用于处理正交多项式和相关高斯正交规则的实用程序。