Python循环中v0被意外更新致norm_为0的问题求助

你遇到的问题本质是Python中numpy数组的赋值是浅拷贝（引用传递），而MATLAB中默认是深拷贝（值传递）——这直接导致v0和v指向同一块内存区域，当你修改v的元素时，v0也会跟着变化，最后计算v - v0自然全是0，norm_就变成0了。

具体分析你的代码： #

v = array([0, 0])  # 假设这是numpy数组
norm_ = 1
n = 0
while norm_ > tol:
    v0 = v  # 这里只是让v0指向v的内存地址，不是创建新副本！
    v[0] = max(5.0 + 0.5 * lmbda * v[0] + 0.5 * lmbda * v[1], 10.0 + lmbda * v[1])
    v[1] = -1 + lmbda * v[1]
    norm_ = norm(v - v0, inf)  # 此时v和v0已经是同一个数组，相减为0
    n += 1

当执行v0 = v时，并没有复制v的内容，只是让v0成为v的引用。所以后续修改v[0]和v[1]的时候，v0的元素也会被同步修改——因为它们根本就是同一个数组。最后计算v - v0得到的是全0数组，无穷范数自然是0，循环直接退出。

而MATLAB中，v0 = v会默认创建一个新的数组副本，修改v不会影响v0，所以逻辑能正常运行。

解决方案：创建数组的深拷贝 #

要解决这个问题，你需要显式地创建v的副本赋值给v0，而不是直接引用。在numpy里有几种常用方法：

• 使用copy()方法：v0 = v.copy()
• 重新构造数组：v0 = np.array(v)
• 使用切片（对一维数组有效）：v0 = v[:]

修改后的代码示例：

import numpy as np  # 确保导入numpy库
v = np.array([0, 0])
norm_ = 1
n = 0
tol = 1e-6  # 假设这是你定义的收敛阈值
lmbda = 0.5  # 假设这是你使用的参数值
while norm_ > tol:
    v0 = v.copy()  # 显式创建数组副本，保存当前v的状态
    v[0] = max(5.0 + 0.5 * lmbda * v[0] + 0.5 * lmbda * v[1], 10.0 + lmbda * v[1])
    v[1] = -1 + lmbda * v[1]
    norm_ = np.linalg.norm(v - v0, np.inf)  # 计算两次迭代的无穷范数差值
    n += 1

这样v0会保存每次循环开始时v的状态，修改v不会影响v0，计算出来的norm_就是两次迭代之间的真实差值，循环就能按预期执行了。

内容的提问来源于stack exchange，提问作者Vaolter