实验2 线性方程组的直接解法
本科实验报告
课程名称：计算机数值方法B
实验项目：实验2 线性方程组的直接解法
实验地点：致远楼B501
专业班级：软件1229班学号：2012005829 学生姓名：田亚鹏
指导教师：王华
2014年05月19日
一、 实验目的和要求：
(1) 培养理论联系实际的思路，训练综合运用已经学过的理论和实际知识去分析和解决实际问题的能力。
(2) 帮助学生全面消化已学的相关课程内容，深刻理解计算数值方法课程的内涵，培养使用电子计算机进行科学计算和解决问题的能力。
(3) 进行基本技能训练和巩固。使学生得到选择算法、编写程序、分析数值结果、写数值试验报告、课堂讨论等环节的综合训练。
二、实验内容和原理：
合理利用Gauss 消元法、LU 分解法或追赶法求解下列方程组：
① ??
??
?
?????=????????????????????13814142210321321x x x ②???
?
????????=?????????????????????
??
?
??--?-2178.4617.5911212592.1121130.6291.513
14
.59103.0432115x x x x ③?
?
???
?
??????----=????????????????????????37722011612
63841027851
2
44321x x x x
④??
???
????
???????----=????????????????????????????????-55572112112112121 n n x x x x （n=5,10,100,…）
二、 主要仪器设备：
笔记本电脑；软件vc++6.0;
三、 操作方法与实验步骤： 1，Guass 消元法：
#include "Stdio.h"
#define N 3
void Gauss_eliminant(double a[N][N+1])
{
double b[N];
double s;
int i,j,k;
for(k=0;k { for(i=k;i { for(j=N;j>=0;j--) { a[i+1][j]=a[i+1][j]-a[k][j]*a[i+1][k]/a[k][k]; } } } printf("消元后得到上三角矩阵:"); printf("\n"); for(i=0;i { for(j=0;j<=N;j++) { printf("%lf ",a[i][j]); } printf("\n"); } printf("回代求得原方程组的解为:"); printf("\n"); for(i=N-1;i>=0;i--) { s=0; for(j=N-1;j>i;j--) { s=a[i][j]*b[j]+s; } b[i]=(a[i][N]-s)/a[i][i]; } for(i=0;i { printf("x(%d)=%lf\n",i+1,b[i]); } } main() { int i ,j; double a[N][N+1]; printf("输入系数及常数项矩阵:"); printf("\n"); for(i=0;i { for(j=0;j<=N;j++) { scanf("%lf",&a[i][j]); } } Gauss_eliminant(a); getch(); } 2.Gauss_列主元消元法； #include "Stdio.h" #define N 2 void Gauss_eliminant(double a[N][N+1]) { double b[N]; double s; int i,j,k,m,n; for(k=0;k { for(m=N-1;m>0;m--) { for(n=N-m;n { if(a[n][k] { s=a[n][k]; a[n][k]=a[n+1][k]; a[n+1][k]=s; } } } for(i=k;i { for(j=N;j>=0;j--) { a[i+1][j]=a[i+1][j]-a[k][j]*a[i+1][k]/a[k][k]; } } } printf("消元后得到上三角矩阵:"); printf("\n"); for(i=0;i { for(j=0;j<=N;j++) { printf("%lf ",a[i][j]); } printf("\n"); } printf("回代求得原方程组的解为:"); printf("\n"); for(i=N-1;i>=0;i--) { s=0; for(j=N-1;j>i;j--) { s=a[i][j]*b[j]+s; } b[i]=(a[i][N]-s)/a[i][i]; } for(i=0;i { printf("x(%d)=%lf\n",i+1,b[i]); } } main() { int i ,j; double a[N][N+1]; printf("输入系数及常数项矩阵:"); printf("\n"); for(i=0;i { for(j=0;j<=N;j++) { scanf("%lf",&a[i][j]); } } Gauss_eliminant(a); getch(); } } 3.（1）追赶法（n=5） #include "Stdio.h" #define N 5 main() { double a[3*N-2]; double l[2*N-1]; double u[N-1]; double b[N]; double b1[N]; double b2[N]; int i,j,k,m; printf("输入N维三对角矩阵的行的一维数组:"); printf("\n"); for(i=0;i<3*N-2;i++) { scanf("%lf",&a[i]); } l[0]=a[0]; u[0]=a[1]/l[0]; i=1,j=1,k=2;/*计算l(ij)和u(ij)*/ do{ l[i]=a[k]; k++; i++; l[i]=a[k]-u[j-1]*l[i-1]; k++; u[j]=a[k]/l[i]; j++; k++; i++; } while(i<2*N-1); printf("输出一维行的l(ij):"); printf("\n"); l[0]=a[0]; for(k=0;k<2*N-1;k++) printf("%lf ",l[k]); printf("\n"); printf("输出一维行的u(ij):"); printf("\n"); for(k=0;k printf("%lf ",u[k]); printf("\n"); printf("输入常数项数组:"); printf("\n"); for(i=0;i { scanf("%lf",&b[i]); } printf("输出y:"); printf("\n"); b1[0]=b[0]/l[0]; /*计算y*/ printf("y(0)=%lf ",b1[0]); for(i=1,j=1;i { m=j+1; b1[i]=(b[i]-l[j]*b1[i-1])/l[m]; j++; j++; printf("y(%d)=%lf ",i,b1[i]); } printf("\n"); printf("输出解x:"); printf("\n"); b2[N-1]=b1[N-1]; /*计算x*/ for(i=N-2;i>=0;i--) { b2[i]=b1[i]-u[i]*b2[i+1]; } for(i=0;i { printf("x(%d)=%lf\n",i,b2[i]); } getch(); } （2）追赶法（n=任意有规律的整数）；#include "Stdio.h" #define N 10 main() { double a[3*N-2]; double l[2*N-1]; double u[N-1]; double b[N]; double b1[N]; double b2[N]; int i,j,k,m; printf("输入N维三对角矩阵第一行的矩阵:"); printf("\n"); for(i=0;i<2;i++) { scanf("%lf",&a[i]); } for(i=2;i<3*N-2;i++) { a[i]=a[1]; i++; a[i]=a[0]; i++; if(i<3*N-2) { a[i]=a[1]; } } l[0]=a[0]; u[0]=a[1]/l[0]; i=1,j=1,k=2;/*计算l(ij)和u(ij)*/ do{ l[i]=a[k]; k++; i++; l[i]=a[k]-u[j-1]*l[i-1]; k++; u[j]=a[k]/l[i]; j++; k++; i++; } while(i<2*N-1); l[0]=a[0]; printf("输入常数项的前两个:"); printf("\n"); for(i=0;i<2;i++) { scanf("%lf",&b[i]); } for(i=2;i { b[i]=b[1]; } b1[0]=b[0]/l[0]; for(i=1,j=1;i { m=j+1; b1[i]=(b[i]-l[j]*b1[i-1])/l[m]; j++; j++; } printf("输出解x:"); printf("\n"); b2[N-1]=b1[N-1]; for(i=N-2;i>=0;i--) { b2[i]=b1[i]-u[i]*b2[i+1]; } for(i=0;i { printf("x(%d)=%lf\t",i,b2[i]); } getch(); } 六、实验结果与分析： 1，Guass消元法： 宏定义的N代表了N维矩阵改变N可以解决n维矩阵；先给出N=3，解决第一个方程组； 1.第一步执行如下： 2.输入矩阵后执行如下： 再给出N=4，解决第三个方程； 1.第一步执行如下： 2，输入矩阵执行如下： 2.Gauss_列主元消元法； 宏定义的N代表了N维矩阵改变N可以解决n维矩阵；先给出N=4，解决第二个方程组； 五、第一步执行如下： 2，输入矩阵执行如下： 3.①追赶法（n=5） 宏定义的N代表了N维矩阵改变N可以解决n维矩阵；先给出N=5，解决第四个方程组的n=5； 1.第一步执行结果如下： 2.输入三对角行的矩阵后执行结果如下： 3.输入常数项数组后执行结果如下： ②追赶法（n=任意有规律的整数）； 宏定义的N代表了N维矩阵改变N可以解决n维矩阵；先给出N=10，解决第四个方程组的n=10； 1.第一步执行结果如下： 2.输入三对角第一行后执行结果如下： 3.输入常数项的前两个后执行结果如下： 当N=100时执行最后结果如下： 七、讨论、心得： 主要是对算法更熟悉，更熟悉对c语言的利用！ 线性方程组的解法 1 引言 在科学研究和大型工程设计中出现了越来越多的数学问题，而这些问题往往需要求数值解。在进行数值求解时，经离散后，常常归结为求解形如Ax= b的大型线性方程组。而如插值公式，拟合公式等的建立，微分方程差分格式的构造等，均可归结为求解线性方程组的问题．在工程技术的科学计算中，线性方程组的求解也是最基本的工作之一．因此，线性方程组的解法一直是科学和工程计算中研究最为普遍的问题，它在数值分析中占有极其重要的地位。20世纪50年代至70年代，由于电子计算机的发展，人们开始考虑和研究在计算机上用迭代法求线性方程组Ax =b的近似解，用某种极限过程去逐渐逼近精确解，并发展了许多非常有效的迭代方法，迭代法具有需要计算机存储单元少、程序设计简单、原始系数矩阵在计算过程中始终不变等优点。例如Jacobi方法、Gauss—Seidel 方法、SOR方法、SSOR 方法，这几种迭代方法是最常用的一阶线性定常迭代法。 2 主要算法 20世纪50年代至70年代，人们开始考虑和研究用迭代法求解线性方程组。 Ax = b (1) 的近似解，发展了许多有效的方法，其中有Jacobi方法、Gauss—Seidel方法，SOR方法、SSOR方法，这几种迭代方法均属一阶线性定常迭代法，即若系数矩阵A的一个分裂：A =M-N ；M 为可逆矩阵，线性方程组(1)化为： (M－N)X =b； →M X = NX + b； →X= M -1NX+ M-1b 得到迭代方法的一般公式： X（k+1）=HX（k）+d （2） 其中：H =MN-1，d=M-1b，对任意初始向量X（0） 一阶定常迭代法收敛的充分必要条件是: 迭代矩H的谱半径小于1，即ρ(H) < 1；又因为对于任何矩阵范数恒有ρ(H)≤‖H‖，故又可得到收敛的一个充分条件为：‖H‖< 1。 2.1 Jacobi迭代法 若D为A的对角素构成的对角矩阵，且对角线元素全不为零。系数矩阵A的一个分解：A = 求解线性方程组的直接解法 5.2LU分解 ① Gauss消去法实现了LU分解 顺序消元结束时的上三角矩阵U和所用的乘数,严格下三角矩阵。 将下三角矩阵的对角元改成1,记为L,则有A=LU, 这事实是一般的,我们不难从消去的第k个元素时的矩阵k行及k列元素的 历史得到这一点.因为从消元的历史有 u kj=a kj-m k1u1j- m k2u2j -…- m k,k-1u k-1,j, j=k,k+1,…,n m ik=(a ik-m i1u1k- m i2u2k -…-m i,k-1u k-1,k>/u kk i=k+1,k+2,…,n 于是a kj=m k1u1j+m k2u2j+…+m k,k-1u k-1,j+u kj, j=k,k+1,…,n a ik=m i1u1k+m i2u2k+…+m i,k-1u k-1,k+m ik u kk i=k+1,k+2,…,n 从前面两个式子我们可以直接计算L和U(见下段>.将矩阵分解为单位下 三角矩阵和上三角矩阵之积称为矩阵的LU分解.顺序消元实现了LU分 解,同时还求出了g, Lg=b的解. ②直接LU分解 上段我们得到(l ij=m ij> u kj=a kj-l k1u1j-l k2u2j -…- l k,k-1u k-1,j, j=k,k+1,…,n l ik=(a ik-l i1u1k-l i2u2k -…-l i,k-1u k-1,k>/u kk i=k+1,k+2,…,n 2 诸元素对应乘积,只不过算L的元素时还要除以同列对角元.这一规律很 容易记住.可写成算法(L和U可存放于A>: for k=1:n-1 for j=k:n u kj=a kj-l k1u1j-l k2u2j -…- l k,k-1u k-1,j end for i=k+1:n l ik=(a ik-l i1u1k-l i2u2k -…-l i,k-1u k-1,k>/u kk end end 这一算法也叫Gauss消去法的紧凑格式,可一次算得L,U的元素,不需逐步 计算存储. 第二章线性方程组的直接法 在近代数学数值计算和工程应用中，求解线性方程组是重要的课题。例如，样条插值中形成的关系式，曲线拟合形成的法方程等，都落实到解一个元线性方程组，尤其是大型方程组的求解，即求线性方程组（2.1）的未知量的数值。 （2.1）其中ai j，bi为常数。上式可写成矩阵形式Ax = b，即 （2.2） 其中，为系数矩阵，为解向量，为常数向量。当detA=D0时，由线性代数中的克莱姆法则，方程组的解存在且惟一，且有 为系数矩阵的第列元素以代替的矩阵的行列式的值。克莱姆法则在建立线性方程组解的理论基础中功不可没，但是在实际计算中，我们难以承受它的计算量。例如，解一个100阶的线性方程组，乘除法次数约为（101·100！·99），即使以每秒的运算速度，也需要近年的时间。在石油勘探、天气预报等问题中常常出现成百上千阶的方程 组，也就产生了各种形式方程组数值解法的需求。研究大型方程组的解是目前计算数学中的一个重要方向和课题。 解方程组的方法可归纳为直接解法和迭代解法。从理论上来说，直接法经过有限次四则运算，假定每一步运算过程中没有舍入误差，那么，最后得到方程组的解就是精确解。但是，这只是理想化的假定，在计算过程中，完全杜绝舍入误差是不可能的，只能控制和约束由有限位算术运算带来的舍入误差的增长和危害，这样直接法得到的解也不一定是绝对精确的。 迭代法是将方程组的解看作某种极限过程的向量极限的值，像第2章中非线性方程求解一样，计算极限过程是用迭代过程完成的，只不过将迭代式中单变量换成向量 而已。在用迭代算法时，我们不可能将极限过程算到底，只能将迭代进行有限多次，得到满足一定精度要求的方程组的近似解。 在数值计算历史上，直接解法和迭代解法交替生辉。一种解法的兴旺与计算机的硬件环境和问题规模是密切相关的。一般说来，对同等规模的线性方程组，直接法对计算机的要求 高于迭代法。对于中等规模的线性方程组，由于直接法的准确性和可靠性高，一般都用直接法求解。对于高阶方程组和稀疏方程组（非零元素较少），一般用迭代法求解。 §1 消元法 一、三角形方程组的解 形如下面三种形式的线性方程组较容易求解。 对角形方程组 （2.3）设，对每一个方程，。 显然，求解n阶对角方程的运算量为。 下三角方程组 （2.4） 线性方程组的解法及其应用 The solution of linear equation and its application 专业：测控技术与仪器 班级： 2010-1班 作者：刘颖 学号： 20100310110105 摘要 线性方程组是线性代数的一个重要组成部分，也在现实生产生活中有着广泛的运用，在电子工程、软件开发、人员管理、交通运输等领域都起着重要的作用。在一些学科领域的研究中，线性方程组也有着不可撼动的辅助性作用，在实验和调查后期利用线性方程组对大量的数据进行处理是很方便简捷的选择。本文主要围绕如何解线性方程组来进行讲解，对于不同类型的线性方程组的不同方法，并简述线性方程组的一些实际应用。 关键词： 齐次线性方程组，非齐次线性方程组，克莱姆法则，消元法，矩阵，矩阵的秩，特解，通解。 Abstract Linear equations linear algebra is one of the important component parts, and in real life has extensive production use，and it plays an important role in electronic engineering, software development, personnel management, transportation, etc. In some discipline study, it also has the reigns of linear equations of the auxiliary function.In experiment and survey using the linear equations of the late on the data processing is very convenient simple choice. This article, focusing on how to solve linear equations to explain, for different types of linear equations of different methods, and briefly introduces some of the practical application of linear equations. Keywords: Homogeneous linear equations, Non homogeneous linear equation,Clem’s law,Elimination method,Matrix,Rank of matrix,Special solution,General solution. 本科毕业论文 （ 2010 届） 题目线性方程组的直接解法及matlab的实现 学院数学与信息工程学院 专业数学与应用数学 班级2006级数学1 班 学号0604010127 学生姓名胡婷婷 指导教师王洁 完成日期2010年5月 摘要 随着科技技术的发展及人类对自然界的不断探索模拟.在自然科学和工程问题中的很多问题的解决常常归结为线性代数问题！ 本文的主要内容是对线性方程组求解方法的探讨,主要介绍了四种求解线性方程组的方法,第一种是教科书上常见的消元法,我们称之为基本法.第二种方法是标准上三角形求解法,即将增广矩阵经过初等变换后化成标准上三角形,然后求解.它改进了一般教科书上的常见方法,与常见方法比较有如下优点:1)规范了自由未知量的选取;2)只用矩阵运算;3)减少了计算量.第三种方法是对特定的方程组（系数矩阵A为n阶对称正定矩阵,且A的顺序主子式均不为零.）的求解方法进行描述,并且为这种线性方程的求解提供了固定的公式化的方法.第四种方法是对现在实际问题中常常会遇到的系数矩阵为三对角矩阵的方程组的求解方法.同时给出这几种方法的数值解法（matlab程序）,由于运用电脑软件求解,所以必须考虑计算方法的时间、空间上的效率以及算法的数值稳定性问题,所以针对不同类型的线性方程组有不同的解法.但是,基本的方法可以归结为两大类,即直接法和迭代法. 关键词 高斯消去法;三角分解法;乔莱斯基分解法;追赶法 Abstract Systems of linear equations are associated with many problems in engineering and scinence ,as well as with applications of mathematics to the social sciences and the quantitative study of business and economic problems. The main content of this article is the method for solving linear equations, we introduce four methods for solving linear equations in this paper. The first is the elimination method which is commonly found in textbooks, and we call the Basic Law. The second method is Standard on the triangle Solution, that first change Augmented matrix into standards in primary triangle, and then solving. It improves the general textbook on common methods, compared with the common method has the following advantages:1) Specification of the free choice of unknowns; 2)Only matrix operations;3) Reduce the computation. The third method describes a way to solve a Specific equations(N coefficient matrix A is symmetric positive definite matrix, and A are not zero-order principal minor), And for this linear equation provides a fixed formulaic approach. The fourth method is to present practical problems often encountered in the coefficient matrix is tridiagonal matrix method for solving the equations. These methods are given numerical solution of (matlab program), As the use of computer software to solve, it is necessary to consider ways of computing time and space efficiency and numerical stability of algorithms, Therefore, different types of linear equations have a different solution. However, the basic method can be classified into two categories, namely direct methods and iterative methods. Key words Gaussian elimination; Triangular decomposition; Cholesky decomposition method; Thomas algorithm 解线性方程组的直接解法 一、实验目的及要求 关于线性方程组的数值解法一般分为两大类：直接法与迭代法。直接法是在没有舍入误差的情况下，通过有限步运算来求方程组解的方法。通过本次试验的学习，应该掌握各种直接法，如：高斯列主元消去法，LU分解法和平方根法等算法的基本思想和原理，了解它们各自的优缺点及适用范围。 二、相关理论知识 求解线性方程组的直接方法有以下几种： 1、利用左除运算符直接求解 线性方程组为b x\ =即可。 A Ax=，则输入b 2、列主元的高斯消元法 程序流程图： 输入系数矩阵A，向量b，输出线性方程组的解x。 根据矩阵的秩判断是否有解，若无解停止；否则，顺序进行； 对于1 p :1- =n 选择第p列中最大元，并且交换行； 消元计算； 回代求解。（此部分可以参看课本第150页相关算法） 3、利用矩阵的分解求解线性方程组 （1）LU分解 调用matlab中的函数lu即可，调用格式如下： [L,U]=lu（A） 注意：L往往不是一个下三角，但是可以经过行的变换化为单位下三角。 （2）平方根法 调用matlab 中的函数chol 即可，调用格式如下： R=chol （A ） 输出的是一个上三角矩阵R ，使得R R A T =。 三、研究、解答以下问题 问题1、先将矩阵A 进行楚列斯基分解，然后解方程组b Ax =(即利用平方根法求解线性方程组，直接调用函数)： ??????? ??--------=19631699723723312312A ，?????? ? ??-=71636b 解答： 程序： A=[12 -3 2 1;-3 23 -7 -3;2 -7 99 -6;1 -3 -6 19]; R=chol(A) b=[6 3 -16 7]'; y=inv(R')*b %y=R'\b x=inv(R)*y %x=R\y 结果： R =3.4641 -0.8660 0.5774 0.2887 0 4.7170 -1.3780 -0.5830 0 0 9.8371 -0.7085 0 0 0 4.2514 y =1.7321 0.9540 -1.5945 1.3940 x =0.5463 0.2023 -0.1385 0.3279 问题 2、先将矩阵A 进行LU 分解，然后解方程组b Ax =（直接调用函数）： ?????????? ??----=8162517623158765211331056897031354376231A ，????????? ? ??-=715513252b 目录 摘要................................................................................... I Abstract. ............................................................................. II 第一章绪论............................................................................ I 1.1引言 (1) 1.2线性方程组解的求解方法的研究现状 (1) 1.3本文对线性方程组解法的研究结构 (1) 第二章线性方程组理论基础 (2) 2.1 线性方程组概念 (2) 2.2 线性方程组的解的情况分析 (2) 2.3 齐次线性方程组解的结构 (4) 2.4非齐次线性方程组解的结构 (4) 第三章线性方程组的数值解 (5) 3.1 迭代法 (5) 3.1.1 Jacobi方法 (6) 3.2.2 高斯-赛德尔方法 (8) 第四章全文总结和展望 (10) 4.1 全文总结 (10) 4.2 未来展望 (10) 参考文献 (11) 致谢................................................................. 错误！未定义书签。 线性方程组的求解方法 学生：指导教师： 摘要：本文在对线性方程组解的结构的研究背景与意义分析的基础上，对线性方程组的求解方法的研究现状进行了介绍，之后针对线性方程组展开了研究，包括线性方程组的概念、线性方程组的求解方法以及线性方程组的作用等，在对线性方程组有了全面的认识后，基于线性方程组解的结构展开了研究，包括线性方程组解的基本定理，齐次和非齐次线性方程组解的结构形式，以及齐次和非齐次线性方程组解的结构，我们用迭代法中最常用的Jacobi方法中的相似上三角矩阵定理和迭代法中的收敛性讨论线性方程组的数值解法，并用高斯-赛德尔方法进行验证。得到线性方程组的数值解的一般方法。最后，对全文进行了总结和展望。 关键词：线性方程组;数值解；迭代法；Jacobi方法；高斯-赛德尔方法 第2章线性方程组的直接解法 2.1实验目的 理解线性方程组计算机解法中的直接解法的求解过程和特点，学习科学计算的方法和简单的编程技术。 2.2概念与结论 1. n阶线性方程组 如果未知量的个数为 n ,而且关于这些未知量x1,x2, …,x n的幂次都是一次的(线性的)那末, n 个方程 a11x1+a12x2+ … +a1n x n=b1 ┆┆┆ (1) a n1x1+a n2x2+ … +a nn x n= b n 构成一个含n个未知量的线性方程组,称为n阶线性方程组。其中,系数a11,…,a1n,a21, …,a2n, …,a n1, …,a nn 和b1, …,b n都是给定的常数。 方程组(1)也常用矩阵的形式表示,写为 Ax=b 其中,A是由系数按次序排列构成的一个n阶矩阵,称为方程组的系数矩阵,x和b都是n维向量,b称为方程组的右端向量。 2. n阶线性方程组的解 使方程组(1)中每一个方程都成立的一组数x1*,x2*, …,x n*称为式(1)的解,把它记为向量的形式,称为解向量. 3.一些特殊的线性方程组 1) 上三角方程组 2) 三对角方程组 ? ? ? ? ? ? ? ? ? ? ? ? = ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? - - - - - n n nn n n n n n n n n b b b x x x a a a a a a a a a a a a 2 1 2 1 1 1 1 2 1 2 23 22 1 1 1 13 12 11 4.矩阵的Doolittle 分解 5.Doolittle 分解的紧凑格式 6．矩阵的Crout 分解 ????????? ? ??=?????????? ???????????? ? ?--n n n n n n d d d x x x b a c b c b a c b a c b 21 2111333 22211???? ?? ? ? ???????? ??=??????? ??nn n n n n nn n n n n u u u u u u l l l a a a a a a a a a 222 11211 2 1 21 2 1 2222111211111 ???? ?? ? ? ???????? ??=??????? ??11 1 21122 1 2221 11 2 1 2222111211 n n nn n n nn n n n n u u u l l l l l l a a a a a a a a a ????? ?? ? ??nn n n n n n n u l l l u u l l u u u l u u u u 3 2 1 333323122322211131211 第4章 线性方程组的直接解法 本章主要内容 线性方程组的直接解法——消元法（高斯消元法、主元消元法）. 矩阵的三角分解法（ Doolittle 分解、Crout 分解、 LDU 分解） 紧凑格式 改进平方根法. 本章重点、难点 一、消元法（高斯消元法、列主元消元法） 本章求解的是n 阶线性方程组Ax=b 的（即方程的个数和未知量的个数相等的线性方程组） ?????????=+???++????????????? ??=+???++=+???++n n nn n n n n n b x a x a x a b x a x a x a b x a x a x a 22112 3222212111212111 1. 高斯消元法 ①高斯消元法的基本思想：通过对线性方程组Ax=b 的进行同解消元变换（也可以用矩阵的初等行变换法进行线性方程组的消元变换），将线性方程组化为上三角形方程组，然后用回代法求出此线性方程组的解。 ②高斯消元法计算公式： ????? ? ? ????????--=-=--==? ????? ????? ???? +=-=-=====-+=------------∑)1,..., 2,1()1,..., 2,1(,...,1,,,,...,2,1) ,...,2,1,(,) 1(1)1()1()1() 1() 1()1() 1()1()() 1()1()1()1()(,)0()0(n n i a x a b x n n i a b x n k j i b a a b b a a a a a n k n j i b b a a i ii n i j j i ij i i i n nn n n n k k k kk k ik k i k i k kj k kk k ik k ij k ij i i ij ij 对回代公式： 消元公式： 解线性方程组的直接方法实验报告 解线性方程组的直接方法实验报告 1.实验目的： 1、通过该课题的实验，体会模块化结构程序设计方法的优点； 2、运用所学的计算方法，解决各类线性方程组的直接算法； 3、提高分析和解决问题的能力，做到学以致用； 4、通过三对角形线性方程组的解法，体会稀疏线性方程组解法的特点。 2.实验过程： 实验代码： #include "stdio.h" #include "math.h" #include using namespace std; //Gauss法 void lzy(double **a,double *b,int n) { int i,j,k; double l,x[10],temp; for(k=0;k { if(j==k) temp=fabs(a[j][k]); else if(temp temp=b[k]; b[k]=b[i]; b[i]=temp; } for(i=k+1;i 线性方程组的几种解法 线性方程组形式如下： 常记为矩阵形式 其中 一、高斯消元法 高斯（Gauss)消元法的基本思想是：通过一系列的加减消元运算，也就是代数中的加减消去法，将方程组化为上三角矩阵；然后，再逐一回代求解出x 向量。现举例说明如下： （一）消元过程 第一步：将(1)/3使x 1的系数化为1 得 再将(2)、(3)式中x 1的系数都化为零，即由(2)-2×(1)(1) 得 )1(32)2( (03) 4 32=+x x )1(321)1(......23132=++ x x x 由(3)-4×(1)(1) 得 第二步：将(2)(1) 除以2/3，使x 2系数化为1，得 再将(3)(1) 式中x 2系数化为零，即 由(3)(1) -(-14/3)*(2)(2) ，得 第三步：将(3)(2) 除以18/3，使x 3系数化为1，得 经消元后，得到如下三角代数方程组： （二）回代过程 由(3)(3) 得 x 3=1, 将x 3代入(2)(2) 得x 2=-2, 将x 2 、x 3代入(1)(1) 得x 2=1 所以，本题解为[x]=[1,2,-1]T （三）、用矩阵演示进行消元过程 第一步： 先将方程写成增广矩阵的形式 第二步：然后对矩阵进行初等行变换 初等行变换包含如下操作 （1） 将某行同乘或同除一个非零实数 ) 3(3)3(......1-=x )2(3)3( (63) 18-=x ) 2(32) 2(......02=+x x ) 1(32)3( (63) 10 314-=-- x x （2）将某行加入到另一行 （3）将任意两行互换 第三步：将增广矩阵变换成上三角矩阵，即主对角线全为1，左下三角矩阵全为0，形式如下： 示例： （四）高斯消元的公式 综合以上讨论，不难看出，高斯消元法解方程组的公式为 1．消元 （1）令 a ij(1) = a ij , （i,j=1,2,3,…,n） b i(1) =b i , （i=1,2,3,…,n） （2）对k=1到n-1，若a kk(k)≠0，进行 l ik = a ik(k) / a kk(k) , （i=k+1,k+2,…,n） a ij(k+1) = a ij(k) - l ik * a kj(k), （i,j= k+1,k+2,…,n） b i(k+1) = b i(k) - l ik * b k(k), （i= k+1,k+2,…,n） 2．回代 若a nn(n) ≠0 x n = b n(n) / a nn(n) x i = (b i(i) – sgm(a ij(i) * x j)/- a ii(i),（i = n-1,n-2,…,1）,( j = i+1,i+2,…,n ) （五）高斯消元法的条件 消元过程要求a ii(i) ≠0 (i=1,2,…,n),回代过程则进一步要求a nn(n) ≠0,但就方程组Ax=b 讲，a ii(i)是否等于0时无法事先看出来的。 注意A的顺序主子式D i（i=1,2,…,n）,在消元的过程中不变，这是因为消元所作的变换是“将某行的若干倍加到另一行”。若高斯消元法的过程进行了k-1步(a ii(i) ≠0,i 线性方程组的直接法 直接法就是经过有限步算术运算，无需迭代可直接求得方程组精确解的方法。 线性方程组迭代法 迭代法就是用某种极限过程去逐步逼近线性方程组精确解的方法．该方法具有对计算机的存贮单元需求少，程序设计简单、原始系数矩阵在计算过程中不变等优点，是求解大型稀疏矩阵方程组的重要方法．迭代法不是用有限步运算求精确解，而是通过迭代产生近似解逼近精确解．如Jacobi 迭代、Gauss — Seidel 迭代、SOR 迭代法等。 1. 线性方程组的直接法 直接法就是经过有限步算术运算，无需迭代可直接求得方程组精确解的方法。 1.1 Cramer 法则 Cramer 法则用于判断具有n 个未知数的n 个线性方程的方程组解的情况。当方程组的系数行列式不等于零时，方程组有解且解唯一。如果方程组无解或者有两个不同的解时，则系数行列式必为零。如果齐次线性方程组的系数行列式不等于零，则没有非零解。如果齐次线性方程组有非零解，则系数行列式必为零。 定理1如果方程组Ax b =中0D A =≠，则Ax b =有解，且解事唯一的，解为1212,,...,n n D D D x x x D D D ===i D 是D 中第i 列换成向量b 所得的行列式。 Cramer 法则解n 元方程组有两个前提条件： 1、未知数的个数等于方程的个数。 2、系数行列式不等于零 例1 a 取何值时，线性方程组 1231231 2311x x x a ax x x x x ax ++=??++=??++=?有唯一解。 解：2111111 11011(1)11001 A a a a a a a ==--=--- 所以当1a ≠时，方程组有唯一解。 定理2当齐次线性方程组0Ax =，0A ≠时该方程组有唯一的零解。 定理3齐次线性方程组0Ax =有非零解0A <=>=。 1.2 Gauss 消元法 Gauss 消元法是线性代数中的一个算法，可用来为线性方程组求解，求出矩阵的秩，以及求出可逆方阵的逆矩阵。当用于一个矩阵时，高斯消元法会产生出一个“行梯阵式”。 1.2.1 用Gauss 消元法为线性方程组求解 eg ：Gauss 消元法可用来找出下列方程组的解或其解的限制： ()()()123283211223x y z L x y z L x y z L +-=??--+=-??-++=-? 这个算法的原理是：首先，要将1L 以下的等式中的x 消除，然后再将2L 以下的等式中的y 消除。这样可使整个方程组变成一个三角形似的格式。之后再将已得出的答案一个个地代入已被简化的等式中的未知数中，就可求出其余的答案了。 在刚才的例子中，我们将132 L 和2L 相加，就可以将2L 中的x 消除了。 实验五 线性方程组的直接解法 一、实验内容 1、用列主元素法求解方程组 15 123459.170.31059.43146.785.291 6.3112111.295221211x x x x -?????????????--??????=?????????????? ???? 并计算误差b-Ax ，分析结果的好坏； 2、 用改进Cholesky 方法求对称正定阵线性方程组 1234248.72171013.741090.7x x x -????????????-=????????????-?????? 并计算误差b-Ax ，分析结果的好坏； 3、 用追赶法解方程组 123421006132010121000351x x x x -????????????--??????=??????--??????-???? ?? 二、要求 1、 对上述三个方程组分别利用Gauss 列主元消去法；Cholesky 方法；追赶法求解（选择其一）； 2、 应用结构程序设计编出通用程序； 3、 比较计算结果，分析数值解误差的原因； 三、目的和意义 1、通过该课题的实验，体会模块化结构程序设计方法的优点； 2、运用所学的计算方法，解决各类线性方程组的直接算法； 3、提高分析和解决问题的能力，做到学以致用； 4、 通过三对角形线性方程组的解法，体会稀疏线性方程组解法的特点。 四、实验学时：2学时 五、实验步骤： 1．进入matlab 开发环境； 2．根据实验内容和要求编写程序； 3．调试程序； 4．运行程序； 5．撰写报告,讨论分析实验结果． 六、程序 1、Gauss列主元素消去法 function x=Gauss_pivot(A,b) %用Gauss列主元素法求解线性方程组Ax=b %x是未知向量 n=length(b); x=zeros(n,1); c=zeros(1,n); d1=0; %消元计算 for i=1:n-1 max=abs(A(i,i)); m=i; for j=i+1:n if max 三元线性方程组的几何解法 任春丽，王金金 (西安电子科技人学理学院数学系，陕西酋安710071 ) 线性方程组是线性代数中重要的内容，其解的结构在线性代数课程中已通过向量及矩阵理论讨论的非常清楚，但在教材中很少提及几何意义.由于三元线性方程表示空间屮的平而，因此，通过平面图形Z间的位置关系求解线性方程组，不仅形象、直观，而且为从三维空间抽象的代数问题推广到n维空间更定了基础°文献[2] 丿IJ矩阵 的秩判别了空间屮平面、直线之间的位證关系；相反的，本文利用空间中平而、肓线之间的位宜关系讨论了三元线性方程组解的情况，并举例说明。 1.两个方程的三元线性方程组 设方程组(I)： [仲+恥+C"。-街俩个平面) A2X +B2y + C2z = D2—兀2 讨论：令e=4，d，G，o)(心1,2), %=Q,B,C)(i = l,2) ⑴若wa，即牛鲁咱唔‘则 眄与龙2重合，方程组(I)有无穷多解； (2)若n.//n2i a^a29即4 =邑』』, 1 2 1 2 码场C? D2则眄与?平行但不重合，方程组(I )无解； (3)若讥叫，则陌与幻相交，方程纨I)有无穷多解，其解为相交直线上的所有点。 例1求解下列线性方程组 3兀 + 6y — 3z = 8 fx + 2y-z = 7 (1){ : (2){ ?一兀一 2y + z = 3 [-2x + y + z = 4 解⑴因为—7^-,所以两个平 -1-213 血平行但不重合，故方程组无解； (2)因为阿x〃2 =(1，2,T)x(一2,1,1) = (3丄5) H 0, 所以两个平面相交于H线L,故方程组有无穷多 解。又点(1,4,2)在L上，故直线L的参数方程x = 1 + 3f, 为：」= 4+r,即是方程组的通解。 z = 2 + 5/. 2.三个方程的三元线性方程组 设方程组(II)： A}x + + Gz = °―兀、 < A2x + B2y + C2z = D2—兀2(三个平面) A.x + B,y^C.z = D. 一心 讨论:令q=Q，d，G，q)(i = l,2,3), n,=(4.,B/,C/)(i = l,2,3)o (1)若= 1,2,3)中至少有两个平行，则至 少有两个平面重合，其解的讨论同第1 H； (2)若? (/ = 1,2,3)屮至少有两个平行，但相应的乞?加勺(心力，则至少冇两个平面平行但 不重合，方程组(II)无解； (3)若?加? (心/),则三个平面两两相交， 方程组(II)可能有解，也可能无解。进一步：求 x = x Q + mt, ! IW与兀2的交线L的参数式方程:\y = y o+ntf z = 5 + pt. 如果厶〃龙3，但点(兀O，y°，Zo)不在龙3上，则 数值分析讲义 第三章线性方程组的解法 §3.0 引言 §3.1 雅可比(Jacobi)迭代法 §3.2 高斯-塞德尔(Gauss-Seidel)迭代法 §3.3 超松驰迭代法§3.7 三角分解法 §3.4 迭代法的收敛性§3.8 追赶法 §3.5 高斯消去法§3.9 其它应用 §3.6 高斯主元素消去法§3.10 误差分析 §3 作业讲评3 §3.11 总结 §3.0 引言 重要性：解线性代数方程组的有效方法在计算数学和科学计算中具有特殊的地位和作用.如弹性力学、电路分析、热传导和振动、以及社会科学及定量分析商业经济中的各种问题. 分类：线性方程组的解法可分为直接法和迭代法两种方法. (a) 直接法：对于给定的方程组，在没有舍入误差的假设下，能在预定的运算次数内求得精确解.最基本的直接法是Gauss消去法，重要的直接法全都受到Gauss消去法的启发.计算代价高. (b) 迭代法：基于一定的递推格式，产生逼近方程组精确解的近似序列.收敛性是其为迭代法的前提，此外，存在收敛速度与误差估计问题.简单实用,诱人. §3.1 雅可比Jacobi 迭代法 (AX =b ) 1 基本思想: 与解f (x )=0 的不动点迭代相类似,将AX =b 改写为X =BX +f 的形式,建立雅可比方法的迭代格式：X k +1=BX (k )+f ,其中，B 称为迭代矩阵.其计算精度可控,特别适用于求解系数为大型稀疏矩阵(sparse matrices)的方程组. 2 问题: (a) 如何建立迭代格式？ (b) 向量序列{X k }是否收敛以及收敛条件? 3 例题分析: 考虑解方程组??? ??=+--=-+-=--2.453.82102 .72103 21321321x x x x x x x x x (1) 其准确解为X *={1, 1.2, 1.3}. 建立与式(1)相等价的形式： ??? ??++=++=++=84.02.01.083.02.01.072 .02.01.02 13312321x x x x x x x x x (2) 据此建立迭代公式： ?????++=++=++=+++84 .02.01.083.02.01.072.02.01.0)(2)(1)1(3 )(3 )(1)1(23)(2)1(1k k k k k k k k k x x x x x x x x x (3) 取迭代初值0) 0(3 )0(2)0(1===x x x ,迭代结果如下表. JocabiMethodP31.cpp 线性方程组解法综述 Prepared on 22 November 2020 线性方程组解法的研究综述 摘要：这篇论文在说明了线性方程组的应用目的的基础上，提出了线性方程组求解的研究现状，并列举了常用的求解方法，同时说明了它们的应用条件，剖析了各种方法的不足之处。 关键词高斯消元迭代病态方程组 一、问题提出 在自然科学和工程实际应用中，有许多问题的求解最终都转化为线性方程组的求解问题。例如,电学中的网络问题，曲线拟合中常用的最小二乘法、样条函数插值、解非线性方程组、求解偏微分方程的差分法、有限元法和边界元法以及目前工程实践中普遍存在的反演问题等。特别是在图像恢复、模型参数估计、解卷积、带限信号外推、地震勘探等众多领域，都需要求解线性方程组。 由于线性方程组问题在理论上的重要性和在工程实际应用中的大量存在，多年来人们在这方面做了广泛深入的研究和探讨，并取得了许多有价值的成果.由于模型误差、测量误差、计算误差等各种误差的存在，常常使得线性方程组中的系数矩阵和非齐次项信息具有某种程度的近似性(即扰动性)，这种近似性显然会使得线性方程组的求解不容易得到真实的理论解。此时，不同的求解方法由于运算机理不一样，求解过程中误差积累程度就不一样，因此必然会使得不同的求解方法得到的解具有不同的逼近真解的误差程度，尤其对具有病态性的方程组而言，由于病态线性方程组的条件数很大，数据误差以及计算过程中引入的舍入误差往往会使线性方程组的解不稳定，即不管原始数据的误差多么小，都可能造成解的很大变化，使线性方程组的解严重失真。因此，许多现有的方 法都是无效的，病态线性方程组的求解变得相当困难。求解线性方程组的最常用的方法主要有直接法和迭代法两大类，其中直接法中最常用的方法是高斯消元法。但是，该方法求解病态线性方程组时不能得到合理的解，误差很大。 二、研究现状 目前关于线性方程组的数值解法一般有两大类。一类是直接方法，另一类是迭代方法。直接方法最基本的是高斯消元法及其变形，这类方法是解低阶稠密矩阵方程组的有效方法，近十几年来直接法在求解具有较大型稀疏矩阵方程组方面取得了较大进展。迭代法就是用某种迭代过程去逐步逼近线性方程组的精确解，迭代法具有需要计算机的存储单元较少，程序设计简单，原始系数矩阵在计算过程中始终不变等优点，但存在收敛性及收敛速度问题。迭代法是解大型稀疏矩阵方程组的重要方法。当前对迭代算法的研究已经较为成熟，但如何使之适合新体系模型，以获得更好的性能加速一直是应用和体系设计者关心的问题。 三、常用方法比较 1.直接方法 直接方法是指假设计算过程中不产生舍入误差，经过有限次运算可求得方程组的精确解的方法。事实上，由于舍入误差的存在，用直接法一般也只能求得方程组的近似解。直接方法中主要有三种方法：克拉默法则、高斯消元法、LU 分解法。 （1）克拉默法则 设有线性方程组（ n 个未知数 n 个方程）线性方程组的解法
求解线性方程组的直接解法
线性方程组的直接法
线性方程组的解法及其应用
线性方程组的直接解法及matlab的实现
解线性方程组的直接解法
浅析线性方程组的解法
线性方程组的直接解法
线性方程组的直接解法
解线性方程组的直接方法实验报告
线性方程组的几种求解方法
线性方程组的直接法和迭代法
线性方程组的直接解法
三元线性方程组的几何解法.doc
数值分析讲义——线性方程组的解法
线性方程组解法综述