数学建模线性方程组的数值解法.ppt

*******************************************线性方程组数值解法的MATLAB实现若A为可逆方阵，输出原方程的解x若A为n?m矩阵（n>m），且ATA可逆，输出原方程的最小二乘解x线性方程组数值解法的MATLAB实现[x,y,p]=lu(A)若A可逆，输出x为单位下三角阵L，y为上三角阵U，p为一交换阵P，使PA=LU.u=chol(A)对正定对称矩阵A的Cholesky分解，输出u为上三角阵U，使A=UTU2.矩阵LU分解[x,y]=lu(A)若A可逆且顺序主子式不为零，输出x为单位下三角阵L，y为上三角阵U，使A=LU；若A可逆，x为一交换阵与单位下三角阵之积.例.解A=[1031;2-103;1310],b=[14-514]',x=A\b,[L1,U1]=lu(A);L1,U1,A1=L1*U1,[L2,U2,P]=lu(A);L2,U2,P,A2=L2*U2,A3=inv(P)*A2并对系数矩阵作LU分解shiyan51若第1个方程改为3x2+x3=14结果如何当n很大时Hilbert矩阵呈病态线性方程组数值解法的MATLAB实现3.范数条件数特征值n=norm(x)输入x为向量或矩阵，输出为x的2-范数c=cond(x)输入x为矩阵,输出为x的2-条件数r=rcond(x)输入x为方阵,输出为x条件数倒数e=eig(x)输入x为矩阵，输出x的全部特征值H=hilb(5),h=rats(H),b=ones(5,1);x=H\b;b(5)=1.1;x1=H\b;[x,x1],n1=cond(H),n2=rcond(H),例：观察Hilbert矩阵的病态性例.Hx=b,其中H=hilb(5),b=[1,…1]Tshiyan52xx11.0e+003*0.00500.0680-0.1200-1.38000.63006.3000-1.1200-9.94000.63005.0400cond(H)=4.7661e+0051.提取（产生）对角阵v=diag(x)输入向量x，输出v是以x为对角元素的对角阵；输入矩阵x，输出v是x的对角元素构成的向量；例：v=diag(diag(x))输入矩阵x，输出v是x的对角元素构成的对角阵，可用于迭代法中从A中提取D。2.提取上（下）三角阵其他相关的MATLAB函数y=triu(x)输入矩阵x，输出v是x的上三角阵；v=tril(x)输入矩阵x，输出v是x的下三角阵；v=triu(x,1)同上，但对角元素为0，可从A中提取U;v=tril(x,-1)同上，但对角元素为0，可从A中提取L。例.用迭代法解shiyan53MATLAB对稀疏矩阵的处理:进行大规模计算的优点a=sparse(r,c,v,m,n)在第r行、第c列输入数值v，矩阵共m行n列，输出a为稀疏矩阵，只给出(r,c)及vaa=full(a)输入稀疏矩阵a，输出aa为满矩阵（包含零元素）a=sparse(2,2:3,8,2,4),aa=full(a),a=(2,2)8aa=0000(2,3)80880输出n=500;b=[1:n]';a1=sparse(1:n,1:n,4,n,n);a2=sparse(2:n,1:n-1,1,n,n);a=a1+a2+a2';tic;x=a\b;t1=tocaa=full(a);tic;xx=aa\b;t2=tocy=sum(x)yy=sum(xx)例.分别用稀疏矩阵和满矩阵求解Ax=b,比较计算时间设00t1,t2相差巨大，说明用稀疏矩阵计算的优点（y=yy用于简单地验证两种方法结果的一致）shiyan54用MATLAB作线性最小二乘拟合1.作多项式f(x)=a1xm+…+amx+am+1拟合,可利用已有程序:a=polyfit(x,y,m)输入:数据x,y(同长度数组);m(拟合多项式次数)输出:系数a=[a1,…am,am+1](数组)。2.对超定方程组仍用可得最小二乘意义下的解