LU分解法列主元高斯法Jacobi迭代法GaussSeidel法的原理及Matlab程序.docVIP

一、实验目的及题目 1.1 实验目的： （1）学会用高斯列主元消去法，LU分解法，Jacobi迭代法和Gauss-Seidel迭代法解线性方程组。 （2）学会用Matlab编写各种方法求解线性方程组的程序。 1.2 实验题目： 用列主元消去法解方程组： 用LU分解法解方程组其中 ， 分别用Jacobi迭代法和Gauss-Seidel迭代法求解方程组： 二、实验原理、程序框图、程序代码等 2.1实验原理 2.1.1高斯列主元消去法的原理 Gauss消去法的基本思想是一次用前面的方程消去后面的未知数，从而将方程组化为等价形式： 这个过程就是消元，然后再回代就好了。具体过程如下： 对于，若依次计算 然后将其回代得到： 以上是高斯消去。 但是高斯消去法在消元的过程中有可能会出现的情况，这时消元就无法进行了，即使主元数但是很小时，其做除数，也会导致其他元素数量级的严重增长和舍入误差的扩散。因此，为了减少误差，每次消元选取系数矩阵的某列中绝对值最大的元素作为主元素。然后换行使之变到主元位置上，再进行销元计算。即高斯列主元消去法。 2.1.2直接三角分解法（LU分解）的原理 先将矩阵A直接分解为则求解方程组的问题就等价于求解两个三角形方程组。 直接利用矩阵乘法，得到矩阵的三角分解计算公式为： 由上面的式子得到矩阵A的LU分解后，求解Ux=y的计算公式为 以上为LU分解法。 2.1.3Jacobi迭代法和Gauss-Seidel迭代法的原理 （1）Jcaobi迭代 设线性方程组 (1) 的系数矩阵A可逆且主对角元素均不为零,令 并将A分解成 (2) 从而(1)可写成 令 其中. (3) 以为迭代矩阵的迭代法(公式) (4) 称为雅可比(Jacobi)迭代法,其分量形式为 (5) 其中为初始向量. （2）Gauss-Seidel迭代 由雅可比迭代公式可知,在迭代的每一步计算过程中是用的全部分量来计算的所有分量,显然在计算第i个分量时,已经计算出的最新分量没有被利用。 把矩阵A分解成 (6) 其中,分别为的主对角元除外的下三角和上三角部分,于是,方程组(1)便可以写成 即 其中 (7) 以为迭代矩阵构成的迭代法(公式) (8) 称为高斯—塞德尔迭代法,用分量表示的形式为 2.2程序代码 2.2.1高斯列主元的代码 function Gauss(A,b) %A为系数矩阵，b为右端项矩阵 [m,n]=size(A); n=length(b); for k=1:n-1 [pt,p]=max(abs(A(k:n,k))); %找出列中绝对值最大的数 p=p+k-1; if pk t=A(k,:);A(k,:)=A(p,:);A(p,:)=t; %交换行使之变到主元位置上 t=b(k);b(k)=b(p);b(p)=t; end m=A(k+1:n,k)/A(k,k); %开始消元 A(k+1:n,k+1:n)=A(k+1:n,k+1:n)-m*A(k,k+1:n); b(k+1:n)=b(k+1:n)-m*b(k); A(k+1:n,k)=zeros(n-k,1); if flag~=0 Ab=[A,b]; end end x=zeros(n,1); %开始回代 x(n)=b(n)/A(n,n); for k=n-1:-1:1 x(k)=(b(k)-A(k,k+1:n)*x(k+1:n))/A(k,k); end for k=1:n fprintf(x[%d]=%f\n,k,x(k)); end 2.2.2 LU分解法的程序 function LU(A,b) %A为系数矩阵，b为右端项矩阵 [m,n]=size(A); %初始化矩阵A，b，L和U n=length(b); L=eye(n,n); U=zeros(n,n); U(1,1:n)=A(1,1:n);