解线性方程的直接法的Matlab实现.doc

解线性方程组的直接法的Matlab实现 姓名 ********** 摘要：给出用MATLAB解线性方程组的各种方法,用MATLAB直接操作,不用编程,便可立即求出线性方程组的解.方法直观、简便、速度快,具有较强的实用性,另外提供了Jacobi迭代法程序. 关键字：线性方程组 数值解 程序设计 MATLAB Jacobi迭代法 数据结构 1 引言 线性方程组Ax=b是我们在科学和工程计算中经常出现的数学模型,大量的科技与工程实际问题，常常归结为解线性代数方程组，有关线性方程组解的存在性和唯一性在“线性代数”理论中已经作过详细介绍，本章的主要任务是讨论系数行列式不为零的n阶非齐次线性方程组Ax=b的两类主要求方法：直接法（精确法）和迭代法。对它的解法我们最熟悉的就是主元消去法,但它只是适用于A是低价稠密的矩阵,对于由工程技术中产生的大型稀疏矩阵方程组(即A的阶数n很大,但零元素较多,例如求某些偏微分方程数值解所产生的线性方程组,n≥104),还需利用迭代法求解。如在计算机内存和运算两方面,都可以根据A中有大量零元素的特点采用迭代法。本文将介绍两种常见的迭代:Jacobi迭代法和Gauss-Seidel迭代,并用迭代法在数学软件Matlab上实现线性方程组的解。1迭代法的基本思想迭代法是按照某种规则构造一个向量序列{x(k)},使其极限向量x*是Ax=b的精确解。因此,对迭代法来说一般有下面几个问题:(1)如何构造迭代序列?(2)构造的迭代法序列是否收敛?在什么情况下收敛?(3)如果收敛,收敛的速度如何?我们应该给予量的刻划,用以比较各种迭代法收敛的快慢。 2 相关知识 线性方程组的概念及分类线性方程组的一般形式为a11x1+a12x2+…+a1nxn=b1a21x1+a22x2+…+a2nxn=b2am1x1+am2x2+…+amnxn=b{n(1)若记X=x1x2(…x n)T,b=b1 b2(…bn)TA=a11 a12…a1na21 a22…a2n…am1 am2…a mn则线性方程组(1)记为AX=b.(2)若b的元素不全为零,则称方程组(1)为非齐次线性方程组;若b的元素全为零,即b1=b2=…=bn=0,则AX=0.(3)并称方程组(3)为齐次线性方程组,也称作方程组(2)的导出方程组,称(A b)=a11 a12…a1n…b1a21 a22…a2n…b2…am1 am2…amn…b n为线性方程组(1)的增广矩阵,记作A.若在方程组(1)中,当mn,即方程的个数多于未知数的个数时,方程组称为超定方程组. 3、算法 用高斯消元法解线性方程组bAX的MATLAB程序 输入的量：系数矩阵A和常系数向量b； 输出的量：系数矩阵A和增广矩阵B的秩RA,RB, 方程组中未知量的个数n和有关方程组解X及其解的信息.function [RA,RB,n,X]=gaus(A,b) B=[A b]; n=length(b); RA=rank(A); RB=rank(B);zhica=RB-RA; if zhica0, disp(请注意：因为RA~=RB，所以此方程组无解.) returnend if RA==RB if RA==n disp(请注意：因为RA=RB=n，所以此方程组有唯一解.) X=zeros(n,1); C=zeros(1,n+1); for p= 1:n-1 （1）LU分解法 lu 分解法解线性方程组function x=luxiaoyuan(A,b)[m,n]=size(A);[l u]=lu(A);s=inv(l)*[A,b];x=ones(m,1);for i=m:-1:1 h=s(i,m+1); for j=m:-1:1; if j~=i h=h-x(j)*s(i,j); end end x(i)=h/s(i,i)end （2）高斯消元法 高斯消元法的基本思想： Ax=b 其对应的增广矩阵为为 (A，b) 对线性方程组的增广矩阵进行以下一系列初等变换 （1）对换(A，b)某两行的顺序 （2）(A，b)中的某行乘以一个不为零的数。 （3）把(A，b)某一行乘以一个常数后加到另一行 其增广矩阵变为(A‘，b’) 变换后的方程组为 A‘x=b’ 与原方程组等价（同解） 因此，高斯消去法实际上就是通过上述三种变换，把（A，b）化为等价的上三角形式。 例： 用高斯消去法找出下列方程組的解 原方程组增广矩阵 跟著以上的方法來運算，這個矩陣可以轉變為以下的樣子： 如果增广矩阵第一行第一列不为零，将第二，三行第一列化为零。 然后第三行的第二列化为零， 则其解便可求得 Gauss消元法的matlab程序