第三章 MATLAB线性方程组及矩阵特征值.ppt

然后按公式 依顺序 进行回代，求得方程组的解，该过程称为 “赶”。 具体算法如下： 三对角方程组的求解程序tri_diag.m如下： % tri_diag(a,b,c,d,n) solves a tridiagonal equation. function f = tri_diag(a,b,c,d,n) for i=2:n r=a(i)/b(i-1); b(i)=b(i)-r*c(i-1); d(i)=d(i)-r*d(i-1); end d(n)=d(n)/b(n); for i=n-1:-1:1 d(i)=(d(i)-c(i)*d(i+1))/b(i); end f=d; 一.简单迭代法 1.迭代法建立. 考虑 (矩阵B不唯一) 对应写出 §3.2 解线性方程组的迭代法 产生向量序列 若收敛,记 则于(3.4)两端取极限有： 上式说明： 是解向量 ,从而当k充分大时 注意: 迭代阵B不唯一,影响收敛性。 解向量 (3.4)叫简单迭代法,B叫迭代矩阵。 2.收敛性. 定义3.3 称 为矩阵B的谱半径。 定理3.4 定理3.3 简单迭代法 设有方程组( 其中　　　 ) Ax = b,即 (3.5) 作等价变形 (3.6) ----------Jacobi迭代法 于是有迭代公式 (k=0,1,2,…) (3.7) 矩阵形式为： 简记为 (3)设方程组（3.5）的系数矩阵A按行严格对角占优 即： 或按列严格对角占优，即 例3 Jacobi迭代算法 A=[9 -1 -1;-1 10 -1;-1 -1 15]; b=[7;8;13];x=[0;0;0]; er=1;k=0; while er0.00005 er=0;k=k+1; for i=1:3 s=0;t=x(i); for j=1:3 if i~=j,s=s+A(i,j)*x(j);end end x(i)=t; y(i)=(b(i)-s)/A(i,i); er=max(abs(x(i)-y(i)),er); end x=y;x end 0.7778 0.8000 0.8667 0.9630 0.9644 0.9719 0.9929 0.9935 0.9952 0.9987 0.9988 0.9991 0.9998 0.9998 0.9998 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 二、 迭代法 设有简单迭代法 即 (3.8) * * 第三章 线性代数方程组及矩阵特征值 线性方程组 情形1：m=n 在MATLAB中的求解命令有： 情形2：mn（不定方程） 情形3：mn（超定方程），多用于曲线拟合。 解线性方程组的一般函数文件如下： function [x,y]=line_solution(A,b) [m,n]=size(A);y=[]; if norm(b,1)0 %非齐次方程组 if rank(A)==rank([A,b]) %方程组相容 if rank(A)==m %有唯一解 x=A\b; else %方程组有无穷多个解,基础解系 disp(原方程组有有无穷个解，其齐次方程组的基础 解系为y，特解为x); y=null(A,r); x=A\b; end else %方程组不相容，给出最小二乘解 disp(方程组的最小二乘法解是：); x=A\b; end else %齐次方程组 if rank(A)=n %列满秩 x=zero(m,1) %0解 else