解线性方程组及直接法及Matlab实现1.docVIP

学校编码：****** 分类号 密级 学号：********* UDC 本科毕业论文(设计) 解线性方程组的直接法的Matlab实现 学生姓名：*********************** 所属院部：*********************** 专 业：*********************** 指导教师：*********************** 2014年 5 月 14 日 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 在自然科学与社会科学的研究中，常常需要求解线性代数方程组，如实验数据的曲线、曲面的拟合和用差分法或有限元法解偏微分方程等都要用到线性代数方程组的求解。由于从不同的问题导出的线性代数方程组的系数矩阵不同，比如：矩阵阶数的大小、矩阵中的非零元稠密情况等，粗略地，系数矩阵可以分为低阶稠密矩阵和大型稀疏矩阵。关于线性代数程组的求解，主要分为直接法和迭代法两大类，在理论上，用直接法可以通过有限步的计算得到精确解，而迭代法是通过逐次迭代逼近来求得近似解，实际上，由于舍入误差的影响，由直接法得到的解也不精确，因此，在某些需要高精度解的问题中，常常把由直接法得到的解再运用迭代法迭代若干步，以提高解的精度，一般地说，对于低阶稠密的线性代数方程组以及大型带形方程组的求解，采用直接法比较有效，而对于大型稀疏（非带形）方程组则用迭代法求解比较有利。当然，采用直接法，还是迭代法，还是直接法与迭代法交替运用，要根据具体情况确定。本章主要讨论一些最基本的直接法，并在此基础上讨论它的变形情况，JOR雅可比超松弛迭代法求线性方程组Ax=b的解 function [x,n]=JOR(A,b,x0,w,eps,M) if nargin==4 eps= 1.0e-6; M = 10000; elseif nargin ==5 M = 10000; end if(w=0 || w=2) % 收敛条件要求 error; return; end D=diag(diag(A)); % 求A的对角矩阵 B=w*inv(D); %迭代过程 x=x0; n=0; % 迭代次数 tol=1; % 迭代过程 while tol=eps x=x0-B*(A*x0-b); n = n+1; tol = norm(x-x0); x0 = x; if(n=M) disp(Warning: 迭代次数太多，可能不收敛！ ); return; end end twostep 两步迭代法求线性方程组Ax=b的解 function [x,n]=twostep(A,b,x0,eps,varargin) if nargin==3 eps= 1.0e-6; M = 200; elseif nargin3 error return elseif nargin ==5 M = varargin{1}; end D=diag(diag(A)); % 求A的对角矩阵 L=-tril(A,-1); % 求A的下三角阵 U=-triu(A,1); % 求A的上三角阵 B1=(D-L)\U; B2=(D-U)\L; f1=(D-L)\b; f2=(D-U)\b; x12=B1*x0+f1; x =B2*x12+f2; n=1; % 迭代次数 while norm(x-x0)=eps x0 =x; x12=B1*x0+f1; x =B2*x12+f2; n=n+1; if(n=M) disp(Warning: 迭代次数太多，可能不收敛！ ); return; end end fastdown