2021年数值线性代数第二版徐树方高立张平文第五章上机习题实验报告.docxVIP

2021年数值线性代数第二版徐树方高立张平文第五章上机习题实验报告

数值线性代数是一门重要的数学学科，广泛应用于科学和工程领域。而《数值线性代数（第二版）》是徐树方等人所编写的教材。第五章是该教材中的一个重要章节，涵盖了线性方程组的数值解法。本实验报告将简要介绍第五章的上机习题内容，并给出参考答案。

第五章的上机习题主要分为两个部分。第一部分是关于矩阵的LU分解。LU分解是将一个矩阵分解为一个下三角矩阵L和一个上三角矩阵U的乘积。这种分解方法在求解线性方程组和计算矩阵的行列式等问题中非常有用。

下面是第五章第一部分的参考答案：

1.编写一个程序，实现矩阵的LU分解。

```python

importnumpyasnp

deflu_decomposition(A):

n=len(A)

L=np.zeros((n,n))

U=np.zeros((n,n))

foriinrange(n):

#计算上三角矩阵U的元素

forkinrange(i,n):

s=sum(L[i][j]*U[j][k]forjinrange(i))

U[i][k]=A[i][k]-s

#计算下三角矩阵L的元素

forkinrange(i,n):

ifi==k:

L[i][i]=1

else:

s=sum(L[k][j]*U[j][i]forjinrange(i))

L[k][i]=(A[k][i]-s)/U[i][i]

returnL,U

A=np.array([[2,-1,3],[4,2,-1],[-6,7,2]])

L,U=lu_decomposition(A)

print(L:\n,L)

print(U:\n,U)

```

2.使用你的LU分解程序，解线性方程组Ax=b。

```python

importnumpyasnp

deflu_solve(A,b):

L,U=lu_decomposition(A)

n=len(A)

#解Ly=b

y=np.zeros(n)

foriinrange(n):

s=sum(L[i][j]*y[j]forjinrange(i))

y[i]=(b[i]-s)/L[i][i]

#解Ux=y

x=np.zeros(n)

foriinrange(n-1,-1,-1):

s=sum(U[i][j]*x[j]forjinrange(i+1,n))

x[i]=(y[i]-s)/U[i][i]

returnx

A=np.array([[2,-1,3],[4,2,-1],[-6,7,2]])

b=np.array([6,0,5])

x=lu_solve(A,b)

print(x:,x)

```

第二部分是关于线性方程组的迭代解法。迭代法是一种逐步逼近解的方法，通过迭代运算逐渐逼近方程组的解。常见的迭代方法包括雅可比迭代法、高斯-赛德尔迭代法和超松弛迭代法等。

下面是第五章第二部分的参考答案：

1.编写一个程序，实现雅可比迭代法。

```python

importnumpyasnp

defjacobi_iteration(A,b,x0,epsilon,max_iterations):

n=len(b)

x=x0.copy()

forkinrange(max_iterations):

x_new=np.zeros(n)

foriinrange(n):

s=sum(A[i][j]*x[j]forjinrange(n)ifj!=i)

x_new[i]=(b[i]-s)/A[i][i]

ifnp.linalg.norm(x_new-x)