MATLAB计算方法3解线性方程组计算解法

合集下载

MATLAB计算方法3解线性方程组计算解法

直到(n-1) 原方程组化为
a11 x1 a12 x2 a1n xn a1,n1 a22 x2 a2 n xn a2 ,n1

ann xn an ,n1
(上三角方程组) （3.2) 以上为消元过程。
(n) 回代求解公式
a n ,n1 xn a nn n x k 1 [a k ,n1 a kj x j ] a kk j k 1 ( k n 1, n 2,...,1)
由矩阵乘法 (1) 1) l11 a11 l11
umj 1 ukj a kj ukj a kj l km umj
m 1
k 1
2 求L的第k列：用L的第i行 u的第k列
(i k 1, , n)，即 ( l i 1 , , l ik , l kk , 0 0) ( u1k , u2 k , , ukk , 0 0)' a ik
( 2) 1)求u的第2行：用L的第2行 u的第j列（j 2, , n) l 21 u1 j 1 u2 j a 2 j u2 j a 2 j l 21u1 j 2)求L的第2列：用L的第i行 u的第2列（i 3,4, , n) l i 1 u12 l i 2 u22 a i 2 l i 2 (a i 2 l i 1 u12 ) / u22
m 1
l
k 1
im
umk l ik ukk a ik
k 1
l ik a ik l im umk ukk m 1
LU分解式： u1 j a1 j ( j 1,2, n) l i 1 a i 1 u11 ( i 2,3, , n) k 1 ukj a kj l km umj a kj m 1 ( j k , k 1, , n) k 1 l ik a ik l im umk ukk a ik m 1 ( i k 1, , n) ( k 2, 3, , n )

MATLAB计算方法3解线性方程组计算解法

MATLAB计算方法3解线性方程组计算解法线性方程组是数学中的一个重要问题，解线性方程组是计算数学中的一个基本计算，有着广泛的应用。

MATLAB是一种功能强大的数学软件，提供了多种解线性方程组的计算方法。

本文将介绍MATLAB中的三种解线性方程组的计算方法。

第一种方法是用MATLAB函数“linsolve”解线性方程组。

该函数使用高斯消元法和LU分解法求解线性方程组，可以处理单个方程组以及多个方程组的情况。

使用该函数的语法如下：X = linsolve(A, B)其中A是系数矩阵，B是常数向量，X是解向量。

该函数会根据A的形式自动选择求解方法，返回解向量X。

下面是一个使用“linsolve”函数解线性方程组的例子：A=[12;34];B=[5;6];X = linsolve(A, B);上述代码中，A是一个2×2的系数矩阵，B是一个2×1的常数向量，X是一个2×1的解向量。

运行代码后，X的值为[-4.0000;4.5000]。

第二种方法是用MATLAB函数“inv”求解逆矩阵来解线性方程组。

当系数矩阵A非奇异（可逆）时，可以使用逆矩阵求解线性方程组。

使用“inv”函数的语法如下：X = inv(A) * B其中A是系数矩阵，B是常数向量，X是解向量。

该方法先计算A的逆矩阵，然后将逆矩阵与B相乘得到解向量X。

下面是一个使用“inv”函数解线性方程组的例子：A=[12;34];B=[5;6];X = inv(A) * B;上述代码中，A是一个2×2的系数矩阵，B是一个2×1的常数向量，X是一个2×1的解向量。

运行代码后，X的值为[-4.0000;4.5000]。

第三种方法是用MATLAB函数“mldivide”（或“\”）求解线性方程组。

该函数使用最小二乘法求解非方阵的线性方程组。

使用“mldivide”函数的语法如下：X=A\B其中A是系数矩阵，B是常数向量，X是解向量。

A03 线性代数部分之MATLAB解方程

成都信息工程学院数学学院郑丰华
解方程组矩阵的特征值与特征向量
郑丰华
成都信息工程学院数学学院郑丰华
求解代数方程
一般代数方程包括线性（Linear）、非一般代数方程包括线性（Linear）、非线性（Nonlinear）和超越方程线性（Nonlinear）和超越方程（Transcedental equation）等。求解 equation）等。求解的指令是solve。的指令是solve。
成都信息工程学院数学学院郑丰华
求矩阵的秩
rank rref 讨论线性方程组的解
– 求特解：linsolve(),pinv(A)*b 求特解：linsolve(),pinv(A)*b – 求通解：null() 求通解：null()
成都信息工程学院数学学院郑丰华
特征值与特征向量
表3-3 eig命令命令 d=eig(A) [V,D]=eig(A) 功能求特征值及特征向量
成都信息工程学院数学学院郑丰华
表3-1 solve命令命令 S=solve('eq1','eq2',… S=solve('eq1','eq2',…,'eqn', 'v1','v2',… 'v1','v2',…,'vn') 功能求方程或方程组关于指定变量的解
说明： 1.'eq1','eq2',…,'eqn'或是字符串表达的方程，或是字符串表达式；'v1','v2',…,'vn'是字符串表达的求解变量名； 2.如果'eq1','eq2',…,'eqn'是不含有“等号”的表达式，则指令是对eq1=0,eq2=0,…,eqn=0的求解； 3.求解结果S是一个构架数组。如果要显示求解结果，必须采用S.v1,S.v2,…,S.vn的援引方式； 4.指令solve在缺省规则下，还有一些形式更为简单的调用方法，但推荐大家使用字符串格式； 5.在得不到“封闭型解析解”时，solve会给出数值解。

matlab线性方程组的矩阵解法

2 解 Ux = −1 7 2 0 0 1 -1 x1 1 x1 13 1 0 x 2 2 x2 2 ,得 2 = 13 x = − 13 ,得 x 0 −1 3 7 3 7 x x4 −1 0 11 4 − 11 7 7 0
function x=lupdsv(A,b) n=length(b); [LU,p]=lupd(A); y(1)=b(p(1)); for i=2:n y(i)=b(p(i))-LU(i,1:i-1)*y(1:i-1)'; end x(n)=y(n)/LU(n,n); for i=(n-1):-1:1 x(i)=(y(i)-LU(i,i+1:n)*x(i+1:n)')/LU(i,i); end
lupdsv.m %功能：调用列主元三角分解函数 [LU,p]=lupd(A) % 求解线性方程组Ax=b。。求解线性方程组
%解法：PA=LU, Ax=b←→PAx=Pb 解法：解法 % % LUx=Pb, Ly=f=Pb, y=Ux f(i)=b(p(i))
%输入：方阵A，右端项（行或列向量均可）输入：方阵，右端项b（行或列向量均可）输入 %输出：解x（行向量）输出：输出（行向量）
Ax = d 用矩阵表示应用追赶法求解三对角线性方程组。追赶法仍然追赶法求解三对角线性方程组应用追赶法求解三对角线性方程组。追赶法仍然保持LU分解特性,它是一种特殊的LU分解。 LU分解特性 LU分解保持LU分解特性,它是一种特殊的LU分解。充分利用了系数矩阵的特点，而且使之分解更简单, 了系数矩阵的特点，而且使之分解更简单,得到对三对角线性方程组的快速解法。角线性方程组的快速解法。

基于matlab平台的三种迭代法求解矩阵方程

数值分析第二次作业学院：电子工程学院基于matlab平台的三种迭代法求解矩阵方程组求解系数矩阵由16阶Hilbert方程组构成的线性方程组的解，其中右端项为[2877/851,3491/1431,816/409,2035/1187,2155/1423,538/395,1587/1279,573/502,947 /895,1669/1691,1589/1717,414/475,337/409,905/1158,1272/1711,173/244].要求：1）Gauss_Sedel迭代法；2）最速下降法；3）共轭梯度法；4）将结果进行分析对比。

解：根据题目要求，编写了对应算法的matlab程序，求解结果如下：（求解精度为10e-4，最大迭代次数1000）1、方程的解：如下图1所示图1 三种方法求解的结果对比图2 Gause_Sedel算法收敛特性图3 最速下降法收敛特性图3 共轭梯度法收敛特性从图中可以看到，在相同的最大迭代次数和预设求解精度条件下，共轭梯度算法仅需要4次迭代便可求出方程组的解，耗时0.000454秒，而且求出解的精度最高；Gauss_Sedel方法需要465次迭代，耗时0.006779秒，求解精度最差；最速下降法需要398次迭代，耗时0.007595秒，求解精度与共轭梯度算法差不多，因此两者求出的解也几乎相同。

从中可以得出结论，共轭梯度算法无论从求解精度还是求解速度上都优于其他两种，最速下降法在求解精度上几乎与共轭梯度算法持平，但求解速度更慢。

Gauss_Sedel方法在求解精度和速度两方面都最差。

具体的解为:Gauss_Sedel迭代法:(共需465次迭代，求解精度达到9.97e-5) X=[0.995328360833192 1.01431732497804 1.052861239300110.934006974137998 0.931493373808838 0.9665081384030661.00661848511341 1.03799789809258 1.051806903036541.06215849948572 1.04857676431223 1.028561990411131.01999170162638 0.971831831519515 0.9525261666348130.916996019179182].最速下降法:(共需398次迭代，求解精度达到9.94e-5)X=[0.998835379744322 1.01507463472900 0.9825890937201850.980191460759243 0.991245169713628 1.003780222253291.01350884374478 1.01928337905816 1.020859096651941.01930314197028 1.01444777381651 1.007040589892970.998384452250809 0.987399404644377 0.9757678149709120.963209150871750].共轭梯度法:(共需4次迭代，求解精度达到3.98e-5)X=[0.996472751179456 1.02707840189049 0.9776233734098530.973206695321590 0.986133032967607 1.001289025642341.01322158496914 1.02047386502293 1.023009050605651.02163015083975 1.01678089454399 1.009203108638740.999772406055155 0.988443827498859 0.9760941924969490.962844741655005].Matlab程序主程序:clc;clear;%% 本程序用于计算第二次数值分析作业，关于希尔伯特矩阵方程的解，用三种方法，分析并比较，也可推广至任意n维的矩阵方程%%A=hilb(16); %生成希尔伯特系数矩阵b=[2877/851;3491/1431;816/409;2035/1187;2155/1423;538/395;1587/1279;573/502;947/895;166 9/1691;1589/1717;414/475;337/409;905/1158;1272/1711;173/244]; %右端向量M=1000; %最大迭代次数err=1.0e-4; %求解精度[x,n,xx,cc,jingdu]=yakebi_diedai(A,b,err,M); % 雅克比算法求解tic;[x1,n1,xx1,cc1,jingdu1]=gauss_seidel(A,b,err,M); % gauss_seidel算法求解toc;tic;[x2,n2,xx2,jingdu2]=zuisuxiajiangfa(A,b,err,M); % 最速下降法求解toc;tic;[x3,flag,jingdu3,n3]=bicg(A,b,err); % matlab内置双共轭梯度算法求解toc;tic;[x4,xx4,n4,jingdu4]=con_grad(A,b,err,M); % 教材共轭梯度算法求解toc;%% 计算相应结果，用于作图%%num=[1:16]';jie=[num,x1,x2,x4]; % 三者的解对比% 三者的收敛情况对比num1=[1:n1]';fit1=[num1,jingdu1'];num2=[1:n2]';fit2=[num2,jingdu2'];num4=[1:n4]';fit4=[num4,jingdu4'];子函数1(Gause_Sedel算法):function [x,n,xx,cc,jingdu] = gauss_seidel(A,b,err,M)% 利用迭代方法求解矩阵方程这里是高斯赛尔得迭代方法% A 为系数矩阵b 为右端向量err为精度大小返回求解所得向量x及迭代次数% M 为最大迭代次数cc 迭代矩阵普半径jingdu 求解过程的精度n 所需迭代次数xx 存储求解过程中每次迭代产生的解for ii=1:length(b)if A(ii,ii)==0x='error';break;endendD=diag(diag(A));L=-tril(A,-1);U=-triu(A,1);B=(D-L)\U;cc=vrho(B); %迭代矩阵普半径FG=(D-L)\b;x0=zeros(length(b),1);x=B*x0+FG;k=0;xx(:,1)=x;while norm(A*x-b)>errx0=x;x=B*x0+FG;k=k+1;xx(:,k+1)=x;if k>=Mdisp('迭代次数太多可能不收敛！');break;endjingdu(k)=norm(A*x-b);endend子函数2(最速下降算法):function [x,n,xx,jingdu]=zuisuxiajiangfa(A,b,eps,M)% 利用迭代方法求解矩阵方程这里是最速下降迭代方法% A 为系数矩阵b 为右端向量err为精度大小返回求解所得向量x及迭代次数% % M 为最大迭代次数jingdu 求解过程的精度n 所需迭代次数xx 存储求解过程中每次迭代产生的解x0=zeros(length(b),1);r0=b-A*x0;t0=r0'*r0/(r0'*A*r0);x=x0+t0*r0;r=b-A*x;xx(:,1)=x;k=0;while norm(r)>epsr=r;x=x;t=r'*r/(r'*A*r);x=x+t*r;r=b-A*x;k=k+1;xx(:,k+1)=x;if k>=Mdisp('迭代次数太多可能不收敛！');break;endn=k;jingdu(k)=norm(r);endend子函31(共轭梯度法):function [x,xx,n,jingdu]=con_grad(A,b,eps,M)% 利用迭代方法求解矩阵方程这里是共轭梯度迭代方法% A 为系数矩阵b 为右端向量err为精度大小返回求解所得向量x及迭代次数% M 为最大迭代次数jingdu 求解过程的精度n 所需迭代次数xx 存储求解过程中每次迭代产生的解x0=zeros(length(b),1);r0=b-A*x0;p0=r0;% t0=r0'*r0/(r0'*A*r0);% x=x0+t0*r0;% xx(:,1)=x;k=0;x=x0;r=r0;p=p0;while norm(r)>epsx=x;r=r;p=p;afa=r'*r/(p'*A*p);x1=x+afa*p;r1=r-afa*A*p;beta=r1'*r1/(r'*r);p1=r1+beta*p;x=x1;r=r1;p=p1;k=k+1;xx(:,k)=x;if k>=Mdisp('迭代次数太多可能不收敛！');break;endn=k;jingdu(k)=norm(r);endend。

Matlab解方程(方程组)

Matlab 解方程这里系统的介绍一下关于使用Matlab求解方程的一系列问题，网络上关于Matlab求解方程的文章数不胜数，但是我大体浏览了一下，感觉很多文章都只是零散的介绍了一点，都只给出了一部分Matlab函数例子，以至于刚接触的人面对不同文章中的不同函数一脸茫然，都搞不清楚这些函数各自的用途，也不知道在什么样的情况下该选择哪个函数来求解方程，在使用Matlab解方程时会很纠结。

不知道读者是否有这样的感觉，反正我刚开始接触时就是这样的感觉，面对网络搜索到一系列函数都好想知道他们之间是个什么关系。

所谓的方程就是含有未知数的等式，解方程就是找出使得等式成立时的未知数的数值。

求方程的解可以转换成不同形式，比如求函数的零点、多项式的根。

方程分类很多，按照未知数个数分为一元、二元、多元方程；按照未知数组合形式分为线性方程和非线性方程；按照非零项次数是否一致分为齐次方程和非齐次方程。

线性方程就是方程中未知数次数是一次的，未知数之间不存在指、对、2及以上幂次的关系，线性方程又分为一元线性方程，也就是一元一次方程；多元线性方程，也就是多元一次方程，多以线性方程组的形式出现（包括齐次线性方程组和非齐次线性方程组）。

在Matlab中求解方程的函数主要有roots、solve、fzero、和fsolve函数等，接下来详细的介绍一下各个Matlab函数的使用方法和使用场合。

一、直接求解法(线性方程组)直接求解法不需要借助任何的Matlab函数，主要用于求解线性方程组，也就是未知数次数是一次的方程组，包括齐次线性方程组合非齐次线性方程组。

当然既然可以求解方程组自然也就可以求解单个方程。

主要针对A x=b形式的方程，其中A是未知数系数矩阵，x是未知数列向量，b是常数列向量，当b=0时就是齐次线性方程组，b ≠0时是非齐次线性方程组。

用左除法，x=A\b例：求解线性方程组的解12341242341234251357926640x x x x x x x x x x x x x x +-+=⎧⎪-+=-⎪⎨+-=⎪⎪+--=⎩解：即直接利用b 左除以A 。

matlab-解方程

1、解方程组问1：如何用matlab解方程组？这个问题其实在matlab中解方程组还是很方便的，例如，对于代数方程组Ax=b(A为系数矩阵，非奇异)的求解，MATLAB中有两种方法：(1)、x=inv(A)*b —采用求逆运算解方程组；(2)、x=A\ —采用左除运算解方程组。

例:x1+2x2=82x1+3x2=13>>A=[1,2;2,3];b=[8;13];>>x=inv(A)*bx =2.003.00>>x=A\bx =2.003.00；即二元一次方程组的解x1和x2分别是2和3。

问2：如何用matlab解多次的方程组？有符号解法，方法是：先解出符号解，然后用vpa(F,n)求出n位有效数字的数值解。

具体步骤如下：第一步:定义变量syms x y z ...;第二步:求解[x,y,z,...]=solve('eqn1','eqn2',...,'eqnN','var1','var2',...'varN');第三步:求出n位有效数字的数值解x=vpa(x,n);y=vpa(y,n);z=vpa(z,n);...。

如：解二(多)元二(高)次方程组：x^2+3*y+1=0y^2+4*x+1=0解法如下：>>syms x y;>>[x,y]=solve('x^2+3*y+1=0','y^2+4*x+1=0');>>x=vpa(x,4);>>y=vpa(y,4);结果是：x =1.635+3.029*i1.635-3.029*i-.283-2.987y =1.834-3.301*i1.834+3.301*i-.3600-3.307。

二元二次方程组，共4个实数根；问3，如何用matlab解高次方程组(非符号方程组)？举个例子好吗？解答如下：基本方法是：solve(s1,s2,…,sn,v1,v2,…,vn)，即求表达式s1,s2,…,sn组成的方程组，求解变量分别v1,v2,…,vn。

Matlab数组运算及线型方程组的求解

数组运算及线型方程组的求解1．“：”号的用法。

用“：”号生成行向量a=[1 2 3 4 5 6 7 89 10]、b=[5 3 1 -1 -3 -5]；用线性等分命令linspace重新生成上述的a和b向量。

另，在100和10000之间用对数等分命令logspace生成10维的向量c。

linspace(1,10,10) linspace(5,-5,6) ak=logspace(2,4,10)2. 已知多项式a(x)=x2+2x+3，b(x)=4x2+5x+6，求a，b积的微分。

a=[1 2 3];b=[4 5 6];c=polyder(a,b)c=poly2str(c,'x')3.用生成下列矩阵，取出方框内的数组元素a=[1:5;10:-1:6;11:15;16:20;21:25]q=a(2,2:3)m=a(2:4,4)n=a(4:5,1:3)4. 生成一个9×9维的魔方矩阵，提取其中心的3×3维子矩阵M，利用sum函数检验其各行和各列的和是否相等。

并且实现上述中心矩阵左旋90°或右旋90°，左右翻转，上下翻转a=magic(9)a =47 58 69 80 1 12 23 34 45 57 68 79 9 11 22 33 44 46 67 78 8 10 21 32 43 54 56 77 7 18 20 31 42 53 55 66 6 17 19 30 41 52 63 65 76 16 27 29 40 51 62 64 75 5 26 28 39 50 61 72 74 4 1536 38 49 60 71 73 3 14 2537 48 59 70 81 2 13 24 35>> m=a(4:6,4:6)m =20 31 42 30 41 52 40 51 62 >> c=rot90(m)c =42 52 62 31 41 51 20 30 40 >> c=rot90(m,-1)c =40 30 20 51 41 31 62 52 42 >> s=fliplr(m)s =42 31 20 52 41 30 62 51 40 >> w=flipud(m)w =40 51 62 30 41 52 20 31 425.已知a=[1 2 3:4 5 6;7 8 0]，求其特征多项式并求其根、特征值和特征多项式6. 计算二重不定积分7.求解微分方程。

matlab求解代数方程组解析

第三讲 Matlab 求解代数方程组理论介绍：直接法+迭代法，简单介绍相关知识和应用条件及注意事项软件求解：各种求解程序讨论如下表示含有n 个未知数、由n 个方程构成的线性方程组：11112211211222221122n n n n n n nn n na x a x a xb a x a x a x b a x a x a x b +++=⎧⎪+++=⎪⎨⎪⎪+++=⎩ （1）一、直接法 1.高斯消元法：高斯消元法的基本原理：在（1）中设110,a ≠将第一行乘以111,k a a -加到第(2,3,,),k k n = 得： (1)(1)(1)(1)11112211(2)(1)(2)22112(2)(2)(2)22n n n n n nn n n a x a x a x b a x a x b a x a x b ⎧+++=⎪++=⎪⎨⎪⎪++=⎩（2）其中(1)(1)1111,.k k aa b b ==再设(2)220,a ≠将（2）式的第二行乘以(2)2(2)22,(3,,)k a k n a -= 加到第k 行，如此进行下去最终得到：(1)(1)(1)(1)11112211(2)(1)(2)22112(1)(1)(1)1,111,1()()n n n n n n n n n n n n n n n n nn n n a x a x a x b a x a x b a x a x b a x b --------⎧+++=⎪++=⎪⎪⎨⎪+=⎪⎪=⎩（3）从（3）式最后一个方程解出n x ，代入它上面的一个方程解出1n x -，并如此进行下去，即可依次将121,,,,n n x x x x - 全部解出，这样在()0(1,2,,)k kk a k n ≠= 的假设下，由上而下的消元由下而上的回代，构成了方程组的高斯消元法. 高斯消元法的矩阵表示：若记11(),(,,),(,,)T T ij n n n n A a x x x b b b ⨯=== ，则（1）式可表为.Ax b =于是高斯消元法的过程可用矩阵表示为：121121.n n M M M Ax M M M b --=其中：(1)21(1)111(1)1(1)11111n a a M a a ⎛⎫ ⎪ ⎪- ⎪=⎪ ⎪ ⎪ ⎪- ⎪⎝⎭ (2)32(2)222(2)2(2)221111n a a M a a ⎛⎫⎪⎪ ⎪-⎪=⎪ ⎪ ⎪⎪- ⎪⎝⎭高斯消元法的Matlab 程序： %顺序gauss 消去法,gauss 函数 function[A,u]=gauss(a,n) for k=1:n-1%消去过程 for i=k+1:n for j=k+1:n+1%如果a(k,k)=0,则不能削去 if abs(a(k,k))>1e-6 %计算第k 步的增广矩阵 a(i,j)=a(i,j)-a(i,k)/a(k,k)*a(k,j); else%a(k,k)=0,顺序gauss 消去失败 disp (‘顺序gauss 消去失败‘)； pause; exit; end end end end%回代过程 x(n)=a(n,n+1)/a(n,n); for i=n-1:-1:1 s=0; for j=i+1:n s=s+a(i,j)*x(j); endx(i)=(a(i,n+1)-s)/a(i,i); end%返回gauss 消去后的增广矩阵 A=triu(a); %返回方程组的解 u=x ;练习和分析与思考：用高斯消元法解方程组：12345124512345124512452471523814476192536x x x x x x x x x x x x x x x x x x x x x x ++++=⎧⎪+++=⎪⎪++++=⎨⎪+++=⎪+++=⎪⎩2.列主元素消元法在高斯消元法中进行到第k 步时，不论()k ik a 是否为0，都按列选择()||(,,)k ik a i k n = 中最大的一个，称为列主元，将列主元所在行与第k 行交换再按高斯消元法进行下去称为列主元素消元法。

利用matlab解线性方程组

数值计算实验——解线性方程组西南交通大学2012级茅7班20123257 陈鼎摘要本报告主要介绍了基于求解线性方程组的高斯消元法和列主消元法两种数值分析方法的算法原理及实现方法。

运用matlab数学软件辅助求解。

实验内容1．编写用高斯消元法解线性方程组的MATLAB程序，并求解下面的线性方程组，然后用逆矩阵解方程组的方法验证。

2．编写用列主消元法解线性方程组的MATLAB程序，并求解下面的线性方程组，然后用逆矩阵解方程组的方法验证。

给定方程组如下：①0.325x1+2.564x2+3.888x3+5x4=1.521②-1.548x1+3.648x2+4.214x3-4.214x4=2.614③-2.154x1+1.647x2+5.364x3+x4=3.978④0x1+2.141x2-2.354x3-2x4=4.214A.高斯消元法一、算法介绍高斯消元法是一种规则化的加减消元法。

基本思想是通过逐次消元计算把需要求解的线性方程组转化成为上三角方程组，即把现形方程组的系数矩阵转化为上三角矩阵，从而使一般线性方程组的求解转化为等价的上三角方程组的求解。

二、matlab程序function [RA,RB,n,X]=gaus(A,b)B=[A b]; n=length(b); RA=rank(A);RB=rank(B);zhica=RB-RA;if zhica>0,disp(‘因为RA~=RB，所以此方程组无解.')returnendif RA==RBif RA==ndisp(‘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-1for k=p+1:nm= B(k,p)/ B(p,p); B(k,p:n+1)= B(k,p:n+1)-m* B(p,p:n+1);endendb=B(1:n,n+1);A=B(1:n,1:n); X(n)=b(n)/A(n,n);for q=n-1:-1:1X(q)=(b(q)-sum(A(q,q+1:n)*X(q+1:n)))/A(q,q);endelsedisp(‘因为RA=RB<n，所以此方程组有无穷多解.')endend三、实验过程与结果输入的量：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，方程中未知量的个数n和有关方程组解X及其解的信息。

matlab线性方程组求解

0.9739 -0.0047 1.0010
n= 5 Jacobi 迭代法： function [x,n]=jacobi(A,b,x0,eps,varargin) if nargin==3 eps= 1.0e-6; M = 200; elseif nargin<3 error return elseif nargin ==5 M = varargin{1}; end D=diag(diag(A)); L=-tril(A,-1); U=-triu(A,1); B=D/(L+U); f=D/b; x=B*x0+f; n=1; % 迭代次数 % 求 A 的对角矩阵 % 求 A 的上三角阵
n= 5 Gauss-Seidel 迭代法： function [x,n]=gauseidel(A,b,x0,eps,M) if nargin==3 eps= 1.0e-6; M = 200; elseif nargin == 4 M = 200; elseif nargin<3 error return; end D=diag(diag(A)); L=-tril(A,-1); U=-triu(A,1); G=(D-L)/U; f=(D-L)/b; % 求 A 的对角矩阵 % 求 A 的上三角阵 % 求 A 的下三角阵
批注本地保存成功开通会员云端永久保存去开通
线性方程组求解 1. 直接法 Gauss 消元法： function x=DelGauss(a,b) % Gauss 消去法 [n,m]=size(a); nb=length(b); det=1;% 存储行列式值 x=zeros(n,1); for k=1:n-1 for i=k+1:n if a(k,k)==0 return end m=a(i,k)/a(k,k); for j=k+1:n a(i,j)=a(i,j)-m*a(k,j); end b(i)=b(i)-m*b(k); end det=det*a(k,k); end det=det*a(n,n);

数值分析MATLAB科学计算—线性方程组

科学计算—理论、方法及其基于ＭＡＴＬＡＢ的程序实现与分析三、解线性方程组（线性矩阵方程）解线性方程组是科学计算中最常见的问题。

所说的“最常见”有两方面的含义：１）问题的本身是求解线性方程组；２）许多问题的求解需要或归结为线性方程组的求解。

关于线性方程组B A x B Ax 1-=⇒=（１）其求解方法有两类：１）直接法：高斯消去法（Gaussian Elimination ）；２）间接法：各种迭代法（Iteration ）。

１、高斯消去法１）引例考虑如下（梯形）线性方程组：()⎪⎩⎪⎨⎧==+==+-=⇒⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎭⎫ ⎝⎛⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--⇔⎪⎩⎪⎨⎧==-=+-5.0141315.3221122004301211214322332321321332321x x x x x x x x x x x x x x x 高斯消去法的求解思路：把一般的线性方程组（１）化成（上或下）梯形的形式。

２）高斯消去法——示例考虑如下线性方程组：⎪⎪⎪⎭⎫ ⎝⎛-=⎪⎪⎪⎭⎫ ⎝⎛⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---⇔⎪⎩⎪⎨⎧=++-=-+-=+-306015129101.2001.221113060129501.2001.221321321321321x x x x x x x x x x x x １）第一个方程的两端乘12加到第二个方程的两端，第一个方程的两端乘－１加到第三个方程的两端，得⎪⎪⎪⎭⎫⎝⎛-=⎪⎪⎪⎭⎫ ⎝⎛⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--3060031110001.0001.00111321x x x２）第二个方程的两端乘001.010-加到第三个方程的两端，得 ⎪⎪⎪⎭⎫⎝⎛-=⎪⎪⎪⎭⎫ ⎝⎛⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--60600311010001.0001.00111321x x x３）从上述方程组的第三个方程依此求解，得()⎪⎩⎪⎨⎧==+-==+-=600300001.03100024011332321x x x x x x ３）高斯消去法的不足及其改进——高斯（全、列）主元素消去法在上例中，由于建模、计算等原因，系数2.001而产生0.0005的误差，实际求解的方程组为⎪⎪⎪⎭⎫⎝⎛-=⎪⎪⎪⎭⎫ ⎝⎛⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---306015129101.20005.22111321x x x ⎪⎩⎪⎨⎧===⇒70.4509.30142.2565321x x x注：数值稳定的算法高斯列主元素消去法就是在消元的每一步选取（列）主元素—一列中绝对值最大的元取做主元素，高斯列主元素消去法是数值稳定的方法。

matlab实验三

3、方阵的行列式求方阵的行列式的函数为det，其调用格式为det(A)
4、矩阵的特征值分解

MATLAB中，求方阵的特征值和特征向量的函数为eig，调用格式如下： e=eig(A) 求方阵A的特征值组成的列向量e。
A) 求矩阵A的逆。要求矩阵A是方阵
且是非奇异的，如果A是病态的或接近奇异
1、矩阵的加（+）减（-）运算：

A±B
矩阵A和矩阵B的和与差，即矩阵相应位置
的元素相加、减。
进行加减运算的矩阵，要求维数相同，即行数
和列数分别相等，如果A与B大小不同，MATLAB将自
动给出错误信息。 A和B其中之一可以是标量，表示矩阵中的每个元素分别与标量相加减，结果为矩阵。
9
矩阵的算术运算
18
线性方程组的求解
线性方程组 AX=b 的求解是用矩阵除来完成的.
当 m=n 且A可逆时, 给出唯一解,此时我们可用
A\b来求解；当XA=b 时，用A/b来求解我们也可以利用命令rref来求解任意的线性方程组.
矩阵函数
1、矩阵的共轭

MATLAB中求矩阵的共轭矩阵的函数是conj，其调用
格式为：
（3）当A为标量，B为矩阵时，要求B为方阵。
A1 1 A B V * *V A n
其中V为方阵A的特征向量矩阵，
1 D n
为方阵A的特征值对角矩阵。
（4）A和B都是矩阵时，无定义。
16
5、矩阵的点幂运算：.^
实验三矩阵运算与线性方程组求解
MATLAB的所有数值功能都是以（复）矩阵为基本单元进行的，向量和标量都作为特殊的矩阵来处

matlab求线性方程组的解

matlab求线性方程组的解求解线性方程分为两种方法–直接法和迭代法常见的方法一共有8种直接法Gauss消去法Cholesky分解法迭代法Jacobi迭代法Gauss-Seidel迭代法超松弛迭代法共轭梯度法Bicg迭代法Bicgstab迭代法这里我从计算代码的角度来解释一下，代码按以下顺序给出。

把方程组直接带入已知条件，就可以得到答案。

适用条件Gauss消去法：求解中小规模线性方程（阶数不过1000），一般用于求系数矩阵稠密而且没有任何特殊结构的线性方程组Cholesky分解法：对称正定方程优先使用，系数矩阵A是n 阶对称正定矩阵Jacobi迭代法非奇异线性方程组，分量的计算顺序没有关系Gauss-Seidel迭代法与Jacobi迭代法相似，但计算的分量不能改变超松弛迭代法Jacobi迭代法和Gauss-Seidel迭代法的加速版，由Gauss-Seidel迭代法改进而来，速度较快共轭梯度法需要确定松弛参数w,只有系数矩阵具有较好的性质时才可以找到最佳松弛因子。

但好处是不用确定任何参数，他是对称正定线性方程组的方法也是求解大型稀疏线性方程组最热门的方法Bicg迭代法本质是用双共轭梯度求解线性方程组的方法，对求解的方程没有正定性要求Bicgstab迭代法本质是用稳定双共轭梯度求解线性方程组的方法，对求解的方程没有正定性要求Gauss消去法第一、二个函数ltri、utri是一定要掌握的，后面的几乎每个函数都要用到ltri简单来说，当Ly=bb,L(非奇异下三角矩阵）已知求yfunction y =ltri(L,b)n=size(b,1);y=zeros(n,1);for j =1:n-1y(j)=b(j)/L(j,j);b(j+1:n)=b(j+1:n)-y(j)*L(j+1:n,j); endy(n)=b(n)/L(n,n);utri简单来说，当Ux=yy,U(非奇异上三角矩阵）已知求xfunction x =utri(U,y)n=size(y,1);x=zeros(n,1);for j = n:-1:2x(j)=y(j)/U(j,j);y(1:j-1)=y(1:j-1)-x(j)*U(1:j-1,j);endx(1)=y(1)/U(1,1);gauss算法，计算时粘贴过去就好function[L,U]=gauss(A)n=size(A,1);for k =1:n-1A(k+1:n,k)=A(k+1:n,k)/A(k,k);A(k+1:n,k+1:n)=A(k+1:n,k +1:n)-A(k+1:n,k)*A(k,k+1:n);endL=tril(A,-1)+eye(n);U=triu(A);使用例子已经知道一个线性方程组，这里我就不写出数学形式了，A是系数矩阵，直接把上面写好的函数复制过来在运算就可以。

线性代数方程组数值解法及MATLAB实现综述

线性代数方程组数值解法及MATLAB 实现综述廖淑芳 20122090 数计学院 12计算机科学与技术1班（职教本科）一、分析课题随着科学技术的发展，提出了大量复杂的数值计算问题，在建立电子计算机成为数值计算的主要工具以后，它以数字计算机求解数学问题的理论和方法为研究对象。

其数值计算中线性代数方程的求解问题就广泛应用于各种工程技术方面。

因此在各种数据处理中，线性代数方程组的求解是最常见的问题之一。

关于线性代数方程组的数值解法一般分为两大类：直接法和迭代法。

直接法就是经过有限步算术运算，可求的线性方程组精确解的方法（若计算过程没有舍入误差），但实际犹如舍入误差的存在和影响，这种方法也只能求得近似解，这类方法是解低阶稠密矩阵方程组级某些大型稀疏矩阵方程组的有效方法。

直接法包括高斯消元法，矩阵三角分解法、追赶法、平方根法。

迭代法就是利用某种极限过程去逐步逼近线性方程组精确解的方法。

迭代法具有需要计算机的存储单元少，程序设计简单，原始系数矩阵在计算过程始终不变等优点，但存在收敛性级收敛速度问题。

迭代法是解大型稀疏矩阵方程组（尤其是微分方程离散后得到的大型方程组）的重要方法。

迭代法包括Jacobi 法SOR 法、SSOR 法等多种方法。

二、研究课题-线性代数方程组数值解法一、直接法 1、 Gauss 消元法通过一系列的加减消元运算，也就是代数中的加减消去法，以使A 对角线以下的元素化为零，将方程组化为上三角矩阵；然后，再逐一回代求解出x 向量。

1.1消元过程1. 高斯消元法(加减消元)：首先将A 化为上三角阵，再回代求解。

11121121222212n n n n nn n a a a b a a a b a a a b ⎛⎫ ⎪ ⎪ ⎪ ⎪⎝⎭L L M M O M M L (1)(1)(1)(1)(1)11121311(2)(2)(2)(2)222322(3)(3)(3)3333()()000000nn n n n nn n a a a a b a a a b a a b a b ⎛⎫ ⎪ ⎪ ⎪ ⎪⎪ ⎪⎝⎭L L L M M M OM M L 步骤如下：第一步：1111,2,,i a i i n a -⨯+=L 第行第行 11121121222212n nn n nn n a a a b a a a b a a a b ⎛⎫⎪ ⎪ ⎪⎪⎝⎭L L M M O M M L111211(2)(2)(2)2222(2)(2)(2)200n nn nn n a a a b a a b a a b ⎛⎫⎪⎪ ⎪ ⎪⎝⎭LL M M O M M L第二步：(2)2(2)222,3,,i a i i n a -⨯+=L 第行第行111211(2)(2)(2)2222(2)(2)(2)200nnn nn n a a a b a a b a a b ⎛⎫ ⎪⎪ ⎪ ⎪⎝⎭L L M M O M M L11121311(2)(2)(2)(2)222322(3)(3)(3)3333(3)(3)(3)300000n n nn nn n a a a a b a a a b a a b a a b ⎛⎫⎪ ⎪ ⎪⎪⎪ ⎪⎝⎭LL LM M M O M M L 类似的做下去，我们有：第k 步：()()k ,1,,k ikk kka i i k n a -⨯+=+L 第行第行。

MATLAB与线性方程组求解

科学从来不是以繁琐为特征的，工程问题则是很繁琐的，所以工程师需要计算机辅助，让计算机去处理大量的简单重复性工作，让人可以集中精力处理重要的关键性决策。

以现代飞行器外形设计为例，它决定了整个飞行器的空气动力学特征，因而地位十分重要。

现在流体动力学的理论和计算流体动力学软件已经很成熟，问题是如何应用到特定的外形上来。

人们采用的方法就是把飞行器的外形分成若干大的部件，每个部件沿着其表面用三维的细网格划分出许多立方体，这些立方体包括了机身表面以及此表面内外的空气。

对每个立方体列出空气动力学方程，其中包括了与它相邻的立方体的共同边界变量，这些方程通常都已经简化为线性方程。

对一个飞行器，小立方体的数目可以多达400,000个，而要解的联立方程可能多达2,000,000个。

对如此大的方程组在求解之前先要简化，简化方法包括：一是利用许多不相邻的元素之间没有关联，其交叉系数为零，在整个大联立方程组中，绝大部分的系数为零，使用稀疏矩阵的计算方法；二是把矩阵进行分解如LU分解，可以大大提高计算速度。

工程问题不断向矩阵理论提出需求，从而推动了理论的发展。

绝不是某些超人，从定义出发，冥思苦想出新理论的。

卫星遥感图象处理中，气象和地球资源卫星大约用90分钟绕地球一圈，拍摄的图像宽度约为150公里。

地球赤道长40,000公里，因此大约每16天，可以扫描地球的每个角落一遍。

卫星上用三种可见光和四种红外光进行摄像，对每一个区域，可以获得七张遥感图象。

利用多通道的遥感图可以获取尽可能多的地面信息，因为各种地貌、作物和气象特征可能对不同波段的光敏感。

而在实用上应该寻找每一个地方的主因素，再把它们合成起来，成为一张实用的图象。

每一个象素上有七个数据，形成一个多元的变量数组，在其中合成并求取主因素的问题，就与线性代数中要讨论的特征值问题有关。

国家地理信息系统在全国设立几十万个观察点，把每一点的经度、纬度和高度三个坐标建立起来。

由于地壳的变动，测量仪器的现代化和实际需求的增长，地理信息系统精细化的工程是与无止境的。

数值计算方法实验指导(Matlab版)

《数值计算方法》实验指导（Matlab版）学院数学与统计学学院计算方法课程组《数值计算方法》实验1报告班级： 20##级####x 班学号： 20##2409#### ： ##X 成绩：1. 实验名称实验1 算法设计原则验证（之相近数相减、大数吃小数和简化计算步骤） 2. 实验题目(1) 取1610=z ，计算z z -+1和)1/(1z z ++，验证两个相近的数相减会造成有效数字的损失．(2) 按不同顺序求一个较大的数（123）与1000个较小的数（15310-⨯）的和，验证大数吃小数的现象．(3) 分别用直接法和九韶算法计算多项式n n n n a x a x a x a x P ++++=--1110)(在x =1.00037处的值．验证简化计算步骤能减少运算时间．对于第(3)题中的多项式P (x )，直接逐项计算需要2112)1(+=+++-+n n n 次乘法和n 次加法，使用九韶算法n n a x a x a x a x a x P ++++=-)))((()(1210则只需要n 次乘法和n 次加法． 3. 实验目的验证数值算法需遵循的若干规则． 4. 基础理论设计数值算法时，应避免两个相近的数相减、防止大数吃小数、简化计算步骤减少运算次数以减少运算时间并降低舍入误差的积累．两相近的数相减会损失有效数字的个数，用一个大数依次加小数，小数会被大数吃掉，乘法运算次数太多会增加运算时间． 5. 实验环境操作系统：Windows xp ；程序设计语言：Matlab6. 实验过程(1) 直接计算并比较；(2) 法1：大数逐个加1000个小数，法2：先把1000个小数相加再与大数加； (3) 将由高次项到低次项的系数保存到数组A[n]中，其中n 为多项式次数．7. 结果与分析 (1) 计算的z z -+1= ，)1/(1z z ++．分析：(2) 123逐次加1000个6310-⨯的和是，先将1000个6310-⨯相加，再用这个和与123相加得．分析：(3) 计算次的多项式：直接计算的结果是，用时；用九韶算法计算的结果是，用时．分析：8. 附录：程序清单(1) 两个相近的数相减．%*************************************************************%* 程序名：ex1_1.m *%* 程序功能：验证两个相近的数相减会损失有效数字个数 *%*************************************************************z=1e16;x,y======================================================================(2) 大数吃小数%*************************************************************%* 程序名：ex1_2.m *%* 程序功能：验证大数吃小数的现象. *%*************************************************************clc; % 清屏clear all; % 释放所有存变量format long; % 按双精度显示浮点数z=123; % 大数t=3e-15; % 小数x=z; % 大数依次加小数% 重复1000次给x中加上ty=0; % 先累加小数% 重复1000次给y中加上ty=z + y; % 再加到大数x,y======================================================================(3) 九韶算法%*************************************************************%* 程序名：ex1_3.m *%* 程序功能：验证九韶算法可节省运行时间. *%*************************************************************clc; % 清屏clear all; % 释放所有存变量format long; % 按双精度显示浮点数A=[8,4,-1,-3,6,5,3,2,1,3,2,-1,4,3,1,-2,4,6,8,9,50,-80,12,35,7,-6,42,5,6,23,74,6 5,55,80,78,77,98,56];A(10001)=0; % 扩展到10001项，后面的都是分量0% A为多项式系数,从高次项到低次项x=1.00037;n=9000; % n为多项式次数% 直接计算begintime=clock; % 开始执行的时间 % 求x的i次幂% 累加多项式的i次项endtime=clock; % 完毕执行的时间time1=etime(endtime,begintime); % 运行时间disp('直接计算');disp(['p(',num2str(x),')=',num2str(p)]);disp([' 运行时间: ',num2str(time1),'秒']);% 九韶算法计算begintime=clock; % 开始执行的时间% 累加九韶算法中的一项endtime=clock; % 完毕执行的时间time2=etime(endtime,begintime); % 运行时间disp(' ');disp('九韶算法计算');disp(['p(',num2str(x),')=',num2str(p)]);disp([' 运行时间: ',num2str(time2),'秒']);《数值计算方法》实验1报告班级： 20##级####x 班学号： 20##2409#### ： ##X 成绩：1. 实验名称实验1 算法设计原则验证（之数值稳定性） 2. 实验题目计算定积分⎰==-1110,1,0,d n x e xI x nn ，分别用教材例1-7推导出的算法A 和B ，其中：算法A ：⎩⎨⎧≈-=-6321.0101I nI I n n 算法B ：⎪⎩⎪⎨⎧≈-=-0)1(1101I I nI n n 验证算法不稳定时误差会扩大．3. 实验目的验证数值算法需遵循的若干规则． 4. 基础理论设计数值算法时，应采用数值稳定性好的算法．数值稳定的算法，误差不会放大，甚至会缩小；而数值不稳定的算法会放大误差． 5. 实验环境操作系统：Windows xp ；程序设计语言：Matlab6. 实验过程分别用数组IA[ ]和IB[ ]保存两种算法计算的结果． 7. 结果与分析运行结果：（或拷屏）8. 附录：程序清单%*************************************************************%* 程序名：ex1_4.m *%* 程序功能：验证数值稳定性算法可控制误差. *%*************************************************************clc; % 清屏clear all; % 释放所有存变量format long; % 按双精度显示浮点数I=[0.856, 0.144, 0.712, 0.865, ...0.538, 0.308, 0.154, 0.938, ...0.492, 0.662, 0.843];% 保留14位小数的精确值, …是Matlab中的续行符% 算法AIA(1) = 0.6321; % Matlab下标从1开始，所以要用IA(n+1)表示原问题中的I(n）% 算法Bdisp('n 算法A 算法B 精确值');for n=1:11fprintf('%2d %14.6f %14.6f %14.6f\n',n-1,IA(n),IB(n),I(n));end% n显示为2位整数, 其它显示为14位其中小数点后显示6位的小数《数值计算方法》实验1报告班级： 20##级####x 班学号： 20##2409#### ： ##X 成绩：1. 实验名称实验1 算法设计原则（除数绝对值不能太小） 2. 实验题目将线性方程组增广矩阵利用初等行变换可化为⎪⎪⎭⎫⎝⎛→-⎪⎪⎭⎫ ⎝⎛→-⎪⎪⎭⎫ ⎝⎛''0'0''02221112'12221121112222211121122121121b a b a r r b a b a a r r b a a b a a a a a a由此可解得'/',/'22221111a b x a b x ==．分别解增广矩阵为161011212-⎛⎫ ⎪⎝⎭和162121011-⎛⎫⎪⎝⎭的方程组，验证除数绝对值远小于被除数绝对值的除法会导致结果失真． 3. 实验目的验证数值算法需遵循的若干规则． 4. 基础理论设计数值算法时，应避免除数绝对值远小于被除数绝对值的除法，否则绝对误差会被放大，使结果失真． 5. 实验环境操作系统：Windows xp ；程序设计语言：Matlab6. 实验过程用二维数组A 和B 存放方程组的增广矩阵，利用题目所给初等行变换求解方程组． 7. 结果与分析第1种顺序的方程组的解为x =，y =；第2种顺序的方程组的解为x =，y =．分析：8. 附录：程序清单%************************************************************* %* 程序名：ex1_5.m * %* 程序功能：验证除数的绝对值太小可能会放大误差. * %*************************************************************clc;A=[1e-16, 1, 1; 2, 1, 2];B=[2, 1, 2; 1e-16, 1, 1]; % 增广矩阵% 方程组A% m = - a_{21}/a_{11} 是第2行加第1行的倍数% 消去a_{21}% m = - a_{12}/a_{22} 是第1行加第2行的倍数% 消去a_{12}, 系数矩阵成对角线% 未知数x1的值% 未知数x2的值disp(['方程组A的解: x1=',num2str(A(1,3)),', x2=',num2str(A(2,3))]); disp(' ');% 方程组B% m = - b_{21}/b_{11} 是第2行加第1行的倍数% 消去b_{21}% m = - b_{12}/b_{22} 是第1行加第2行的倍数% 消去b_{12}, 系数矩阵成对角线% 未知数x1的值% 未知数x2的值disp(['方程组B的解: x1=',num2str(B(1,3)),', x2=',num2str(B(2,3))]);《数值计算方法》实验2报告班级： 20##级####x 班学号： 20##2409#### ： ##X 成绩：1. 实验名称实验2 非线性方程的迭代解法(之简单迭代法) 2. 实验题目用简单迭代法求方程010423=-+x x 在区间[1,2]的一个实根，取绝对误差限为410-．3. 实验目的掌握非线性方程的简单迭代法． 4. 基础理论简单迭代法：将方程0)(=x f 改写成等价形式)(x x ϕ=，从初值0x 开始，使用迭代公式)(1k k x x ϕ=+可以得到一个数列，若该数列收敛，则其极限即为原方程的解．取数列中适当的项可作为近似解． 5. 实验环境操作系统：Windows xp ；程序设计语言：Matlab 6. 实验过程7. 结果与分析8. 附录：程序清单《数值计算方法》实验2报告班级： 20##级####x 班学号： 20##2409#### ： ##X 成绩：1. 实验名称实验2 非线性方程的迭代解法(之Newton 迭代法) 2. 实验题目用Newton 迭代法求方程010423=-+x x 在区间[1,2]的一个实根，取绝对误差限为410-．3. 实验目的掌握求解非线性方程的Newton 迭代法． 4. 基础理论Newton 迭代法：解方程0)(=x f 的Newton 迭代公式为)(')(1k k k k x f x f x x -=+．5. 实验环境操作系统：Windows xp ；程序设计语言：Matlab 6. 实验过程7. 结果与分析8. 附录：程序清单《数值计算方法》实验2报告班级： 20##级####x 班学号： 20##2409#### ： ##X 成绩：1. 实验名称实验2 非线性方程的迭代解法(之对分区间法) 2. 实验题目用对分区间法求方程310x x --=在区间[1, 1.5]的一个实根，取绝对误差限为410-． 3. 实验目的掌握求解非线性方程的对分区间法． 4. 基础理论对分区间法：取[a ，b ]的中点p ，若f (p ) ≈ 0或b – a < ε，则p 为方程0)(=x f 的近似解；若f (a ) f (p ) < 0，则说明根在区间取[a ，p ]中；否则，根在区间取[p ，b ]中．将新的有根区间记为 [a 1，b 1]，对该区间不断重复上述步骤，即可得到方程的近似根． 5. 实验环境操作系统：Windows xp ；程序设计语言：Matlab 6. 实验过程用宏定义函数f (x )；为了循环方便，得到的新的有根区间始终用[a ，b ]表示；由于新的有根区间可能仍以a 为左端点，这样会反复使用函数值f (a )，为减少运算次数，将这个函数值保存在一个变量fa 中；同样在判断新的有根区间时用到函数值f (p )，若新的有根区间以p 为左端点，则下一次用到的f (a )实际上就是现在的f (p )，为减少运算次数，将这个函数值保存在一个变量fp 中．算法的伪代码描述：Input ：区间端点a ，b ；精度要求（即误差限）ε；函数f （x ）；最大对分次数N Output ：近似解或失败信息7. 结果与分析8. 附录：程序清单说明: 源程序中带有数字的空行，对应着算法描述中的行号%**********************************************************%* 程序名：Bisection.m *%* 程序功能：使用二分法求解非线性方程. *%**********************************************************f=inline('x^3-x-1'); % 定义函数f(x)a=input('有根区间左端点: a=');b=input('右端点:b=');epsilon=input('误差限:epsilona=');N=input('最大对分次数: N=');1 % 对分次数计数器n置12 % 左端点的函数值给变量fafprintf('\n k p f(p) a(k) f(a(k))'); fprintf(' b(k) b-a\n');% 显示表头fprintf('%2d%36.6f%12.6f%12.6f%12.6f\n',0,a,fa,b,b-a);% 占2位其中0位小数显示步数0, 共12位其中小数6位显示各值3% while n≤ N 4 % 取区间中点p5% 求p 点函数值给变量fpfprintf('%2d%12.6f%12.6f',n,p,fp); % 输出迭代过程中的中点信息p 和f(p)6 % 如果f(p)=0或b-a 的一半小于误差限εfprintf('\n\n 近似解为:%f\n',p);% 则输出近似根p (7)return;% 并完毕程序 (7)89 % 计数器加110% 若f(a)与f(p)同号11% 则取右半区间为新的求根区间, 即a 取作p 12 % 保存新区间左端点的函数值 13% 否则14 % 左半区间为新的求根区间, 即b 取作p 15fprintf('%12.6f%12.6f%12.6f%12.6f\n',a,fa,b,b-a); %显示新区间端点与左端函数值、区间长度 16fprintf('\n\n 经过%d 次迭代后未达到精度要求.\n',N); % 输出错误信息(行17)《数值计算方法》实验2报告班级： 20##级####x 班学号： 20##2409#### ： ##X 成绩：1. 实验名称实验2 非线性方程的迭代解法(之Aitken-Steffensen 加速法) 2. 实验题目用Aitken-Steffensen 加速法求方程010423=-+x x 在区间[1,2]的一个实根，取绝对误差限为410-．3. 实验目的熟悉求解非线性方程的Aitken-Steffensen 加速法． 4. 基础理论将方程0)(=x f 改写成等价形式)(x x ϕ=，得到从初值0x 开始的迭代公式)(1k k x x ϕ=+后，基于迭代公式)(1k k x x ϕ=+的Aitken-Steffensen 加速法是通过“迭代-再迭代-加速”完成迭代的，具体过程为kk k k k k k k k k k x y z z y x x y z x y +---===+2)(),(),(21ϕϕ． 5. 实验环境操作系统：Windows xp ；程序设计语言：Matlab 6. 实验过程为了验证Aitken-Steffensen 加速法可以把一些不收敛的迭代加速成迭代收敛，我们使用将方程组变形为31021x x -=，取迭代函数31021)(x x -=ϕ，并利用宏定义出迭代函数．由于不用保存迭代过程，所以用x0表示初值同时也存放前一步迭代的值，y 和z 是迭代过程中产生的y k 和z k ，x 存放新迭代的结果．算法的伪代码描述：Input ：初值x 0；精度要求（即误差限）ε；迭代函数φ（x ）；最大迭代次数N7. 结果与分析8. 附录：程序清单%************************************************************* %* 程序名：Aitken_Steffensen.m * %* 程序功能：用Aitken-Steffensen 加速法求方程. * %************************************************************* clc;clear all;phi=inline('0.5 * sqrt( 10 - x^3)'); % 迭代函数x0=input('初值: x0 = ');epsilon=input('误差限: epsilon='); N=input('最大迭代次数: N=');disp(' n 迭代中间值y(n-1) 再迭代结构z(n-1) 加速后的近似值x(n)'); fprintf('%2d%54.6f\n',0,x0);% 占2位整数显示步数0, 为了对齐, 占54位小数6位显示x01 % n 是计数器2 % while n<=Ny= 3 ; % 迭代 z= 3 ; % 再迭代 x= 3 ; % 加速% x0初值与前一步的近似值, y 和z 是中间变量, x 是下一步的近似值fprintf('%2d%18.6f%18.6f%18.6f\n',n,y,z,x);%显示中间值和迭代近似值6 % 如果与上一步近似解差的绝对值不超过误差限 fprintf('\n\n 近似解 x≈x(%d)≈%f \n',n,x);% 则输出近似根 (7)，可简略为: fprintf('\n\n 近似解 x=%f',x); return; % 并完毕程序(7) 8 % 相当于endif9 % 计数器加110 % 新近似值x 作为下一次迭代的初值 11fprintf('\n 迭代%d 次还不满足误差要求.\n\n',N); %输出错误信息(12)《数值计算方法》实验2报告班级： 20##级####x 班学号： 20##2409#### ： ##X 成绩：1. 实验名称实验2 非线性方程的迭代解法（之Newton 下山法） 2. 实验题目用Newton 下山法求方程010423=-+x x 在区间[1,2]的一个实根，取绝对误差限为410-．3. 实验目的熟悉非线性方程的Newton 下山法． 4. 基础理论Newton 下山法：Newton 下山法公式为)(')(1k k kk k x f x f x x λ-=+，使|)(||)(|1k k x f x f <+，其中10≤<k λ．5. 实验环境操作系统：Windows xp ；程序设计语言：Matlab 6. 实验过程定义函数f(x)和df(x)，其中df(x)是f(x)的导函数．每步迭代时先取下山因子为1，尝试迭代，判断尝试结果是否满足下山因子，若满足则作为这步的迭代结果；否则将下山因子减半，然后再尝试．为防止当前的x k 是极小值点，附近不会有满足下述条件的其它点，使尝试陷入死循环，同时计算机中能表示出的浮点数也有下界，因此我们设置了最大尝试次数．当超过最大尝试次数时，不再进行下山尝试．由于反复尝试迭代且要判断下山条件，所以f (x 0)和f ‘(x 0)会反复使用，为避免重复计算浪费运行时间，将这两个值分别保存在变量fx0和dfx0．而尝试产生的节点，判断下山条件时要用到它的函数值，若尝试成功，这个点会作为下一步的初值再使用，所以把该点的函数值也保存在变量fx 中．算法的伪代码描述：Input ：初值x 0；精度要求（即误差限）ε；函数与其导函数f （x ）和f’(x)；最大迭代次数N ；K 下山尝试最大次数Output ：近似解或失败信息7. 结果与分析8. 附录：程序清单%*************************************************************%* 程序名：NewtonDownhill.m *%* 程序功能：用Newton下山法求解非线性方程. *%*************************************************************clc;clear all;f=inline('x^3-x-1'); % 函数f(x)df=inline('3*x^2-1'); % 函数f(x)的导函数x0=input('初值: x0 = ');epsilon=input('误差限: epsilon=');N=input('最大迭代次数: N=');K=input('最大下山尝试次数: K=');1 % 迭代次数计数器2 % 存x0点函数值fprintf('\n\n n x(n) f(x(n))\n'); % 显示表头fprintf('%2d%14.6f%14.6f\n',0,x0,fx0); % 2位整数显示0, 共14位小数6位显示x0和fx03 % while n≤ Ndisp(''); % 换行显示下山尝试过程的表头disp(' 下山因子尝试x(n) 对应f(x(n)) 满足下山条件');disp('');4 % 存x0点导数值, 每次下山尝试不用重新计算ifdfx0==0 % 导数为0不能迭代disp(‘无法进行Newton迭代’);return;endlambda=1.0; % 下山因子从1开始尝试k=1; % k下山尝试次数计数器while k<=K % 下山最多尝试K次% 下山公式fx=f(x); % 函数值fprintf('%22.6f%14.6f%14.6f',lambda,x,fx); % 显示尝试结果if (abs(fx)<abs(fx0)) % 判断是否满足下山条件fprintf(' 满足\n');break; % 是, 则退出下山尝试的循环elsefprintf(' 不满足\n');endlambda=lambda/2; % 不是, 则下山因子减半k=k+1; % 计数器加1endif k>Kfprintf('\n 下山条件无法满足, 迭代失败.\n\n');return;endfprintf('%2d%14.6f%14.6f\n',n,x,fx);% 2位整数显示步数n, 共14位小数6位显示下步迭代结果22 % 达到精度要求否fprintf('\n\n 方程的近似解为: x≈%f\n\n',x); % (23)return; % 达到, 则显示结果并完毕程序(23) end % (24)% 用x0,fx0存放前一步的近似值和它的函数值, 进行循环迭代25262728fprintf('\n 迭代%d次还不满足误差要求.\n\n',N);《数值计算方法》实验2报告班级： 20##级####x 班学号： 20##2409#### ： ##X 成绩：1. 实验名称实验2 非线性方程的迭代解法（之弦截法） 2. 实验题目用弦截法求方程010423=-+x x 在区间[1,2]的一个实根，取绝对误差限为410-． 3. 实验目的熟悉非线性方程的弦截法． 4. 基础理论将Newton 迭代法中的导数用差商代替，得到弦截法(或叫正割法)公式)()()(111k k k k k k k x f x f x f x x x x --+---=．5. 实验环境操作系统：Windows xp ；程序设计语言：Matlab 6. 实验过程不保存迭代过程，所以始终以x 0和x 1分别存放x k -1和x k ，而x 存放新产生的迭代值x k +1，这样，下一次迭代时需要把上一步的x 1（即x k ）赋值于x 0（做新的x k -1）．这些点的函数值会重复用到，在迭代公式中也要用到，上一步的x 1作为下一步的x 0也会再一次用它的函数值，为减少重新计算该点函数值的运行时间，将x 1点的函数值保存在变量fx1中．算法的伪代码描述：Input ：初值x 0，x 1；精度要求（即误差限）ε；函数f （x ）；最大迭代次数N7. 结果与分析8. 附录：程序清单%*************************************************************%* 程序名：SecantMethod.m *%* 程序功能：用弦截法求解非线性方程. *%*************************************************************clc;clear all;f=inline('2*x^3-5*x-1'); % 函数f(x)x0=input('第一初值: x0 = ');x1=input('第二初值: x1 = ');epsilon=input('误差限: epsilon=');N=input('最大迭代次数: N=');fprintf('\n n x(n)\n'); % 显示表头fprintf('%2d%14.6f\n', 0, x0); % 占2位显示步数0, 共14位其中小数6位显示x0fprintf('%2d%14.6f\n', 1, x1); % 占2位显示步数1, 共14位其中小数6位显示x11 % 存x0点函数值2 % 存x1点函数值3 % 迭代计数器4 % while n≤ N% 弦截法公式fprintf('%2d%14.6f\n', n, x); %显示迭代过程6 % 达到精度要求否fprintf('\n\n 方程的近似解为: x≈%f\n\n', x);return; % 达到, 则显示结果并完毕程序89 % 原x1做x0为前两步的近似值10 % 现x做x1为一两步的近似值11 % x0点函数值12 % 计算x1点函数值, 为下一次循环13 % 计数器加1 14fprintf('\n 迭代%d 次还不满足误差要求.\n\n',N);《数值计算方法》实验3报告班级： 20##级####x 班学号： 20##2409#### ： ##X 成绩：1. 实验名称实验3 解线性方程组的直接法(之Gauss 消去法) 2. 实验题目用Gauss 消去法求解线性方程组⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎭⎫ ⎝⎛--000.3000.2000.1643.5072.1000.2623.4712.3000.1000.3000.2001.0321x x x ． 3. 实验目的掌握解线性方程组的Gauss 消去法． 4. 基础理论Gauss 消去法是通过对增广矩阵的初等行变换，将方程组变成上三角方程组，然后通过回代，从后到前依次求出各未知数．Gauss 消去法的第k 步(1≤k≤n -1)消元：若0≠kk a ，则依次将增广矩阵第k 行的kk ik a a /-倍加到第i 行（k+1≤i≤n），将第k 列对角线下的元素都化成0．5. 实验环境操作系统：Windows xp ；程序设计语言：Matlab 6. 实验过程7. 结果与分析8. 附录：程序清单《数值计算方法》实验3报告班级： 20##级####x 班学号： 20##2409#### ： ##X 成绩：1. 实验名称实验3 解线性方程组的直接法(之Gauss 列主元消去法) 2. 实验题目用Gauss 列主元消去法求解线性方程组⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎭⎫ ⎝⎛--000.3000.2000.1643.5072.1000.2623.4712.3000.1000.3000.2001.0321x x x ． 3. 实验目的掌握解线性方程组的Gauss 列主元消去法． 4. 基础理论Gauss 列主元消去法也是通过对增广矩阵的初等行变换，将方程组变成上三角方程组，然后通过回代，从后到前依次求出各未知数．Gauss 列主元消去法的第k 步(1≤k≤n -1)消元：先在nk k k kk a a a ,,,,1 +中找绝对值最大的，将它所在的行与第k 行交换，然后将第k 行的kk ik a a /-倍加到第i 行（k+1≤i≤n），将第k 列对角线下的元素都化成0． 5. 实验环境操作系统：Windows xp ；程序设计语言：Matlab 6. 实验过程7. 结果与分析8. 附录：程序清单《数值计算方法》实验3报告班级： 20##级####x 班学号： 20##2409#### ： ##X 成绩：1. 实验名称实验3 解线性方程组的直接法(之Doolittle 分解) 2. 实验题目对矩阵A 进行Doolittle 分解，其中⎪⎪⎪⎪⎪⎭⎫⎝⎛----=3101141101421126A ．3. 实验目的掌握矩阵的Doolittle 分解． 4. 基础理论矩阵的Doolittle 分解是指将矩阵n n ij a A ⨯=)(可以分解为一个单位下三角矩阵和一个上三角矩阵的乘积．若设⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=nn n n n n n n u u u u u u u u u u U l l ll l l L000000,1010010001333223221131211321323121则可依如下顺序公式计算⎪⎪⎩⎪⎪⎨⎧++=-=+=-=∑∑-=-=1111,,2,1,/)(,,1,,k t kk tk it ik ik k r rj kr kj kj nk k i u u l a l nk k j u l a u其中k = 1，2，…，n ．5. 实验环境操作系统：Windows xp ；程序设计语言：Matlab 6. 实验过程（1）按计算公式依次计算一行u 同时计算一列l ；（2）因为计算完u ij （或l ij ）后，a ij 就不再使用，为节省存储空间，将计算的u ij （和l ij ）仍存放在矩阵A 中的相应位置；（3）使用L 矩阵和U 矩阵时需要根据元素所在位置取固定值或A 中相应位置的值．L 对角线上的元素为1，上三角部分为0，下三角部分为A 中对应的元素；U 的下三角部分为0，上三角部分为A 中对应的元素．算法的伪代码描述： Input ：阶数n ；矩阵A7. 结果与分析8. 附录：程序清单%****************************************************% 程序名: Doolittle.m *% 程序功能: 矩阵LU分解中的Doolittle分解. *%****************************************************clc;clear all;n=4; % 矩阵阶数A=[6 2 1 -1;2 4 1 0; 1 1 4 -1; -1 0 -1 3]disp('A=');disp(A);% LU分解(Doolittle分解)for k=1:n% 计算矩阵U的元素u_{kj}% (可参照下面l_{ik}的公式填写)% 计算矩阵L的元素l_{ik}% L 在A 下三角, U 在上三角(对角线为1) enddisp('分解结果：'); disp('L='); for i=1:n for j=1:nif i>j % 在下三角部分, 则取A 对于的元素显示 fprintf(' %8.4f',A(i,j));elseif i==j % 在对角线上, 则显示1 fprintf(' %8d',1);else % 在上三角部分, 则显示0 fprintf(' %8d',0); end endfprintf('\n'); % 换行 enddisp('U='); for i=1:n for j=1:nif i<=j % 在上三角部分或对角线上, 则取A 对于的元素显示 fprintf(' %8.4f',A(i,j));else % 在下三角部分, 则显示0 fprintf(' %8d',0); end endfprintf('\n'); % 换行 end《数值计算方法》实验3报告班级： 20##级####x 班学号： 20##2409#### ： ##X 成绩：1. 实验名称实验3 解线性方程组的直接法(之LU 分解法) 2. 实验题目用LU 分解(Doolittle 分解)法求解线性方程组⎪⎩⎪⎨⎧=++=++=++104615631552162321321321x x x x x x x x x 3. 实验目的熟悉解线性方程组LU 分解法．4. 基础理论若将矩阵A 进行了Doolittle 分解，A = LU ，则解方程组b x A=可以分解求解两个三角方程组b y L=和y x U =．它们都可直接代入求解，其中b y L=的代入公式为∑-==-=11,,2,1,k j j kj k k n k y l b y而y x U=的代入公式为∑+=-=-=nk j kk j kjk k n n k u x uy x 11,,1,,/)( ．5. 实验环境操作系统：Windows xp ；程序设计语言：Matlab 6. 实验过程（1）Doolittle 分解过程依次计算一行u 同时计算一列l 完成，并将计算的u ij （和l ij ）仍存放在矩阵A 中的相应位置；（2）求解方程组的代入公式中用到的u ij 和l ij 都直接在A 的相应位置取值即可．算法的伪代码描述：Input ：阶数n ；矩阵A ；常数项向量b7. 结果与分析8. 附录：程序清单%**************************************************** % 程序名: LinearSystemByLU.m *% 程序功能: 利用LU分解(Doolittle分解)解方程组. *%****************************************************clc;clear all;n=3; % 矩阵阶数A=[1 2 6; 2 5 15; 6 15 46];b=[1;3;10];% LU分解(Doolittle分解)for k=1:n% 计算矩阵U的元素u_{kj}% (可参照下面l_{ik}的公式填写)% 计算矩阵L的元素l_{ik}% L在A下三角, U在上三角(对角线为1) endfor k=1:n % 用代入法求解下三角方程组Ly=by(k)=b(k);3 %∑-==-=11,,2,1,kjj kjk knkylby33enddisp('方程组Ly=b的解：y=');disp(y');for k=n:-1:1 % 回代求解上三角方程组Ux=y x(k)=y(k);6 %∑+=-=-=nkjj kjk knnkxuyx11,,1,,666 enddisp('原方程组的解：x='); disp(x');《数值计算方法》实验3报告班级： 20##级####x 班学号： 20##2409#### ： ##X成绩：1. 实验名称实验3 解线性方程组的直接法(之Cholesky 分解) 2. 实验题目对矩阵A 进行Cholesky 分解，其中⎪⎪⎪⎪⎪⎭⎫⎝⎛----=3101141101421126A ． 3. 实验目的理解矩阵的Cholesky 分解． 4. 基础理论矩阵的Cholesky 分解是指将矩阵n n ij a A ⨯=)(可以分解为一个下三角矩阵L 和L 转置的乘积，即A =LL T，其中L 各元素可依如下顺序公式计算⎪⎪⎩⎪⎪⎨⎧++=-=-=∑∑-=-=11112,,2,1,/)(k t kktk it ik ik k r kr kk kk nk k i l l l a l l a l其中k = 1，2，…，n ．5. 实验环境操作系统：Windows xp ；程序设计语言：VC++ 6. 实验过程（1）按计算公式依次先计算一列对角线上的元素l kk ，再计算这列其他元素l ik ，且对称位置的元素也取同一个值；（2）因为计算完l ij 后，a ij 就不再使用，为节省存储空间，将计算的l ij 仍存放在矩阵A 中的相应位置；（3）使用L 矩阵时需要根据元素所在位置取固定值或A 中相应位置的值．L 上三角部分为0，对角线和下三角部分为A 中对应的元素．算法的伪代码描述：Input ：阶数n ；矩阵AOutput ：矩阵L (合并存储在数组A 中)行号伪代码注释1 for k ← 1 to n2∑-=-=112k r krkk kk l a l3 for i ← k to n4 ∑-=-=11/)(k t kk tk it ik ik l l l a l计算结果存放在a ij5 endfor6 endfor7return L输出L7. 结果与分析8. 附录：程序清单%************************************************************* %* 程序名：Cholesky.m * %* 程序功能：对称正定矩阵的Cholesky 分解. * %*************************************************************n=4; % 矩阵阶数 A=[6,2,1,-1; 2,4,1,0; 1,1,4,-1; -1,0,-1,3];disp('A ='); for i=1:n for j=1:nfprintf('%10.4f',A(i,j)); % 共占14位endfprintf('\n');% 一行完毕换行end% Cholesky 分解 for k=1:n % 计算对角线上的l _{kk}% 计算其他的l _{ik} % 和l _{ki}end % L 在A 下三角, L^T 在上三角disp('分解结果：'); disp('L='); for i=1:n for j=1:n if i>=j % 在下三角部分或对角线上, 则取A 对于的元素显示fprintf('%10.4f',A(i,j));else % 在上三角部分, 则显示0 fprintf('%10d',0); end endfprintf('\n'); % 换行 end《数值计算方法》实验3报告班级： 20##级####x 班学号： 20##2409#### ： ##X成绩：1. 实验名称实验3 解线性方程组的直接法(之改进的Cholesky 分解) 2. 实验题目对矩阵A 进行改进的Cholesky 分解，其中⎪⎪⎪⎪⎪⎭⎫⎝⎛----=3101141101421126A ．3. 实验目的理解矩阵改进的Cholesky 分解． 4. 基础理论矩阵的改进的Cholesky 分解是指将矩阵n n ij a A ⨯=)(可以分解为一个单位下三角矩阵L 和对角矩阵D 与L 转置的乘积，即A =LDL T，其中L 和D 各元素可依如下顺序公式计算⎪⎪⎩⎪⎪⎨⎧++=-=-=∑∑-=-=11112,,2,1,/)(k t k kt it t ik ik k r kr r kk k nk k i d l l d a l l d a d其中k = 1，2，…，n ．5. 实验环境操作系统：Windows xp ；程序设计语言：VC++ 6. 实验过程（1）按计算公式依次先计算D 的一个元素d k ，再计算L 中这列的元素l ik ，且对称位置的元素也取同一个值；（2）因为计算完d k 和l ij 后，a kk 或a ij 就不再使用，为节省存储空间，将计算的a kk 或l ij 仍存放在矩阵A 中的相应位置；（3）使用L 矩阵时需要根据元素所在位置取固定值或A 中相应位置的值．L 对角线和上三角部分为0，下三角部分为A 中对应的元素；D 对角线为A 中对应的元素，其余都是0．算法的伪代码描述： Input ：阶数n ；矩阵AOutput ：矩阵L (合并存储在数组A 中)7. 结果与分析8. 附录：程序清单%************************************************************* %* 程序名：ImprovedCholesky.m * %* 程序功能：对称正定矩阵的改进的Cholesky 分解. * %*************************************************************n=4; % 矩阵阶数A=[6,2,1,-1; 2,4,1,0; 1,1,4,-1; -1,0,-1,3];disp('A =');for i=1:nfor j=1:nfprintf('%10.4f',A(i,j)); % 共占14位endfprintf('\n'); % 一行完毕换行end% Cholesky分解for k=1:n% 计算D对角线上的u_{kk}% 计算L的元素l_{ik}% 和L转置的元素l_{ki} end % L在A下三角, D在对角线disp('分解结果：');disp('L=');for i=1:nfor j=1:nif i>j % 在下三角部分, 则取A对于的元素显示fprintf('%10.4f',A(i,j));elseif i==j % 在对角线上, 则显示1fprintf('%10d',1);else % 在上三角部分, 则显示0fprintf('%10d',0);endendfprintf('\n'); % 换行enddisp('D='); for i=1:n for j=1:n if i==j % 在对角线上, 则取A 对于的元素显示fprintf('%10.4f',A(i,j));else % 其余显示0fprintf('%10d',0); end endfprintf('\n'); % 换行 end《数值计算方法》实验3报告班级： 20##级####x 班学号： 20##2409#### ： ##X 成绩：1. 实验名称实验3 解线性方程组的直接法(之追赶法) 2. 实验题目用追赶法求解线性方程组⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎪⎪⎭⎫ ⎝⎛-----101053001210023100124321x x x x 3. 实验目的熟悉解线性方程组的追赶法． 4. 基础理论对于系数矩阵为三对角矩阵的方程组，其Crout 分解可分解为⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=------11111211122111122211n n nn n n nn n n t t t s a s a s a s b a c b a c b a c b A这样，解方程组可以由如下2步完成：“追”：,,,3,2,/)(,,/,/,1111111111n i s y a f y t a b s s c t s f y b s i i i i i i i i i i i i =-=-====-----其中：Tn f f ),,(1 为方程组的常数项，n t 没用；“赶”：.1,,2,1,,1 --=-==+n n i x t y x y x i i i i n n5. 实验环境操作系统：Windows xp ；程序设计语言：Matlab 6. 实验过程在“追”的过程中，向量s 和y 都有n 个元素，t 只有n -1个元素，又1s 和1y 的计算公式与其它i s 和i y 不同，所以先单独计算1s 和1y ，然后在一个n -1次循环中，求其它i s 和i y 以与i t ．由于在“追”的过程中，i b ，i c 和i f 在分别计算完对应的i s ，i t 和i y 后就不再使用，所以借用数组b ，c 和f 存储向量s ，t 和y ；同样在“赶”的过程中，i y 在计算完对应的i x 后就不再使用，所以再一次借用数组f 存储向量x ．追赶法算法的伪代码描述：Input ：阶数n ；三对角矩阵的三条对角线向量a ，b ，c ，常数项向量f Output ：方程组的解x改进的追赶法算法的伪代码描述：Input ：阶数n ；三对角矩阵的三条对角线向量a ，b ，c ，常数项向量f Output ：方程组的解x7. 结果与分析8. 附录：程序清单%*************************************************************%* 程序名：ChaseAfter.m *%* 程序功能：用追赶法求解三对角线性方程组. *%*************************************************************clc;clear all;n=4;a=[0,-1,-1,-3];b=[2, 3, 2, 5];c=[-1, -2, -1, 0];f=[0, 1, 0, 1];% "追"s(1) = b(1);y(1) = f(1); % 先单独求s_1和y_1 for k = 1 : n-1% 再求t_i(i=1,2,…,n-1)% s_i(i=2,3,…,n)% y_i(i=2,3,…,n)end% "赶"x(n) = y(n); % 先单独求x_nfor k = n-1 : -1 : 1% 再求x_i(i=n-1,n-2, (1)endx=x' % 输出解向量-------------------------------------------------------------------------------------------------------------------改进的程序:%*************************************************************%* 程序名：ChaseAfter.m *%* 程序功能：用追赶法求解三对角线性方程组. *%*************************************************************clc;clear all;n=4;a=[0,-1,-1,-3];b=[2, 3, 2, 5];c=[-1, -2, -1, 0];f=[0, 1, 0, 1];% "追"% b(1)=b(1); % s_1仍在b_1中，不用重新计算y(1)=f(1)/b(1); % 先单独y_1for k=1:n-1% 再求t_i(i=1,2,…,n-1)% s_i(i=2,3,…,n)% y_i(i=2,3,…,n)end% "赶"% f(n)=f(n); % x_n等于y_n仍在f_n中for k=n-1:-1:1% 再求x_i(i=n-1,n-2, (1)endx=f' % 输出解向量《数值计算方法》实验4报告班级：20##级####x班学号：20##2409####：##X 成绩：1. 实验名称实验4 解线性方程组的迭代法(之Jacobi迭代)2. 实验题目用Jacobi迭代法求解线性方程组1231231232251223x x x x x x x x x +-=⎧⎪++=⎪⎨++=⎪⎪⎩任取3. 实验目的掌握解线性方程组的Jacobi 迭代法． 4. 基础理论将第i （n i ≤≤1）个方程i n in i i b x a x a x a =+++ 2211移项后得到等价方程ii n in i i i i i i i i i a x a x a x a x a b x /)(11,11,11------=++--便可构造出Jacobi 迭代公式,1,0,/)()()(11,)(11,)(11)1(=------=++--+k a x a x a x a x a b x ii k n in k i i i k i i i k i i k i ． 5. 实验环境操作系统：Windows xp ；程序设计语言：Matlab 6. 实验过程7. 结果与分析8. 附录：程序清单《数值计算方法》实验4报告班级： 20##级####x 班学号： 20##2409#### ： ##X 成绩：1. 实验名称实验4 解线性方程组的迭代法(之Gauss-Seidel 迭代) 2. 实验题目用Gauss-Seidel 迭代法求解线性方程组。

MATLAB解方程组(线性与非线性方程组)

例7-9 求下列非线性方程组在(0.5,0.5) 附近的数值解。 (1) 建立函数文件myfun.m。 function q=myfun(p) x=p(1); y=p(2); q(1)=x-0.6*sin(x)-0.3*cos(y); q(2)=y-0.6*cos(x)+0.3*sin(y); (2) 在给定的初值x0=0.5,y0=0.5下，调用fsolve函数求方程的根。 x=fsolve('myfun',[0.5,0.5]',optimset('Display','off')) x= 0.6354 0.3734
2．Gauss-Serdel迭代法在Jacobi迭代过程中，计算时，已经得到，不必再用，即原来的迭代
公式Dx(k+1)=(L+U)x(k)+b可以改进为Dx(k+1)=Lx(k+1)+Ux(k)+b，于是得到：
x(k+1)=(D-L)-1Ux(k)+(D-L)-1b 该式即为Gauss-Serdel迭代公式。和Jacobi迭代相比，Gauss-Serdel
7.1.2 迭代解法迭代解法非常适合求解大型系数矩阵的方程组。在数值分析中，迭代
解法主要包括 Jacobi迭代法、Gauss-Serdel迭代法、超松弛迭代法和两步迭代法。
1．Jacobi迭代法对于线性方程组Ax=b，如果A为非奇异方阵，即aii≠0(i=1,2,…,n)，则
可将A分解为A=D-L-U，其中D为对角阵，其元素为A的对角元素， L与U为A的下三角阵和上三角阵，于是Ax=b化为： x=D-1(L+U)x+D-1b 与之对应的迭代公式为：
(2) QR分解