实验一 解线性方程组的直接法
实验报告一
实验一姓名：专业：班级：实验题目：解线性方程组的直接法日期：一、实验目的及意义1)掌握Gausum消去法及Gausum列主元消去法，能用这两种方法求解方程组。
2)掌握追赶法;3)掌握高斯消去法进行到底的条件；4)了解选主元素高斯消去法的优点。
二、实验重点及难点1)列主元素消去法2）矩阵的ＬＵ分解三、实验条件1）每人一台计算机2）应用软件：Matlab四、实验要求1）验证Gausum列主元消去法2）设计LU分解法程序3）设计追赶法程序五、实验内容1)补充程序，使程序完整，用列主元素消去法解方程组⎪⎪⎪⎭⎫⎝⎛=⎪⎪⎪⎭⎫⎝⎛⎪⎪⎪⎭⎫⎝⎛2/52/11931423222321xxx。
function x=Gaussumxiaoqufa(A,b)% 用Gauss列主元消去法解线性方程组Ax=b n=length(b);x=zeros(n,1);c=zeros(1,n);% 寻找最大主元t=0;for i=1:n-1max=abs(A(i,i));m=i;for j=i+1:nif max<abs(A(j,i)) max=abs(A(j,i)); m=j; end end if m~=ifor k=1:nc(k)=A(i,k); A(i,k)=A(m,k); A(m,k)=c(k); end t=b(i); b(i)=b(m); b(m)=t; endfor k=i+1:n for j=i+1:nA(k,j)=A(k,j)-A(i,j)*A(k,i)/A(i,i); endb(k)=b(k)-b(i)*A(k,i)/A(i,i); A(k,i)=0; end end % 回代求解x(n)=b(n)/A(n,n); for i=n-1:-1:1 sum=0; for j=i+1:nsum=sum+A(i,j)*x(j); endx(i)=(b(i)-sum)/A(i,i); end2）补充程序，使程序完整，用LU 分解法解方程组⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎭⎫ ⎝⎛2/52/11931423222321x x x 。
求解线性方程组直接法
求解线性方程组的直接方法（2 学时）
一 实验目的
1．掌握求解线性方程组的高斯消元法及列主元素法； 2. 掌握求解线性方程组的克劳特法； 3. 掌握求解线性方程组的平方根法。
二 实验内容
1．用高斯消元法求解方程组（精度要求为 10 6 ） ：
3 x1 x2 2 x3 7 x1 2 x2 2 x3 1 2x 2x 4x 0 2 度要求为 10 6 ） 。 3. 用平方根法求解上述方程组（精度要求为 10 6 ） 。 4. 用列主元素法求解方程组（精度要求为 10 6 ） ：
3 x1 x2 4 x3 3 2 x 3 x 2 x 5 2 3 1
4
for(i=0;i<num;i++) printf("the root x[%d] is: %f\n",i+1,x[i]); } ②算法结果
4. 用列主元素法求解方程组
①算法实现的 C 语言程序代码： #include<stdio.h> #include<math.h> #define num 3 void main() { float a[num][num]={{3,-1,4},{-1,2,-2},{2,-3,-2}}; float b[num]={3,2,-5}; float t,sum,l[num][num],x[num]; int h,i,j,k; for(j=0;j<num-1;j++) { for(k=j,i=j+1;i<num;i++) if (fabs(a[i][j])>fabs(a[k][j])) k=i; if(k!=j) { for(h=j;h<num;h++) { t=a[k][h];a[k][h]=a[j][h];a[j][h]=t; } t=b[k];b[k]=b[j];b[j]=t; } for(i=j+1;i<num;i++) { l[i][j]=a[i][j]/a[j][j];
解线性方程组的直接方法
解线性方程组的直接方法一、高斯消元法高斯消元法是解线性方程组最常用的方法之一、它通过一系列的消元操作，将线性方程组转化为阶梯型方程组，从而求解未知数的值。
1.确定线性方程组的阶数和未知数的个数。
设线性方程组中有n个未知数。
2.将线性方程组写成增广矩阵的形式。
增广矩阵是一个n行n+1列的矩阵，其中前n列是线性方程组的系数矩阵，第n+1列是等号右边的常数。
3.通过初等行变换（交换行、数乘行、行加行）将增广矩阵化为阶梯型矩阵。
具体步骤如下：a.首先，找到第一个非零元素所在的列，将它所在的行视为第一行。
b.将第一行的第一个非零元素（主元）变成1，称为主元素。
c.将主元所在列的其他元素（次元素）变为0，使得主元所在列的其他元素只有主元素是非零的。
d.再找到第一个非零元素所在的列，将它所在的行视为第二行，并重复上述步骤，直到将增广矩阵化为阶梯型矩阵。
4.根据阶梯型矩阵求解未知数的值。
具体步骤如下：a.从最后一行开始，依次求解每个未知数。
首先，将最后一行中非零元素所在的列作为含有该未知数的方程，将该未知数的系数设为1b.将含有该未知数的方程中其他未知数的系数设为0，并对其他方程进行相应的变换，使得该未知数所在列的其他元素都为0。
c.重复上述步骤，直到求解出所有未知数的值。
高斯消元法的优点是简单易懂、容易实现，但当线性方程组的系数矩阵接近奇异矩阵时，计算精度可能会降低。
二、矩阵求逆法矩阵求逆法是解线性方程组的另一种直接方法。
它通过对系数矩阵求逆，然后与常数矩阵相乘，得到未知数的值。
1.确定线性方程组的阶数和未知数的个数。
设线性方程组中有n个未知数。
2.将线性方程组写成矩阵方程的形式，即Ax=b，其中A是一个n阶方阵，x和b分别是n维列向量。
3.求系数矩阵A的逆矩阵A^-1a. 首先，计算系数矩阵A的行列式det(A)。
b. 判断det(A)是否为0，如果det(A)=0，则该线性方程组无解或有无穷多解；如果det(A)≠0，则系数矩阵A可逆。
MATLAB实验一 解线性方程组的直接法
没有了？
将每种情形的两个结果进行表格对比，如： n=6 时： GAUSS 列主消去法求得的 x
x 的有效数字
四、实验结果
五、讨论分析 （对上述算例的计算结果进行比较分析， 主要说清 matlab 的算符与消去法的适 用范围不同，自己补充）
A(index,:) = A(k,:); A(k,:) = temp; temp = b(index);b(index) = b(k); b(k) = temp; %消元过程 for i=k+1:n m=A(i,k)/A(k,k); %消除列元素 A(i,k+1:n)=A(i,k+1:n)-m*A(k,k+1:n); b(i)=b(i)-m*b(k); end end %回代过程 x(n)=b(n)/A(n,n); for k=n-1:-1:1; x(k)=(b(k)-A(k,k+1:n)*x(k+1:n)')/A(k,k); end x=x'; end 然后调用 gaussMethod 函数，来实现列主元的高斯消去法。在命令框中输入 下列命令：
输出结果如下：
利用 LU 分解法及 matlab 程序源代码： function [L,U]=myLU(A) %实现对矩阵 A 的 LU 分解，L 为下三角矩阵 A[n,n]=size(A);
L=zeros(n,n); U=zeros(n,n); for i=1:n L(i,i)=1; end for k=1:n for j=k:n U(k,j)=A(k,j)-sum(L(k,1:k-1).*U(1:k-1,j)'); end for i=k+1:n L(i,k)=(A(i,k)-sum(L(i,1:k-1).*U(1:k-1,k)'))/U(k,k); end end 在命令框中输入下列命令：
解线性方程组的直接解法
解线性方程组的直接解法一、实验目的及要求关于线性方程组的数值解法一般分为两大类：直接法与迭代法。
直接法是在没有舍入误差的情况下，通过有限步运算来求方程组解的方法。
通过本次试验的学习，应该掌握各种直接法，如：高斯列主元消去法，LU分解法和平方根法等算法的基本思想和原理，了解它们各自的优缺点及适用范围。
二、相关理论知识求解线性方程组的直接方法有以下几种：1、利用左除运算符直接求解线性方程组为bx\=即可。
AAx=，则输入b2、列主元的高斯消元法程序流程图：输入系数矩阵A，向量b，输出线性方程组的解x。
根据矩阵的秩判断是否有解，若无解停止；否则，顺序进行；对于1p:1-=n选择第p列中最大元，并且交换行；消元计算；回代求解。
（此部分可以参看课本第150页相关算法）3、利用矩阵的分解求解线性方程组（1）LU分解调用matlab中的函数lu即可，调用格式如下：[L,U]=lu（A）注意：L往往不是一个下三角，但是可以经过行的变换化为单位下三角。
（2）平方根法调用matlab 中的函数chol 即可，调用格式如下：R=chol （A ）输出的是一个上三角矩阵R ，使得R R A T =。
三、研究、解答以下问题问题1、先将矩阵A 进行楚列斯基分解，然后解方程组b Ax =(即利用平方根法求解线性方程组，直接调用函数)：⎪⎪⎪⎪⎪⎭⎫ ⎝⎛--------=19631699723723312312A ，⎪⎪⎪⎪⎪⎭⎫ ⎝⎛-=71636b 解答：程序：A=[12 -3 2 1;-3 23 -7 -3;2 -7 99 -6;1 -3 -6 19];R=chol(A)b=[6 3 -16 7]';y=inv(R')*b %y=R'\bx=inv(R)*y %x=R\y结果：R =3.4641 -0.8660 0.5774 0.28870 4.7170 -1.3780 -0.58300 0 9.8371 -0.70850 0 0 4.2514y =1.73210.9540-1.59451.3940x =0.54630.2023-0.13850.3279问题 2、先将矩阵A 进行LU 分解，然后解方程组b Ax =（直接调用函数）：⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛----=8162517623158765211331056897031354376231A ，⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛-=715513252b解答：程序：A=[1/3 -2 76 3/4 5;3 1/sqrt(3) 0 -7 89;56 0 -1 3 13;21 65 -7 8 15;23 76 51 62 81];b=[2/sqrt(5);-2;3;51;5/sqrt(71)];[L,U]=lu(A)y=inv(L)*bx=inv(U)*y结果：L = 0.0060 -0.0263 1.0000 0 00.0536 0.0076 -0.0044 0.1747 1.00001.0000 0 0 0 00.3750 0.8553 -0.6540 1.0000 00.4107 1.0000 0 0 0U =56.0000 0 -1.0000 3.0000 13.00000 76.0000 51.4107 60.7679 75.66070 0 77.3589 2.3313 6.91370 0 0 -43.5728 -50.06310 0 0 0 96.5050y =3.0000-0.63880.859850.9836-11.0590x =0.13670.90040.0526-1.0384-0.1146问题3、利用列主元的高斯消去法，求解下列方程组：⎪⎪⎩⎪⎪⎨⎧=+--=--+=-+-=+-+01002010100511.030520001.0204321432143214321x x x x x x x x x x x x x x x x解答：程序：function [RA,RB,n,X]=liezhu(A,b)B=[A b];n=length(b);RA=rank(A);RB=rank(B);zhica=RB-RA;if zhica>0disp('Çë×¢Ò⣺RA~=RB£¬ËùÒÔ´Ë·½³Ì×éÎ޽⡣')returnendif RA==RBif RA==ndisp('Çë×¢Ò⣺ÒòΪRA=RB=n,ËùÒÔ´Ë·½³Ì×éÓÐΨһ½â¡£')X=zeros(n,1);C=zeros(1,n+1);for p=1:n-1[Y ,j]=max(abs(B(p:n,p)));C=B(p,:);for 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('Çë×¢Ò⣺ÒòΪRA=RB¡´n£¬ËùÒÔ´Ë·½³ÌÓÐÎÞÇî¶à½â¡£') endend键入A=[1 20 -1 0.0012 -5 30 -0.15 1 -100 -102 -100 -1 1];b=[0;1;0;0];[RA,RB,n,X]=liezhu(A,b)结果：请注意：因为RA=RB=n,所以此方程组有唯一解。
解线性方程组的直接方法实验报告
解线性方程组的直接方法实验报告解线性方程组的直接方法实验报告1.实验目的：1、通过该课题的实验，体会模块化结构程序设计方法的优点；2、运用所学的计算方法，解决各类线性方程组的直接算法；3、提高分析和解决问题的能力，做到学以致用；4、通过三对角形线性方程组的解法，体会稀疏线性方程组解法的特点。
2.实验过程：实验代码：#include "stdio.h"#include "math.h"#includeusing namespace std;//Gauss法void lzy(double **a,double *b,int n){int i,j,k;double l,x[10],temp;for(k=0;k<n-1;k++){for(j=k,i=k;j<n;j++){if(j==k)temp=fabs(a[j][k]);else if(temp<fabs(a[j][k])) {temp=fabs(a[j][k]);i=j;}}if(temp==0){cout<<"无解" ; return;}else{for(j=k;j<n;j++){temp=a[k][j];a[k][j]=a[i][j];a[i][j]=temp;}temp=b[k];b[k]=b[i];b[i]=temp;}for(i=k+1;i<n;i++){l=a[i][k]/a[k][k];for(j=k;j<n;j++)a[i][j]=a[i][j]-l*a[k][j];b[i]=b[i]-l*b[k];}}if(a[n-1][n-1]==0){cout<<"无解" ; return;}x[n-1]=b[n-1]/a[n-1][n-1]; for(i=n-2;i>=0;i--){temp=0;for(j=i+1;j<n;j++)temp=temp+a[i][j]*x[j];x[i]=(b[i]-temp)/a[i][i];}for(i=0;i<n;i++){printf("x%d=%lf ",i+1,x[i]);printf(" ");}}//平方根法void pfg(double **a,double *b,int n) {int i,k,m;double x[8],y[8],temp;for(k=0;k<n;k++){temp=0;for(m=0;m<k;m++)temp=temp+pow(a[k][m],2);if(a[k][k]<temp)return;a[k][k]=pow((a[k][k]-temp),1.0/2.0);for(i=k+1;i<n;i++){temp=0;for(m=0;m<k;m++)temp=temp+a[i][m]*a[k][m]; a[i][k]=(a[i][k]-temp)/a[k][k]; }temp=0;for(m=0;m<k;m++)temp=temp+a[k][m]*y[m];y[k]=(b[k]-temp)/a[k][k];}x[n-1]=y[n-1]/a[n-1][n-1];for(k=n-2;k>=0;k--){temp=0;for(m=k+1;m<n;m++)temp=temp+a[m][k]*x[m];x[k]=(y[k]-temp)/a[k][k];}for(i=0;i<n;i++){printf("x%d=%lf ",i+1,x[i]);printf(" ");}}//追赶法void zgf(double **a,double *b,int n){int i;double a0[10],c[10],d[10],a1[10],b1[10],x[10],y[10]; for(i=0;i<n;i++) {a0[i]=a[i][i];if(i<n-1)c[i]=a[i][i+1];if(i>0)d[i-1]=a[i][i-1];}a1[0]=a0[0];for(i=0;i<n-1;i++){b1[i]=c[i]/a1[i];a1[i+1]=a0[i+1]-d[i+1]*b1[i];}y[0]=b[0]/a1[0];for(i=1;i<n;i++)y[i]=(b[i]-d[i]*y[i-1])/a1[i];x[n-1]=y[n-1];for(i=n-2;i>=0;i--)x[i]=y[i]-b1[i]*x[i+1];for(i=0;i<n;i++){printf("x%d=%lf ",i+1,x[i]);printf(" ");}}int main{int n,i,j;double **A,**B,**C,*B1,*B2,*B3;A=(double **)malloc(n*sizeof(double)); B=(double **)malloc(n*sizeof(double));C=(double **)malloc(n*sizeof(double));B1=(double *)malloc(n*sizeof(double));B2=(double *)malloc(n*sizeof(double));B3=(double *)malloc(n*sizeof(double));for(i=0;i<n;i++){A[i]=(double *)malloc((n)*sizeof(double)); B[i]=(double *)malloc((n)*sizeof(double)); C[i]=(double *)malloc((n)*sizeof(double)); } cout<<"第一题(Gauss列主元消去法):"<<endl<<endl; cout<<"请输入阶数n:"<<endl;cin>>n;cout<<" 请输入系数矩阵: ";for(i=0;i<n;i++)for(j=0;j<n;j++){。
计算方法-解线性方程组的直接法实验报告
cout<<endl;
for(k=i+1;k<m;k++)
{
l[k][i]=a[k][i]/a[i][i];
for(r=i;r<m+1;r++) /*化成三角阵*/
a[k][r]=a[k][r]-l[k][i]*a[i][r];
}
}
x[m-1]=a[m-1][m]/a[m-1][m-1];
{
int i,j;
float t,s1,s2;
float y[100];
for(i=1;i<=n;i++) /*第一次回代过程开始*/
{
s1=0;
for(j=1;j<i;j++)
{
t=-l[i][j];
s1=s1+t*y[j];
}
y[i]=(b[i]+s1)/l[i][i];
}
for(i=n;i>=1;i--) /*第二次回代过程开始*/
s2=s2+l[i][k]*u[k][r];
l[i][r]=(a[i][r]-s2)/u[r][r];
}
}
printf("array L:\n");/*输出矩阵L*/ for(i=1;i<=n;i++)
{
for(j=1;j<=n;j++)
printf("%7.3f ",l[i][j]);
printf("\n");
{
s2=0;
for(j=n;j>i;j--)
解线性方程组的直接方法实验报告_实验报告_
解线性方程组的直接方法实验报告解线性方程组的直接方法实验报告1.实验目的：1、通过该课题的实验，体会模块化结构程序设计方法的优点；2、运用所学的计算方法，解决各类线性方程组的直接算法；3、提高分析和解决问题的能力，做到学以致用；4、通过三对角形线性方程组的解法，体会稀疏线性方程组解法的特点。
2.实验过程：实验代码：#include "stdio.h"#include "math.h"#includeusing namespace std;//Gauss法void lzy(double a,double *b,int n){int i,j,k;double l,x[10],temp;for(k=0;k<n-1;k++){for(j=k,i=k;j<n;j++){if(j==k)temp=fabs(a[j][k]);else if(temp<fabs(a[j][k])){temp=fabs(a[j][k]);i=j;}}if(temp==0){cout<<"无解 " ; return;}else{for(j=k;j<n;j++) {temp=a[k][j];a[k][j]=a[i][j];a[i][j]=temp;}temp=b[k];b[k]=b[i];b[i]=temp;}for(i=k+1;i<n;i++) {l=a[i][k]/a[k][k];for(j=k;j<n;j++)a[i][j]=a[i][j]-l*a[k][j]; b[i]=b[i]-l*b[k];}}if(a[n-1][n-1]==0) {cout<<"无解 " ;return;}x[n-1]=b[n-1]/a[n-1][n-1];for(i=n-2;i>=0;i--){temp=0;for(j=i+1;j<n;j++)temp=temp+a[i][j][j];x[i]=(b[i]-temp)/a[i][i];}for(i=0;i<n;i++){printf("x%d=%lf ",i+1,x[i]);printf(" ");}}//平方根法void pfg(double a,double *b,int n) {int i,k,m;double x[8],y[8],temp;for(k=0;k<n;k++){temp=0;for(m=0;m<k;m++)temp=temp+pow(a[k][m],2);if(a[k][k]<temp)return;a[k][k]=pow((a[k][k]-temp),1.0/2.0); for(i=k+1;i<n;i++)temp=0;for(m=0;m<k;m++)temp=temp+a[i][m]*a[k][m]; a[i][k]=(a[i][k]-temp)/a[k][k];}temp=0;for(m=0;m<k;m++)temp=temp+a[k][m]*y[m];y[k]=(b[k]-temp)/a[k][k];}x[n-1]=y[n-1]/a[n-1][n-1];for(k=n-2;k>=0;k--){temp=0;for(m=k+1;m<n;m++)temp=temp+a[m][k][m];x[k]=(y[k]-temp)/a[k][k];}for(i=0;i<n;i++){printf("x%d=%lf ",i+1,x[i]);printf(" ");}}//追赶法void zgf(double a,double *b,int n){int i;double a0[10],c[10],d[10],a1[10],b1[10],x[10],y[10]; for(i=0;i<n;i++)a0[i]=a[i][i];if(i<n-1)c[i]=a[i][i+1];if(i>0)d[i-1]=a[i][i-1];}a1[0]=a0[0];for(i=0;i<n-1;i++){b1[i]=c[i]/a1[i];a1[i+1]=a0[i+1]-d[i+1]*b1[i];}y[0]=b[0]/a1[0];for(i=1;i<n;i++)y[i]=(b[i]-d[i]*y[i-1])/a1[i];x[n-1]=y[n-1];for(i=n-2;i>=0;i--)x[i]=y[i]-b1[i][i+1];for(i=0;i<n;i++){printf("x%d=%lf ",i+1,x[i]);printf(" ");}}int main{int n,i,j;double A,B,C,*B1,*B2,*B3;A=(double )malloc(n*sizeof(double));B=(double )malloc(n*sizeof(double));C=(double )malloc(n*sizeof(double));B1=(double *)malloc(n*sizeof(double));B2=(double *)malloc(n*sizeof(double));B3=(double *)malloc(n*sizeof(double));for(i=0;i<n;i++){A[i]=(double *)malloc((n)*sizeof(double)); B[i]=(double *)malloc((n)*sizeof(double)); C[i]=(double *)malloc((n)*sizeof(double)); }cout<<"第一题(Gauss列主元消去法):"<<endl<<endl; cout<<"请输入阶数 n:"<<endl;cin>>n;cout<<" 请输入系数矩阵 : ";for(i=0;i<n;i++)for(j=0;j<n;j++){。
线性方程组的直接解法迭代解法
广东金融学院实验报告课程名称：数值分析实验目的及要求实验目的：题一：通过数值实验，从中体会解线性方程组选主元的必要性和LU分解法的优点，以及方程组系数矩阵和右端向最的微小变化对解向最的影响。
比较各种直接接法在解线性方程组中的效果；题二：认识齐种迭代法收敛的含义、影响齐迭代法收敛速度的因素。
实验要求：题一：(1)在MATLAB中编写程序用列主元高斯消去法和LU分解求解上述方程组，输出曲b中矩阵A 及向量b和A二LU分解中的L及U, detA及解向量X.(2)将方程组中的2. 099999改为2. 1, 5. 900001改为5. 9,用列主元高斯消去法求解变换后的方程组，输出解向最x及detA,并与(1)中的结果比较。
(3)用MATLAB的内部函数inv求出系数矩阵的逆矩阵，再输入命令x=inv(A)*b,即可求出方程组的解。
请与列主元高斯消公法和LU分解法求出的解进行比较，体会选主元的方法具有良好的数值稳定性。
用MATLAB的内部曲数det求出系数行列式的值，并与(1)、(2)中输出的系数行列式的值进行比较。
(4)比较以上各种直接解法在解线性方程组中的效果。
题二：(1)选取不同的初始向M：X(0)及右端向最b,给泄迭代误差要求，用Jacobi迭代法和Gauss-Seidel迭代法求解，观察得到的序列是否收敛？若收敛，记录迭代次数，分析计算结果并得出你的结论。
列岀算法清单。
(2)用SOR迭代法求上述方程组的解，松弛系数血取1<69<2的不同的三个值，在< 10"5时停止迭代，记录迭代次数，分析计算结呆与松弛系数血的关系并得出你的结论。
(3)用MATLAB的内部函数inv求出系数矩阵的逆矩阵.再输入命令^inv(A)*b>即可求出上述各个方程组的解.并与上述三种方法求出的解进行比较。
请将比较结果列入卜表。
方程组的解X1 Xr■迭代次数误差楮确解Jacibi解法Gause・seidel 解法SOR 解法00= 60= 60=实验环境及相关情况（包含使用软件、实验设备、主要仪器及材料等）1. Win72. Mat lab 7.0实验内容及步骤（包含简要的实验步骤流程） 实验内容：题一：解卜列线性方程组'10 -7‘X 】、(8、-3 2.099999 62Xr5.9000015-1 5 -15、12> 0< 1 >题二研究解线性方程组 做=b 迭代法的收敛性、收敛速度以及SOR 方法中/佳松弛因子的选取问题, 用迭代法求解做二b,其中・4 -1r■7 A=4 -81 ,b =-21-2 ■1515实验结果（包括程序或图表、结论陈述.数据记录及分析等，可附页）题一：直接解法解线性方程组（1）列主兀高斯消去法与LU 分解求解列主元高斯消去法:编写matalab 程序（见附录gaosi.m ）,输出矩阵10.000 -7.000 0.000= 0.000 2.5000-5.000一 0.000 0.0006.0000020.000 0.000 0.000向量8 b =1 8.300 L5.0800J解向量:X = （0 ・-1 , 1 r I ）7 其中系数行列式的值det （A ）=762.00009LU 分解求解：编J matalab 程序（见附录zhjLU. m 和LU ・m ）,执行输出：-1.5 2.300 5.080-3.0001.000000.00000.5000 -25000001.0000 0.2000 -24000000.9600 10.0000 -7.0000 0.0000 1.0000n = 0.0000-0.0000010.0000 2.3000 —0.0000 0.000015000000 57500000.0000 0.0000 0.0000 5.0800在matlab 命令窗II 输入L*U ,可以得到A 二L*U ，即分解结果正确。
线性方程组直接解法实验
实验一 线性方程组直接解法实验一、实验目的1.运用matlab 软件完成线性方程组的直接实验；2.通过实验,了解Doolittle 分解方法和列主元消去法解方程组的过程，并比较两种方法的优点。
二、实验题目分别用Doolittle 分解方法和列主元消去法解方程组123410-7018-3 2.09999962 5.9000015-15-1521021⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭x x x x . 输出A ，b ；Doolittle 分解方法的L 和U ；解向量x,det A ;列主元方法的行交换次序，解向量x,det A ；比较两种方法所得的结果。
三、实验原理1) Doolittle 分解方法的原理算法原理：应用高斯消去法解n 阶线性方程Ax b =经过1n -步消去后得出一个等价的上三角形方程组()()n n A x b =，对上三角形方程组用逐步回代就可以求出解来。
这个过程也可通过矩阵分解来实现。
将非奇异阵分解成一个下三角阵L 和上三角阵U 的乘积称为对矩阵A 的三角分解，又称LU 分解。
根据LU 分解,将Ax b =分解为Ly bUx y =⎧⎨=⎩形式,简化了求解问题。
程序框图：变量说明：ij a 为系数矩阵元素，i b 为常数矩阵系数，,ij ij l u 分别为下、上三角矩阵元素。
2)列主元消去法解方程组的原理算法原理：列选主元是当变换到第k步时，从k列的kk a及以下的各元素中选取绝对值a的位置上，然后再进行消元过程。
交换系数矩阵中最大的元素，通过行交换将其交换到kk的两行（包括常数项），相当于两个方程的位置交换了。
程序框图：Array变量说明：k表示消元到a为消元第k步时第k步，kk主对角线元素3)四、实验过程及结果1)Doolittle分解方法的输出结果----------计算实习题----------Page64 第1题用Doolittle分解方法解方程组A =10.0000 -7.0000 0 1.0000-3.0000 2.1000 6.0000 2.00005.0000 -1.0000 5.0000 -1.00002.0000 1.0000 0 2.0000b =8.00005.90005.00001.0000L =1.0e+006 *0.0000 0 0 0-0.0000 0.0000 0 00.0000 -2.5000 0.0000 00.0000 -2.4000 0.0000 0.0000 U =1.0e+007 *0.0000 -0.0000 0 0.00000 -0.0000 0.0000 0.00000 0 1.5000 0.57500 0 0 0.0000 X =-0.0000-1.00001.00001.0000det(A)值为-762.00009000----------输出完毕----------2)列主元消去法输出结果----------计算实习题----------Page64 第1题列主元消去法解方程组A =10.0000 -7.0000 0 1.0000-3.0000 2.1000 6.0000 2.00005.0000 -1.0000 5.0000 -1.00002.0000 1.0000 0 2.0000b =8.00005.90005.00001.0000X =0.0000-1.00001.00001.0000detA值为-762.00009000----------输出完毕----------五、实验分析1.运用LU分解法可以成批地解方程组,且速度快.若c先求LU=A3,再解(LU)x=b,则要重新计算,计算量增加;如果按照上述方法计算,能够减少运算次数,加快运算速度.3. ⑴无论当n=10、n=100、n=1000时,x1与x2的值都相等,且随着n的增大,变化的只是解的中间部分数字,头、前后几位数都没有变化.⑵高斯消去法应用于三对角方程组得到的就是所谓的“追赶法”.追赶法不需要对零元素计算，只有6n-5次乘除法计算量，求解速度快.且当系数矩阵对角占优时数值稳定，是解三对角方程组的优秀解法.⑶用LU分解法解此方程组速度慢.顺序高斯消去法实际上就是将方程组的系数矩阵分解成单位下三角矩阵与上三角矩阵的乘积.顺序高斯消去法的消元过程相当于LU分解过程和Ly=b的求解,回代过程则相当于解线性方程组Ux=y,故其求解速度慢.六、附原程序1)Doolittle分解方法原程序fprintf('----------计算实习题----------\n')fprintf('Page64 第1题用Doolittle分解方法解方程组\n')A=[10 -7 0 1 ; -3 2.099999 6 2 ;5 -1 5 -1 ; 2 1 0 2];b=[8;5.900001;5;1];n=length(A);U=zeros(n,n);L=eye(n,n);U(1,:)=A(1,:);L(2:n,1)=A(2:n,1)/U(1,1);for i=2:n;U(i,i:n)=A(i,i:n)-L(i,1:i-1)*U(1:i-1,i:n);L(i+1:n,i)=(A(i+1:n,i)-L(i+1:n,1:i-1)*U(1:i-1,i))/U(i,i); endY=zeros(n);Y(1)=b(1);for i=2:nY(i)=b(i)-L(i,1:i-1)*Y(1:i-1,1);endX=zeros(n,1);if det(U)==0;X=0;elseX(n)=Y(n)/U(n,n);for i=n-1:-1:1X(i)=(Y(i)-U(i,i+1:n)*X(i+1:n,1))/U(i,i);endendAbLUXfprintf('det(A)值为%9.8f\n',det(A))fprintf('----------输出完毕 ----------\n')2)列主元消去法原程序fprintf('----------计算实习题----------\n')fprintf('Page64 第1题列主元消去法解方程组\n')A=[10 -7 0 1 ; -3 2.099999 6 2 ;5 -1 5 -1 ; 2 1 0 2];b=[8;5.900001;5;1];C=[A b];n=length(A);D=zeros(n,n+1);l=zeros(n,1);for i=1:nD=C;k=min(find(C(i:n,i)==max(C(i:n,i))));C(i,i:n+1)=D(k+i-1,i:n+1);C(k+i-1,i:n+1)=D(i,i:n+1);l(i+1:n,1)=C(i+1:n,i)/C(i,i);C(i+1:n,i:n+1)= C(i+1:n,i:n+1)- l(i+1:n,1)*C(i,i:n+1); endX=zeros(n,1);X(n)=C(n,n+1)/C(n,n);for i=n-1:-1:1X(i)=(C(i,n+1)-C(i,i+1:n)*X(i+1:n,1))/C(i,i); endAbXfprintf('detA值为%9.8f\n',det(A))fprintf('----------输出完毕----------\n')。
实验三：解线性方程组的直接法(一)
计算方法（C语言版）实验报告实验三：解线性方程组的直接法（一）（第三章）一、实验目的：1.用程序验证消元法和三角分解法。
2.掌握直接求解线性方程组的常用算法：列主元高斯消元法、LU分解法等。
3.记录运行结果，回答问题，完成实验报告。
二、实验条件：Microsoft Visual C++C-Free三、实验内容及运行结果：（一）、用列主元高斯消元法求解线性方程组：x+y-z=1-x+y-z=1-x-y-z=31.源程序：#include<stdio.h>#include<math.h>#define MAXSIZE 50void input(double a[MAXSIZE] [MAXSIZE+1],long n);void output(double x[MAXSIZE],long n);int main(int){double a[MAXSIZE] [MAXSIZE+1],x[MAXSIZE],s,max,t;long n,i,j,k,maxi;printf("\n Please enter the original equations of order number:"); scanf("%ld",&n);input(a,n);for(k=0;k<=n-2;k++){max=a[k][k];maxi=k;for(i=k+1;i<=n-1;i++)if(fabs(a[i][k])>fabs(max)){max=a[i][k];maxi=i;}if(max==0)break;if(maxi!=k)for(j=k;j<=n;j++){t=a[k][j];a[k][j]=a[maxi][j];a[maxi][j]=t;}for(i=k+1;i<=n-1;i++){a[i][k]/=-a[k][k];for(j=k+1;j<=n;j++)a[i][j]+=a[i][k]*a[k][j];}}if(max==0)printf("\nThe original equations has no solution。
数值分析第五章解线性方程组的直接法
数值分析第五章解线性方程组的直接法解线性方程组是数值分析中的一个重要问题，对于大规模的线性方程组来说，直接法是一种常用的求解方法。
本文将介绍解线性方程组的直接法，包括高斯消元法和LU分解法，并对其稳定性和计算复杂度进行讨论。
高斯消元法是一种常用的直接法，用于求解非奇异线性方程组。
其基本思想是通过初等行变换将线性方程组转化为上三角方程组，然后通过回代求解得到方程的解。
高斯消元法的步骤如下：1.将线性方程组表示为增广矩阵[A，b]，其中A是系数矩阵，b是常数向量。
2.从第一行开始，选择一个非零元素作为主元，通过行变换将主元下方的元素全部消为零。
3.重复第2步，直到矩阵变为上三角矩阵。
4.通过回代求解上三角矩阵，得到方程组的解。
高斯消元法的主要优点是简单直接，容易实现，但存在一些问题。
首先，如果系数矩阵A是奇异矩阵，即行列式为零，那么高斯消元法无法得到方程组的解。
其次，如果系数矩阵A的其中一行或几行接近于线性相关，那么在消元过程中会引入大量的舍入误差，导致计算结果不准确。
这也说明了高斯消元法的稳定性较差。
为了提高稳定性，可以使用LU分解法来解线性方程组。
LU分解法将系数矩阵A分解为两个矩阵L和U的乘积，其中L是下三角矩阵，U是上三角矩阵。
这样，原始的线性方程组可以表示为LUx=b，进而可以通过两个步骤来求解方程组：1.进行LU分解，将系数矩阵A分解为L和U。
2.分别用前代和回代的方法求解方程组Ly=b和Ux=y。
LU分解法相对于高斯消元法的优点是，可以在求解多个右端向量时，避免重复计算LU分解，从而提高计算效率。
同时，LU分解法的稳定性也较高，对于多个右端向量求解时，舍入误差的累积相对较小。
然而，LU分解法也存在一些问题。
首先，LU分解法的计算复杂度较高，需要进行两次矩阵乘法和一次矩阵向量乘法，而且LU分解过程中需要对系数矩阵A进行大量的行变换，增加了计算量。
其次，当系数矩阵A的一些元素非常小或非常大时，LU分解法容易出现数值不稳定的情况，即舍入误差的累积较大，导致计算结果不准确。
解线性方程组实验
实验报告专用纸实验项目名称解线性方程组的直接法课程名称数值方法教师评语及成绩：实验成绩：教师签字：（请按照实验报告的有关要求书写。
一般必须包括：1、实验目的；2、实验内容；3、实验步骤与方法；4、实验数据与程序清单；5、出现的问题与解决方法；6、实验结果、结果分析与体会等内容）1、实验目的（1）掌握Gauss消元法及Gauss列主元消去法，能用这两种方法求解线性方程组；（2）掌握平方根法与追赶法；（3）掌握相应数值算法的程序编写；（4）理解方程组的性态、条件数及误差分析。
2、实验内容1.应用高斯消元法和高斯列主元素法解线性方程组Ax=b。
2.解线性方程组Ax=b的LU分解法。
用熟悉的算法语言编写程序，用高斯消去法和高斯列主元消去法求解方程组，输出Ax=b 中矩阵A、b、解向量x及detA。
3、实验步骤和方法（1）要求上机实验前先编写出程序代码；（2）编辑录入程序；（3）调试程序并记录调试过程中出现的问题及修改程序的过程；（4）经反复调试后，运行程序并验证程序运行是否正确；（5）记录运行时的输入和输出；（6）对程序的运行结果进行分析；（7）根据实验情况和结果撰写并提交实验报告。
4、实验原理（1）实验结果图1Gauss消元法图2Gauss消元法近似为0（2）结果分析在Gauss消元法中，可以看到3的值是一个非常接近于0的数，如果将消元后的系数矩阵打印出来，可以看到消元后的系数矩阵并不是一个真正的上三角矩阵，下三角部分有几处是绝对值极小的值，这是由于计算机的浮点计算造成的，浮点在计算机中本身就不是一个精确的数，在消元的过程中，一些浮点运算有误差，最后得到的是近似值而不是0。
解线性方程组的直接方法
解线性方程组的直接方法一、高斯消元法高斯消元法是解线性方程组的一种常用且直接的方法。
它的基本思想是通过一系列的代数运算，将方程组化为一个三角方程组，然后从最后一行开始，逐步回代求解未知数。
下面以一个二元一次方程组为例，说明高斯消元法的具体步骤：例如，给定方程组：a₁₁x₁+a₁₂x₂=b₁a₂₁x₁+a₂₂x₂=b₂其中，a₁₁,a₁₂,a₂₁,a₂₂,b₁,b₂为已知系数。
1.检查a₁₁的值是否为0，若为0则交换第一行与非零行。
2.将第一行的每个元素除以a₁₁，使a₁₁成为13.将第一行乘以(-a₂₁)并加到第二行上，使第二行的第一个元素变为0。
4.引入一个新的未知数y₂=a₂₁x₁+a₂₂x₂，并代入第二行，化简方程组。
5.使用回代法求解方程组。
高斯消元法的优势在于其直接的解题思路和较高的计算精度，但是其缺点是计算复杂度较高，对于大规模的方程组不太适用。
二、逆矩阵法逆矩阵法是解线性方程组的另一种直接方法，它通过求解方程组的系数矩阵的逆矩阵，并将其与方程组的常数向量相乘，得到方程组的解向量。
下面以一个三元一次方程组为例，说明逆矩阵法的具体步骤：例如，给定方程组：a₁₁x₁+a₁₂x₂+a₁₃x₃=b₁a₂₁x₁+a₂₂x₂+a₂₃x₃=b₂a₃₁x₁+a₃₂x₂+a₃₃x₃=b₃其中，a₁₁,a₁₂,a₁₃,a₂₁,a₂₂,a₂₃,a₃₁,a₃₂,a₃₃,b₁,b₂,b₃为已知系数。
1.计算系数矩阵A的行列式D=，A。
2. 求解系数矩阵A的伴随矩阵Adj(A)。
3. 计算逆矩阵A⁻¹=Adj(A)/D。
4.将常数向量b用列向量表示。
5.计算解向量x=A⁻¹b。
逆矩阵法的优势在于其求解过程相对简单，计算量较小，并且不需要对系数矩阵进行消元操作。
但是逆矩阵法的限制在于当系数矩阵不可逆时无法使用。
三、克莱姆法则克莱姆法则是解线性方程组的另一种直接方法，它通过定义克莱姆行列式和克莱姆向量，利用行列式的性质求解方程组的解向量。
线性方程组直接解法实验
实验一 线性方程组直接解法实验一、实验目的1.运用matlab 软件完成线性方程组的直接实验；2.通过实验,了解Doolittle 分解方法和列主元消去法解方程组的过程，并比较两种方法的优点。
二、实验题目分别用Doolittle 分解方法和列主元消去法解方程组123410-7018-3 2.09999962 5.9000015-15-1521021⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭x x x x . 输出A ，b ；Doolittle 分解方法的L 和U ；解向量x,det A ;列主元方法的行交换次序，解向量x,det A ；比较两种方法所得的结果。
三、实验原理1) Doolittle 分解方法的原理算法原理：应用高斯消去法解n 阶线性方程Ax b =经过1n -步消去后得出一个等价的上三角形方程组()()n n A x b =，对上三角形方程组用逐步回代就可以求出解来。
这个过程也可通过矩阵分解来实现。
将非奇异阵分解成一个下三角阵L 和上三角阵U 的乘积A LU =称为对矩阵A 的三角分解，又称LU 分解。
根据LU 分解,将Ax b =分解为Ly bUx y=⎧⎨=⎩形式,简化了求解问题。
程序框图：变量说明：ij a 为系数矩阵元素，i b 为常数矩阵系数，,ij ij l u 分别为下、上三角矩阵元素。
开始输入a ij ,b ii,j=1,2,…,na i1=l i1=a i1/a 11i=2,3,…,nk=2akj=ukj=akj-∑l ktj=k,…,nk=n?k=k+1y 1=b 1,y i =b i -∑l ij y ji=2,…,n x n =y n /u nnx i =(y i -∑u ij x j )/u iii=n-1,…2,1是否a kj =l jk =(a jk -∑l it u tk )/u kkj=k,…,n2)列主元消去法解方程组的原理算法原理：列选主元是当变换到第k步时，从k列的kk a及以下的各元素中选取绝对值最大的元素，通过行交换将其交换到kka的位置上，然后再进行消元过程。
数值分析-线性方程组的直接解法
U =
Columns 1 through 7
16.0000 10.0000 -11.0000 -9.0000 17.0000 34.0000 2.0000
0 4.5000 3.2500 -3.2500 10.2500 15.5000 -2.5000
0 0 -3.2222 10.2222 -3.7778 -3.4444 1.5556
fori=2:n
t=0;
fork=1:i-1
t=t+L(i,k)*b(k);
end;
b(i)=b(i)-t;
end;
y=b
x(n)=b(n)/U(n,n);
fori=n-1:-1:1
t=0;
fork=i+1:n
t=t+U(i,k)*x(k);
end;
x(i)=(y(i)-t)/U(i,i);
end;
ifk~=1
A(k:n,k)=A(k:n,k)-A(k:n,1:k-1)*A(1:k-1,k);
end
t=find(abs(A(k:n,k))==max(abs(A(k:n,k))));
t=t(1)+k-1;
flag(k)=t;
ift~=k
p=A(k,:); A(k,:)=A(t,:); A(t,:)=p;
A=[4 2 -3 -1 2 1 0 0 0 0;
8 6 -5 -3 6 5 0 1 0 0;
4 2 -2 -1 3 2 -1 0 3 1;
0 -2 1 5 -1 3 -1 1 9 4 ;
-4 2 6 -1 6 7 -3 3 2 3;
8 6 -8 5 7 17 2 6 -3 5;
0 2 -1 3 -4 2 5 3 0 1;
线性方程组的直接解法实验报告
本科实验报告
课程名称：数值计算方法B
实验项目：线性方程组的直接解法
最小二乘拟合多项式
实验地点：ZSA401
专业班级：学号：201000
学生姓名：
指导教师：李志
2012年4月13日
for(i=1;i<=n;i++)
{
for(j=1;j<=n+1;j++)
printf("%lf\t",A[i][j]);
printf("\n");
}
double answer[N];
Gauss_eliminate(n,answer);
/*输出解*/
for(i=1;i<=n;i++)
printf("a[%d]=%lf\t",i-1,answer[i]);
getchar();
getchar();
}
四、实验结果与讨论、心得
讨论、心得:
刚开始调试代码的时候有时候就是很小的错误导致整个程序不能运行，需要我们一步一步慢慢来，经过无数次的检查程序错误的原因，以及在老师的帮助下，完成了这次实验。
这段时间的实验课提高了我的分析问题，解决问题的能力，特别提高了对一个程序的整。
线性方程组直接实验..
3.2 线性方程组直接实验一、实验目的1．掌握解线性方程组的几种基本常用的直接法，并能比较它们各自的优缺点； 2．能熟练地对方阵A 进行三角分解；3．利用LU 分解法求解线性方程组，能够体会LU 分解法的优点； 4．会用追赶法求解三对角方程组，明白用追赶法解三对角方程组的优点。
二、 实验题目1、用列主元法求解线性方程组：⎪⎪⎪⎭⎫ ⎝⎛--623.4712.3000.1643.5072.1000.2000.3000.2001.0 ⎪⎪⎪⎭⎫ ⎝⎛x x x 321 = ⎪⎪⎪⎭⎫ ⎝⎛000.2000.3000.1 程序如下：>> A=[0.001 2.000 3.000;-2.000 1.072 5.643;-1.000 3.172 4.623]; >> b=[1.000 3.000 2.000]' b = 1 3 2>> x=magauss2(A,b);x' 结果为： ans =-0.4646 -0.0702 0.3803 >>2、分别用列主元法和顺序高斯消去法求解下面的线性方程组，分析对结果的影响：⎪⎪⎪⎪⎪⎭⎫⎝⎛--⨯-2113.6291.52592.1111211314.59103.016 ⎪⎪⎪⎪⎪⎭⎫ ⎝⎛4321x x x x = ⎪⎪⎪⎪⎪⎭⎫ ⎝⎛78.461297.51 3、用追赶法分别对n=10，n=100，n=1000解方程组Ax=b ，其中⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛------=4114114114A , ⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=5556 b . 再用LU 分解法解此方程组，并对二者进行比较； 4、线性方程组直接实验-----LU 分解的优点。
三、实验原理1、列主元gauss1.输入系数矩阵A ，右端B ，置k:=1;2.对k=1, ……，n-1进行如下操作：（1）选列主元，确定k （r ）,使a(r(k)k)的K 次导=max | a(ik) 的K 次导|，k=<i<=n 。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
分量的有效位数如何随 n 变化，它与条件数有何关系？当 n 多大时 x 连一位有效数字也
没有了？
将每种情形的两个结果进行表格对比，如： n=6 时： GAUSS 列主消去法求得的 x
x 的有效数字
四、实验结果
五、讨论分析 （对上述算例的计算结果进行比较分析， 主要说清 matlab 的算符与消去法的适 用范围不同，自己补充）
求解 ( A A)(x x) b ，输出向量 x 和 x 2 ，从理论结果和实际计算两方面分析线
性方程组 Ax b 解的相对误差 x 4、 希尔伯特矩阵 H n (hij ) R
nn 2
/ x 2 以及 A 的相对误差 A 2 / A 2 的关系。
1 ， i j 1
分别输出 A, b, det(A) ，解向量 x ， （1）中 A 的条件数。分析比较（1） 、 （2）的 计算结果 3、线性方程组 Ax b 的 A 和 b 分别为
10 7 A 8 7
7 8 7 32 5 6 5 23 ,b 6 10 9 33 31 5 9 10
，其中 hij
（1）分别对 n 2,3,,6 计算 cond( H n ) ，分析条件数作为 n 的函数如何变化。 （2）令 x (1,1,,1, )T R n ，计算 bn H n x ，然后用高斯消去法解线性方程组
H n x bn 求出 x ，计算剩余向量 rn bn H n x 以及 x x x 。分析当 n 增加时解 x
输出 Ax Leabharlann b 中系数 A LU 分解的矩阵 L 和 U ，解向量 x 和 det(A) ;用列主元法 的行交换次序解向量 x 和求 det(A) ；比较两种方法所得结果。 2、用列主高斯消元法解线性方程组 Ax b 。
3.01 6.03 1.99 x1 1 4.16 1.23 x 2 1 （1） 、 1.27 0.987 4.81 9.34 x 1 3 3.00 6.03 1.99 x1 1 4.16 1.23 x 2 1 （2） 、 1.27 0.990 4.81 9.34 x 1 3
[n,m]=size(A); nb=length(b); if n~=m error('The rows and columns of matrix A must be equal!'); return; end if m~=nb error('The columns of A must be equal the dimension of b!'); return; end index=1; det=1; x=zeros(n,1); for k=1:n-1 % 选主元 a_max=0; for i=k:n if abs(A(i,k))>a_max a_max=abs(A(i,k)); r=i; end end if a_max<1e-20 index=0; return; end % 交换两行 if r>k for j=k:n z=A(k,j); A(k,j)=A(r,j); A(r,j)=z; end z=b(k); b(k)=b(r); b(r)=z; det=-det; end % 消元过程 for i=k+1:n m=A(i,k)/A(k,k); for j=k+1:n
7 10 3 2.099999 a) 5 1 2 1 1 x1 8 6 2 x 2 5.900001 ， 5 1 x3 5 x 0 2 1 4 0
六、改进实验建议 （自己补充）
附：高斯列主消去法源程序代码
function [x,det,index]=Gauss(A,b) % ÇóÏßÐÔ·½³Ì×éµÄÁÐÖ÷ÔªGaussÏûÈ¥·¨£¬ÆäÖÐ % % % % % A --- 方程组矩阵 b --- 方程组右端 x --- 方程组的解 det ---方程组行列式 index --- index=0表示求解失败，index=1表示求解成功¦
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); % 回代过程 if abs(A(n,n))<1e-20 index=0; return; end for k=n:-1:1 for j=k+1:n b(k)=b(k)-A(k,j)*x(j); end x(k)=b(k)/A(k,k); end
则 解 x (1,1,1,1, )T . 用 MATLAB 内 部 函 数 求 det(A) 和 A 的 所 有 特 征 值 和
cond( A) 2 . 若令
7 8.1 7.2 10 5 7.08 5.04 6 , A A 8 5.98 9.89 9 6.99 5 9 9 . 98
实
课程名称 实验项目 专业班级 指导教师
验
报
告
数值分析 解线性方程组的直接法 姓 名 学 号 成 绩 日 期
月
日
一. 实验目的 1、掌握程序的录入和 matlab 的使用和操作； 2、了解影响线性方程组解的精度的因素——方法与问题的性态。 3、学会 Matlab 提供的“\”的求解线性方程组。
二. 实验要求 1、按照题目要求完成实验内容； 2、写出相应的 Matlab 程序； 3、给出实验结果(可以用表格展示实验结果)； 4、分析和讨论实验结果并提出可能的优化实验。 5、写出实验报告。 三. 实验步骤 1、用 LU 分解及列主元高斯消去法解线性方程组