雅可比解线性方程组matlab
MATLAB课程设计可视化(GUI)的线性方程组的Jacobi迭代解法。
华东交通大学课程设计(论文)任务书软件学院学院09 软件工程+电气专业 3 班一、课程设计(论文)题目可视化（GUI）的线性方程组的Jacobi迭代解法二、课程设计(论文)工作自 2011年6月27日起至2011 年 7月1 日止。
三、课程设计(论文) 地点: 电气学院机房四、课程设计(论文)内容要求：1．本课程设计的目的（1）熟练掌握MATLAB语言的基本知识和技能；（2）熟悉MA TLAB下的GUI程序设计；（3）熟悉多项式曲线拟合，MA TLAB的绘图功能；（4）培养分析、解决问题的能力；提高学生的科技论文写作能力。
2．课程设计的任务及要求1）基本要求：（1）利用matlab中的GUI设计窗口设计一个界面程序。
其中主界面包含控制背景颜色与图形坐标的菜单；（2）含有一个按钮控件，它的作用能够对一个文件的数据进行多项式曲线拟合；（3）文件名通过一个编辑控件由用户给定，给定文件内包含要拟合曲线的数据；（4）拟合好的多项式曲线能够在另一个坐标控件中显示；（5）拟合好的曲线与实际数据曲线用不同的颜色并加各种必要标注在坐标中显示。
2）创新要求：GUI界面使程序更加友好、美观和合理3）课程设计论文编写要求（1）要按照课程设计模板的规格书写课程设计论文（2）论文包括目录、正文、心得体会、参考文献等（3）课程设计论文用B5纸统一打印，装订按学校的统一要求完成4）答辩与评分标准：（1）完成原理分析：20分；（2）完成设计过程：40分；（3）完成调试：20分；（4）回答问题：20分；5）参考文献：（1）刘卫国.MATLAB程序设计与应用（第二版）. 北京：高等教育出版社，2008.（2）刘志刚.电力电子学.北京：清华大学出版社、北京交通大学出版社，2004.（3）李传琦. 电力电子技术计算机仿真实验.电子工业出版社，2006.6）课程设计进度安排内容天数地点构思及收集资料2图书馆编程设计与调试1实验室撰写论文2图书馆、实验室学生签名：2011 年月日课程设计(论文)评审意见（1）完成原理分析（20分）：优（）、良（）、中（）、一般（）、差（）；（2）设计分析（20分）：优（）、良（）、中（）、一般（）、差（）；（3）完成调试（20分）：优（）、良（）、中（）、一般（）、差（）；（4）翻译能力（20分）：优（）、良（）、中（）、一般（）、差（）；（5）回答问题（20分）：优（）、良（）、中（）、一般（）、差（）；（6）格式规范性及考勤是否降等级：是（）、否（）(7) 总评分数优（）、良（）、中（）、一般（）、差（）；评阅人：职称：讲师2011年月日Matlab应用课程设计目录课程设计任务书 (1)一、Matlab 软件简介 (4)1.1 MATLAB产生的历史背景 (4)1.2 MATLAB的语言特点和开发环境 (4)1.3 基本语法 (5)二、URI简介 (8)2.1特点 (8)2.2组成部分 (8)2.3实现方法 (10)三、设计题目 (10)四、设计内容 (10)4.1Jacobi迭代法基本原理 (10)4.2实验内容 (11)4.3实验结果 (19)五、课程设计心得 (21)六、参考文献 (21)一、Matlab 软件简介MATLAB是美国MathWorks公司生产的一个为科学和工程计算专门设计的交互式大型软件，是一个可以完成各种精确计算和数据处理的、可视化的、强大的计算工具。
matlab：jacobi迭代法工具箱
8 %u为线性方程组的解
9 %n为求出所有精度的解实际的迭代步数
10 if nargin==3
11 eps=1.0e-10;
12 M=200;
13 elseif nargin<3
14 error
15 return
16 elseif nargin==5
17 M=varargin{1};
18 end
19 D=diag(diag(A));%求A的对角矩阵
matlab： jacobi迭代法工具箱
1 function [u,n]=Jacobi(A,b,u0,eps,varargin)
2 %Jacobi.m函数为用于雅可比迭代法求解线性方程组
3 %A为线性方程组的系数矩阵
4 %b为线性方程组的常数向量
5 %u0为迭代初始向量
6 %eps为解的精度控制
7 %varargin为迭代步数控制
29 n=n+1;
30 % if (n>=M)
31 %
disp('Warning:迭代次数太多，可能不收敛！');
32 %
return;
33 % end
34 end
20 L=-tril(A,-1);%求A的下三角阵
21 U=-triu(A,1);%求A的上三角阵
22 B=D\(L+U);
23 f=D\b;
24 u=B*u0+f;
25 n=1; %迭代次数
26 while norm(u-u0)>=eps & n<=1000
Hale Waihona Puke 27 u0=u;28 u=B*u0+f;
1functionunjacobiabu0epsvarargin2jacobim函数为用于雅可比迭代法求解线性方程组3a为线性方程组的系数矩阵4b为线性方程组的常数向量5u0为迭代初始向量6eps为解的精度控制7varargin为迭代步数控制8u为线性方程组的解9n为求出所有精度的解实际的迭代步数10ifnargin311eps10e10
用matlab求解线性方程组
用matlab 解线性方程组电子科技大学摘要：利用matlab 软件编写程序，分别利用雅克比迭代法和高斯赛德尔迭代法、列主元高斯消去法，改进平方根法求解不同方程组，其中对于雅克比迭代法和高斯赛德尔迭代法在收敛条件相同的情况下，比较两者的迭代次数，对于，列主元高斯消去法和改进平方根法，要求解出方程组的根。
关键词：雅克比迭代法；高斯赛德尔迭代法；列主元高斯消去法；改进平方根法引言：众所周知，在数学物理方程中，当涉及到解方程组的时候，按照常规的计算方法计算量很大，这样，就涉及到了计算方法的问题，算法里面，很多涉及到矩阵转换，经过处理，可以让我们简便的计算根，而matlab 是一个处理矩阵方程组很便利的软件，下面就是用几种不同的方法解方程组。
正文：一、雅克比迭代法和高斯赛德尔迭代法 1雅可比迭代法原理： 设线性方程组b Ax =的系数矩阵A 可逆且主对角元素nn a ,...,a ,a 2211均不为零,令()nn a ,...,a ,a diag D 2211=并将A 分解成()D D A A +-= 从而(1)可写成 ()b x A D Dx +-= 令 11f x B x +=其中b D f ,A D I B 1111--=-=. 以1B 为迭代矩阵的迭代法(公式)()()111f x B x k k +=+称为雅可比(Jacobi)迭代法(公式),用向量的分量来表示,则为⎩⎨⎧[],...,,k ,n ,...,i x a ba xnij j )k (j j i iii)k (i21021111==∑-=≠=+其中()()()()()Tn x ,...x ,x x 002010=为初始向量.由此看出,雅可比迭代法公式简单,每迭代一次只需计算一次矩阵和向量的乘法.在电算时需要两组存储单元,以存放()k x 及()1+k x . 2高斯赛德尔迭代法原理由雅可比迭代公式可知,在迭代的每一步计算过程中是用的全部分量来计算的所有分量,显然在计算第i 个分量时，已经算出最新的分量，但没被利用。
数值分析实验报告--解线性方程组的迭代法及其并行算法
disp('请注意：高斯-塞德尔迭代的结果没有达 到给定的精度，并且迭代次数已经超过最大迭 代次数max1,方程组的精确解jX和迭代向量X 如下： ') X=X';jX=jX' end end X=X';D,U,L,jX=jX'
高斯－塞德尔的输入为：
A=[10 2 3;2 10 1;3 1 10]; b=[1;1;2]; X0=[0 0 0]'; X=gsdddy(A,b,X0,inf, 0.001,100) A=[10 2 3;2 10 1;3 1 10]; 请注意：因为对角矩阵 D 非奇异，所以此方程组有解.
0.0301 0.0758 0.1834
8.心得体会：
这已经是第三次实验了， 或多或少我已经对 MATLAB 有了更多的了 解与深入的学习。通过这次实验我了解了雅可比迭代法和高斯－ 塞德尔迭代法的基本思想，虽然我们不能熟练编出程序，但还是 能看明白的。运行起来也比较容易，让我跟好的了解迭代法的多 样性，使平常手算的题能得到很好的验证。通过这次实验让我对 MATLAB 又有了更深一层的认识，使我对这门课兴趣也更加浓厚。
运行雅可比迭代程序输入： A=[10
b=[1;1;2];X0=[0 0 0]'; X=jacdd(A,b,X0,inf,0.001,100)
2 3;2 10 1;3 1 10];
结果为：
k= 1 X=
0.1000 k= 2 X= 0.0200 k= 3 X= 0.0400 k= 4 X= 0.0276 k= 5 X= 0.0314 k= 6 X= 0.0294 k= 7 X= 0.0301 k= 8 X= 0.0297
6、 设计思想：先化简，把对角线的项提到左边，其它项
matlab方程组数值解法
matlab方程组数值解法Matlab方程组数值解法随着科学技术的发展，数值计算在科学研究和工程实践中的应用越来越广泛。
对于复杂的数学模型，通过解析方法求得准确的解析解往往是困难的甚至不可能的。
因此，数值解法成为了求解这些问题的重要手段之一。
Matlab作为一种强大的数值计算工具，提供了多种数值解法来解决方程组的数值求解问题。
在Matlab中，求解方程组的数值解法主要包括直接法和迭代法两种。
直接法是指通过一系列直接计算来求解方程组的解，常见的方法有高斯消元法和LU分解法。
迭代法则是通过迭代计算来逼近方程组的解，常见的方法有雅可比迭代法和高斯-赛德尔迭代法。
高斯消元法是一种经典的直接法，它通过消元和回代的方式将方程组化为简化的三角方程组，然后通过回代计算得到解。
Matlab中提供了直接调用的函数，如"linsolve"函数，可以直接求解线性方程组。
对于非线性方程组，可以通过牛顿法等迭代法来求解。
LU分解法是另一种常用的直接法，它将方程组的系数矩阵分解为一个下三角矩阵和一个上三角矩阵的乘积，然后通过回代计算得到解。
在Matlab中，可以使用"lu"函数进行LU分解，并通过"\"运算符求解线性方程组。
雅可比迭代法是一种简单而有效的迭代法，它通过迭代计算逐步逼近方程组的解。
在每一步迭代中，通过将方程组中的每个未知数的迭代解代入到方程组中的对应方程中，得到新的近似解。
通过多次迭代，可以得到逼近方程组解的解向量。
在Matlab中，可以使用"jacobi"函数进行雅可比迭代。
高斯-赛德尔迭代法是雅可比迭代法的改进版，它在每一步迭代中使用上一步迭代得到的未知数的新近似解。
这样可以更快地逼近方程组的解。
在Matlab中，可以使用"gauss_seidel"函数进行高斯-赛德尔迭代。
除了这些常见的数值解法外，Matlab还提供了其他一些数值求解函数，如"fsolve"函数可以求解非线性方程组，"ode45"函数可以求解常微分方程组等。
matlab 解线性方程组的迭代法
小结
➢ 线性方程组求根方法的几何意义
➢ 线性方程组求根函数的理解与应用
设线性代数方程组为
展开为
若对角元素 逐一变量分离得方程组
即
此即为迭代公式
简单迭代解法的过程如下：
1 设定一组初值 2 第一次迭代：
得到
第k次迭代 第i个变量
3 第二次迭代： 得到
4 同样做法，得到第k+1次迭代：
迭代次数k的取值与精度要求有关，按下式判断：
若满足则停止迭代 为了便于编程，迭代公式可改写为：
matlab 解线性方程组的 迭代法
2020年4月22日星期三
第十讲 解线性方程组的迭代解法
内容提要
引言 简单迭代法 赛得尔迭代法 迭代解法的收敛性 MATLAB的线性方程组求解函数2 小结
1、引言
迭代解法的基本思想
根据给定方程组，设计出一个迭代公式，构造一 数组的序列 ，代入迭代公式，计算出 ，再代 入迭代公式，经过k次迭代运算后得到 ，若 收敛于某一极限数组xi，则xi就是方程组的近似解。
while(norm(x-x1)>eps) x1=x; x=(I-A)*x1+b; n = n + 1; if(n>=M) disp('Warning: 迭代次数太多，现
在退出！'); return;
end end
例：求解方程组
clear all; A =[ 1.0170 -0.0092 0.0095;
用雅可比迭代法和高斯赛德尔迭代法解线性方程组
西安财经学院本科实验报告学院（部）统计学院实验室数学专业实训基地课程名称大学数学实验学生姓名董童丹（编程）杨媚（实验报告）学号0804280125 0804280126专业数学与应用数学0801教务处制二0一一年五月四日《用雅可比迭代法和高斯赛德尔迭代法解线性方程组》实验报告开课实验室：实验室313 2011年5月 4日 学院 统计学院年级、专业、班数学与应用数学0801班姓名 董童丹 杨媚成绩课程 名称大学数学实验实验项目 名 称 用雅可比迭代法和高斯赛德尔迭代法解线性方程组指导教师严惠云教师评语教师签名：年 月 日一、实验目的：1）掌握用MATLAB 软件求微分方程初值问题数值解的方法； 2）通过实例学习用线性方程组模型解决简化的实际问题； 3）了解用雅可比迭代法和高斯赛德尔迭代法解线性方程组。
二、实验环境：本次上机实践所使用的平台和相关软件Matlab 。
三、实验内容：＊题目1、分别用雅可比迭代法和高斯-赛德尔迭代法计算下列方程组，均取相同的初值T x )1,1,1()0(=，观察其计算结果，并分析其收敛性.⎪⎩⎪⎨⎧=++=++-=--4780591109321321321x x x x x x x x x2、定义矩阵⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡--------------=321412132141412132141412132141213A＊算法设计1、雅可比迭代法：原线性方程组可等价地写为：⎪⎩⎪⎨⎧+--=-=++=.478,59,1109213312321x x x x x x x x x （1）利用线性方程组（1）可以进行如下形式的迭代：⎪⎩⎪⎨⎧+--=-=++=+++.478,59,1109)(2)(1)1(3)(3)(1)1(2)(3)(2)1(1k k k k k k k k k x x x x x x x x x （2） 对选定的初始解Tx x x x ),,()0(3)0(2)0(1)0(=，可由（2）式迭代计算.,,)2()1( x x 如果迭代一定次数后，所得到的结果相同或非常接近,并与方程组的精确解相等或非常接近，则认为得到的结果为所求解.高斯-赛德尔迭代法： 利用高斯-赛德尔迭代公式：⎪⎩⎪⎨⎧+--=-=++=++++++478,59,1109)1(2)1(1)1(3)(3)1(1)1(2)(3)(2)1(1k k k k k k k k k x x x x x x x x x 进行迭代，如果迭代一定次数后，所得到的结果相同或非常接近,并与方程组的精确解相等或非常接近，则认为得到的结果为所求解.2、该矩阵为稀疏矩阵，主对角线元素为3，次对角线为-1/2，再次对角线为-1/4，用sparse 命令就可以定义出所需的矩阵. 程序为：高斯—赛德尔迭代法求解：程序为：四．实验结果分析：用雅可比迭代法解，由已知条件给定初始解T x )1,1,1()0(=，计算至=k 200时，可得)0.5575 1.1637,- 0.0985,- ()200(=x已经与原线性方程组的精确解非常接近.即用雅可比迭代法得到解.由高斯-赛德尔迭代法，计算至=k 20时，可得)5574.0,1639.1,0984.0()20(--=x ，已经与原线性方程组的精确解非常接近.即用雅可比迭代法得到解.对原线性方程组用以上两种迭代公式计算的结果进行比较，可以发现高斯-赛德尔迭代法比雅可比迭代法收敛要快.对原线性方程组雅可比迭代法和高斯-赛德尔迭代法的计算结果，雅可比迭代公式简单，特别适合并行计算；高斯-赛德尔迭代计算出的)1(+k i x 可立即存入)(k i x 的位置，只需一个向量存储单元，是典型的串行计算，一般情况下收敛会快一些.通过本次实验，学会用MA TLAB 软件数值求解线性代数方程组，分别用雅可比迭代法和高斯-赛德尔迭代法对线性方程组进行迭代求解，通过对比结果，对迭代法的收敛性和解的稳定性作初步分析, 对两种方法有了进一步的认识.学会了用命令定义稀疏矩阵.。
研究报告用matlab解线性方程组
用matlab解线性方程组2008-04-12,17:00一。
高斯消去法1.顺序高斯消去法直接编写命令文件a=[]d=[]'[n,n]=size(a);c=n+1a(:,c)=d;,for,k=1:n-1a(k+1:n,,k:c)=a(k+1:n,,k:c)-(a(k+1:n,k)/,a(k,k))*a(k,,k:c);,,,,,%消去endx=[0,0,0,0]',,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,%回带x(n)=a(n,c)/a(n,n);for,g=n-1:-1:1x(g)=(a(g,c)-a(g,g+1:n)*x(g+1:n))/a(g,g)end2.列主高斯消去法*由于“[r,m]=max(abs(a(k:n,k)))”返回的行是“k:n,k”内的第几行，所以要通过修正来把m,改成真正的行的值。
该程序只是演示程序，真正机器计算不需要算主元素所在列以下各行应为零的值。
直接编写命令文件a=[]d=[],'[n,n]=size(a);c=n+1a(:,c)=d;,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,%(增广)for,k=1:n-1[r,m]=max(abs(a(k:n,k)));,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,%选主m=m+k-1;,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,%(修正操作行的值),,,if(a(m,k)~=0),,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,if(m~=k)a([k,m],:)=a([m,k],:);,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,%换行enda(k+1:n,,k:c)=a(k+1:n,,k:c)-(a(k+1:n,k)/,a(k,k))*a(k,,k:c);,,,,,,%消去endendx=[0,0,0,0]',,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,%回带x(n)=a(n,c)/a(n,n);for,g=n-1:-1:1x(g)=(a(g,c)-a(g,g+1:n)*x(g+1:n))/a(g,g)end3．分别用顺序高斯消去法和列主高斯消去法解方程组a*x=d，并比较结果a=[0,1,2,3;9,11,23,34;62.5,23.4,15.5,17.2;192.01,124,25.1,59.3],d=[1;1;1;1]顺序高斯消去法：提示“Warning:,Divide,by,zero.”,x,=NaN,NaN,NaN,NaN 列主高斯消去法：x,=-1.2460,2.8796,5.5206,-4.3069由此可见列主高斯消去法可以解决顺序高斯消去法所不能解决的问题。
雅可比迭代法和高斯-塞德尔迭代法求解线性方程组
实验报告内容一 实验目的与要求（实验题目）1．分别利用雅可比迭代法和高斯-塞德尔迭代法求解以下线性方程组使得误差不超过 2.用不动点迭代法求方程的实根：02010223=-++x x x二 模型建立（相关主要计算公式）1. 雅可比迭代法⎩⎨⎧[],...,,k ,n ,...,i x a b a x n i j j )k (j j i i ii )k (i 21021111==∑-=≠=+ 其中()()()()()T n x ,...x ,x x 002010=为初始向量.2.高斯-塞德尔迭代法⎩⎨⎧[],...,,k ,n ,,i x a x a b a x i j n i j )k (j ij )k (j ij i ii )k (i 21021111111==∑∑--=-=+=++3.不动点迭代法• ...1,0),(1==+k x xk k ϕ三、 实验过程、步骤（程序）1. 雅可比迭代法#include "stdio.h"#include "math.h"#include "string.h"main(){⎪⎩⎪⎨⎧=++=-+=+-3612363311420238321321321x x x x x x x x x 410-int i,j,k;float m1=0.0,m2=0.0;float a[3][4]={8,-3,2,20,4,11,-1,33,6,3,12,36};float x[3]={0.0,0.0,0.0};for(k=1;k<=10;){for(i=0;i<=2;i++){for(j=0;j<i;j++)m1=m1+a[i][j]*x[j];for(j=i+1;j<=2;j++)m2=m2+a[i][j]*x[j];x[i]=(a[i][3]-m1-m2)/a[i][i];m1=0,m2=0;}k++;}printf("雅可比迭代法计算结果为：\n");for(i=0;i<=2;i++)printf("x[%2d]=%8.9f\n",i+1,x[i]);}2高斯-塞德尔迭代法#include<stdio.h>#include<math.h># define n 3void main(){int i,j,k=1;float x[n]={0,0,0},m[n]={0,0,0},s=1;float a[n][n]={8,-3,2,4,11,-1,6,3,12},d[n]={20,33,36}; printf("高斯-塞德尔迭代法运算结果为:\n");for(k=0;fabs(s-x[0])>1e-6;k++){s=x[0];for(i=0;i<n;i++){m[i]=0;for(j=0;j<n;j++) m[i]=m[i]-a[i][j]*x[j];m[i]=m[i]+d[i]+a[i][i]*x[i];x[i]=m[i]/a[i][i];}printf("Y1=%f Y2=%f Y3=%f\n",x[0],x[1],x[2]); }getchar() ;}3.#include <stdio.h>#include <math.h>double f( double x ){return x * x * x + 2 * x * x + 10 * x - 20;}double fdx( double x ){return 3 * x * x + 18.4 * x + 16.7;}int main( ){int t1 = 0, t2 = 1;double x[ 2 ], ep = 1e-8;x[ 0 ] = 0;do{t1 = 1 - t1;t2 = 1 - t2;x[ t1 ] = x[ t2 ] - f( x[ t2 ] ) / fdx( x[ t2 ] );}while( fabs( x[ t1 ] - x[ t2 ] ) > ep );printf("解得x=%lf\n", x[ t1 ]);return 0;}四．实验结果：1.雅可比迭代法：2.高斯-塞德尔迭代法：.3.不动点迭代法：五．实验小结通过这次上机，学会了用Jacobis迭代法，高斯-塞德尔迭代法求解线性方程组，算法程序比较复杂，特别是要多次使用数组条件及for循环语句。
MATLAB数值分析实验四(雅各比、高斯赛德尔迭代,以及二分法和牛顿迭代解非线性方程)
佛山科学技术学院实 验 报 告课程名称 数值分析实验项目 迭代法专业班级 机械工程 姓 名 余红杰 学 号 2111505010指导教师 陈剑 成 绩 日 期 月 日一. 实验目的1、 在计算机上用Jacobi 迭代法和Gauss-Seidel 迭代法求线性方程组 。
2、 在计算机上用二分法和Newton 迭代法求非线性方程 的根。
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Matlab 编写Jacobi 迭代法和Gauss-Seidel 迭代法求线性方程组Ax b =的程序。
2、用Matlab 编写二分法和Newton 法求非线性方程()0f x =的根程序。
3、设⎪⎪⎪⎭⎫ ⎝⎛--=212120203A ,T b )1,3,1(=,对于线性方程组b Ax =，考虑如下问题： （1）分别写出Jacobi 迭代矩阵和Gauss-Seidel 迭代矩阵（2）用Jacobi 迭代法和Gauss-Seidel 迭代法解该方程时，是否收敛？谁收敛的更快？（3）用实验步骤1编好的两种迭代法程序进行实验，通过数值结果验证（2）的结论。
4、用调试好的二分法和Newton 迭代法程序解决如下问题求020sin 35=-+-x x e x 的根，其中控制精度810-=eps ，最大迭代次数50=M 。
四. 实验结果1.%Jacob.mfunction [x,B] = Jacob(A,b,n)%Jacobi迭代求解方程组Ax=b，系数矩阵A，迭代次数n%求解的准备工作，构建各迭代系数阵等：m = length(A);D = diag(diag(A));L = -tril(A,-1);U = -triu(A, 1);J = D^(-1)*(L+U);B = J;f = D^(-1)*b;%初始化x即启动值：x = zeros(m,1);%根据x(k+1)=Jx(k)+f进行矩阵运算：for i=1:nx = J*x + f;end%GauSeid.mfunction [x,G] = GauSeid(A,b,n)%Gauss-Seidel迭代求解方程组Ax=b，系数矩阵A，迭代次数n %求解的准备工作，构建各迭代系数阵等：m = length(A);D = diag(diag(A));L = -tril(A,-1);U = -triu(A, 1);G = inv(D-L)*U;f = inv(D-L)*b;%初始化矩阵：%根据x(k+1)=Gx(k)+f进行矩阵运算：x = zeros(m,1);for i = 1:nx = G*x + f;end2.%Dichotomy.mfunction x=Dichotomy(x1,x2,p,n)%利用二分法求根，区间[x1,x2]%p为精度a = x1;b = x2;%进行n次二分：%第一个条件判断根在a,b区间内%第二个条件判断是否中间点就是根，是则迭代终止；%第三个条件判断二分后根在中点左侧还是右侧；%第四个条件判断精度是否达标，用区间长度代替for i=1:nif f(a)*f(b)<0x0 = (a+b)/2;p0 = (b-a)/(2^i);if f(x0)==0x = x0;elseif f(a)*f(x0)<0b = x0;else a= x0;endendendif p0>pcontinue;elsex = x0;break;endend%NewIterat.mfunction x=NewIterat(x0,p,n)%利用牛顿迭代法求根；%x0为启动点，估计的靠近根的值，p为精度，n为迭代次数；syms x1;%设置一个自变量x1，方便后面的求导:f1 = diff(f(x1));%进行n次迭代，精度达标会提前终止；%第一个判断是根据控制条件来确定真实误差是选绝对还是相对误差；%第二个判断是确定精度是否满足要求for i=1:nx1 = x0;x = x0-f(x0)/eval(f1);if x<1RealDiv = abs(x-x0);else RealDiv = abs(x-x0)/abs(x); endif RealDiv>px0 = x;else break;endend3.run43.mclc,clear;A = [3 0 -2;0 2 1;-2 1 2];b = [1;3;1];n1 = 50;n2 =100;%输入A,b矩阵，设置迭代次数为50次；%调用迭代函数，返回迭代矩阵；[x,B] = Jacob(A,b,n1);xj50 = x;f1 = max(abs(eig(B)))%显示谱半径，确定收敛性；[x,B] = GauSeid(A,b,n1);xg50 = x;f2 = max(abs(eig(B)))%谱半径；xj100 = Jacob(A,b,n2);xg100 = GauSeid(A,b,n2); Jacobi= [xj50,xj100]%对比迭代50次和100次的结果GauSei= [xg50,xg100]%很容易看出准确解为[1；1；1]4.f.mfunction y = f(x)%所有f(x)=0中f(x)函数；y = exp(5*x)-sin(x)+x^3-20; 下页是具体解时的程序：%run44.mclc,clear;%很容易看出在[0,1]间有解；x = Dichotomy(0,1,10^(-8),50)x = NewIterat(0,10^(-8),50)五. 讨论分析4.3实验中的迭代矩阵在上个部分，分别为J 和G ；对于收敛性，看下图中的f1,f2，也就是迭代矩阵的谱半径，都是小于1的，但是可以看出后者的谱半径更小，就是说它的收敛速度更快；最终求x 的值，每种迭代方法分别迭代50次（第一列）和100次（第二列）； 实际值为[1；1；1]可以看出用高斯赛德尔迭代更精确，速度更快。
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。
Jacobi迭代法_Gauss-Seidel迭代法
Matlab线性方程组的迭代解法（Jacobi迭代法Gauss-Seidel迭代法）实验报告2008年11月09日星期日12:49Jacobi迭代法，并编写Matlab程序matlab程序按照算法(Jacobi迭代法)编写Matlab程序(Jacobi.m)function [x, k, index]=Jacobi(A, b, ep, it_max)%求解线性方程组的Jacobi迭代法，其中% A ---方程组的系数矩阵% b ---方程组的右端项% ep ---精度要求。
省缺为1e-5% it_max ---最大迭代次数，省缺为100% x ---方程组的解% k ---迭代次数% index --- index=1表示迭代收敛到指定要求；% index=0表示迭代失败if nargin <4 it_max=100; endif nargin <3 ep=1e-5; endn=length(A); k=0;x=zeros(n,1); y=zeros(n,1); index=1;while 1for i=1:ny(i)=b(i);for j=1:nif j~=iy(i)=y(i)-A(i,j)*x(j);endendif abs(A(i,i))<1e-10 | k==it_maxindex=0; return;endy(i)=y(i)/A(i,i);endif norm(y-x,inf)<epbreak;endx=y; k=k+1;end用Jacobi迭代法求方程组的解。
输入：A=[4 3 0;3 3 -1;0 -1 4]；b=[24;30;-24]；[x, k, index]=Jacobi(A, b, 1e-5, 100)输出：x =k =100index =Gauss-Seidel迭代法，并编写Matlab程序function [v,sN,vChain]=gaussSeidel(A,b,x0,errorBound,maxSp)%Gauss-Seidel迭代法求解线性方程组%A-系数矩阵b-右端向量x0-初始迭代点errorBound-近似精度maxSp-最大迭代次数%v-近似解sN-迭代次数vChain-迭代过程的所有值step=0;error=inf;s=size(A);D=zeros(s(1));vChain=zeros(15,3);%最多能记录15次迭代次数k=1;fx0=x0;for i=1:s(1)D(i,i)=A(i,i);end;L=-tril(A,-1);U=-triu(A,1);while error>=errorBound & step<maxSpx0=inv(D)*(L+U)*x0+inv(D)*b;vChain(k,:)=x0';k=k+1;error=norm(x0-fx0);fx0=x0;step=step+1;endv=x0;sN=step;用Gauss-Seidel迭代法求解上题的线性方程组，取。
(完整word版)matlab数值分析例题
1、 在MATLAB 中用Jacobi 迭代法讨论线性方程组,1231231234748212515x x x x x x x x x -+=⎧⎪-+=-⎨⎪-++=⎩（1）给出Jacobi 迭代法的迭代方程，并判定Jacobi 迭代法求解此方程组是否收敛。
（2）若收敛，编程求解该线性方程组.解（1）：A=[4 -1 1;4 —8 1;-2 1 5］ %线性方程组系数矩阵A =4 -1 1 4 -8 1 —2 1 5>> D=diag(diag(A)）D =4 0 0 0 —8 0 0 0 5〉〉 L=—tril （A,-1) ％ A 的下三角矩阵L =0 0 0 —4 0 0 2 —1 0〉〉U=-triu(A，1）% A的上三角矩阵U =0 1 —10 0 —10 0 0B=inv（D）*（L+U）% B为雅可比迭代矩阵B =0 0.2500 —0。
25000.5000 0 0.12500。
4000 —0.2000 0〉〉r=eigs(B,1）%B的谱半径r =0。
3347 〈1Jacobi迭代法收敛。
(2）在matlab上编写程序如下:A=[4 —1 1;4 -8 1;—2 1 5]；〉〉b=［7 —21 15］'；>〉x0=［0 0 0]’;〉〉［x,k］=jacobi（A,b，x0，1e—7)x =2。
00004.00003。
0000k =17附jacobi迭代法的matlab程序如下：function [x,k］=jacobi（A,b，x0，eps)% 采用Jacobi迭代法求Ax=b的解％A为系数矩阵％b为常数向量％x0为迭代初始向量％eps为解的精度控制max1= 300; %默认最多迭代300，超过300次给出警告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B=D\(L+U);f=D\b;x=B＊x0+f；k=1；%迭代次数while norm（x-x0）>=epsx0=x;x=B＊x0+f；k=k+1;if（k〉=max1)disp(’迭代超过300次，方程组可能不收敛’）；return；endend2、设有某实验数据如下：（1)在MATLAB中作图观察离散点的结构,用多项式拟合的方法拟合一个合适的多项式函数；（2）在MATLAB中作出离散点和拟合曲线图。
数学实验报告——利用MALTAB计算线性代数方程组的数值解法
实验三线性代数方程组的数值解法一、迭代法求解方程组㈠问题描述给定方程组的矩阵A，通过迭代法求解方程组。
1、选取不同的初始向量和不同的右端项向量，给定误差要求，用两种迭代法计算；2、去顶右端项向量和初始向量，将A的主对角线元素成倍增长若干次，非主对角线元素不变，用雅克比迭代法计算。
㈡方法与公式1、雅克比迭代法2、高斯-赛德尔迭代法㈢结果与分析1、不同初始向量、不同右端项向量、不同精度要求(1)初始向量定为zeros(n,1);①b=zeros(n,1)迭代次数为0，直接得到结果。
③b = 1:n(2)初始向量定为one s(n,1)①b=zeros(n,1)事实上，迭代100次时，所得结果约为10^-32，已经可以认为是0，但是由于没有达到精度要求，故不算收敛。
②b=ones(n,1)④b = n:1(3)初始向量定为1:n①b=zeros(n,1)②b=ones(n,1)(4)初始向量定为n:1①b=zeros(n,1)②b=ones(n,1)④b = n:1(5)简要小结a.在个别情况下雅可比迭代法收敛速度极慢，但事实上没有达到收敛时其计算结果已经可以接受；b.要求的精度越高，迭代的次数越多，迭代的次数与所要求的精度的对数值近似呈线性，也就是说两者近似呈指数关系；b.高斯-赛德尔迭代法有着比雅可比更好的迭代特性；2、更改A的主对角线元素(1) b =20:1;初值 1:20(2) b =20:1;初值 20:1(3) b =1:20;初值 20:1(4) b =[3;5;2;6;8;23;5;8;32;63;23;5;2;12;0;23;1;564;2;65]; 初值 ones(20,1)(5)简要小结a.迭代的次数随着对角线元素的成倍的增长而降低，趋于一稳定值；b.右端项以及迭代初值仅当对角线元素较小时对迭代次数起有作用，对角线元素成倍数增加后，迭代次数不变。
3、总结由以上各个对比可以得出以下结论：a.使用迭代法求解方程组时时，要求的精度越高，迭代次数越大；b.高斯-赛德尔迭代法的迭代次数要比雅可比迭代法迭代次数低；c.雅可比迭代的次数随着矩阵A对角线元素的成倍的增长而降低，d.当矩阵A的对角线元素足够大时，雅可比迭代法的迭代次数趋于稳定值；㈣程序清单1、第一问中的雅可比迭代function [y,k] = jacobi(A,b,m,tol)D = diag(diag(A));L = - tril(A,-1);U = - triu(A,1);n = length(A);y = ones(n,1);BJ=D\(L+U);fJ=D\b;k=0;while norm(A*y-b)/norm(b)>tol && k<mk = k+1;y = BJ*y+fJ;end2、高斯-赛德尔迭代法function [y,k] = GuassSeidel(A,b,m,tol)D = diag(diag(A));L = - tril(A,-1);U = - triu(A,1);n = length(A);BG = (D-L)\U;FG = (D-L)\b;y = zeros(n,1);k=0;while norm(A*y-b)/norm(b)>tol && k<mk = k+1;y = BG*y+FG;end3、第二问中的雅可比迭代function [y,k] = jacobi1(A,b,m,tol) D = diag(diag(A));L = - tril(A,-1);U = - triu(A,1);n = length(A);yk = ones(20,1);BJ=D\(L+U);fJ=D\b;k=0;yk1 = BJ*yk+fJ;k = k+1;ttol = norm(yk1-yk,inf);while ttol>tol && k<mk = k+1;yk = yk1;yk1 = BJ*yk+fJ;ttol = norm(yk1-yk,inf);endy=yk1;4、第一问脚本n=20;A1 = sparse(1:n,1:n,3,n,n);A2 = sparse(1:n-1,2:n,-1/2,n,n);A3 = sparse(2:n,1:n-1,-1/2,n,n);A4 = sparse(1:n-2,3:n,-1/4,n,n);A5 = sparse(3:n,1:n-2,-1/4,n,n);A = A1+A2+A3+A4+A5;b =zeros(20,1);m=10000;for i = 3:10tol = 10^(-i);[xJ,k1(i)] = jacobi(A,b,m,tol); [xG,k2(i)] = GuassSeidel(A,b,m,tol); endk1k25、第二问脚本n=20;k = 1;A1 = sparse(1:n,1:n,3,n,n);A2 = sparse(1:n-1,2:n,-1/2,n,n);A3 = sparse(2:n,1:n-1,-1/2,n,n);A4 = sparse(1:n-2,3:n,-1/4,n,n);A5 = sparse(3:n,1:n-2,-1/4,n,n);b =[3;5;2;6;8;23;5;8;32;63;23;5;2;12;0;23;1;564;2;65]; m=10000;tol = 10^(-5);for k = 1:10A = k*A1+A2+A3+A4+A5;[xJ,k1(k)] = jacobi1(A,b,m,tol);endk1二、一年生植物的繁殖㈠问题描述对于5.1.2的假设，给定参数，试分别用追赶法、稀疏系数矩阵和满矩阵求解；若b 有10%误差，估计对结果的影响。