线性方程组数值解法总结
好久没来论坛，刚刚发现以前的帖子现在那么火很欣慰，谢谢大家支持！
今天趁着不想做其他事情，把线性方程组的数值解法总结下，有不足的地方希望大神指教！数学建模中也会用到线性方程组的解法，你会发现上10个的方程手动解得话把你累个半死，而且不一定有结果，直接用matlab的函数，可以，关键是你不理解用着你安心吗？你怎么知道解得对不对？
我打算开个长久帖子，直到讲完为止！这是第一讲，如有纰漏请多多直接，大家一起交流！线性方程组解法有两大类：直接法和迭代法
直接法是解精确解，这里主要讲一下Gauss消去法，目前求解中小型线性方程组（阶数不超过1000），它是常用的方法，一般用于系数矩阵稠密，而有没有特殊结构的线性方程组。
首先，有三角形方程组的解法引入Gauss消去法，下三角方程组用前代法求解，
这个很简单，就是通过第一个解第二个，然后一直这样直到解出最后一个未知数，代码如下：前代法：
function [b]= qiandai_method(L,b)
n=size(L,1); %n 矩阵L的行数
for j=1:n-1 %前代法求解结果存放在b中
b(j)=b(j)/L(j,j);
b(j+1:n)=b(j+1:n)-b(j)*L(j+1:n,j);
end
b(n)=b(n)/L(n,n);
上三角方程组用回代法，和前面一样就是从下面开始解x，代码：
后代法：
function [y]=houdai_method(U,y)
n=size(U,1); %n 矩阵L的行数
for j=n:-1:2 %后代法求解结果存放在y中
y(j)=y(j)/U(j,j);
y(1:j-1)=y(1:j-1)-y(j)*U(1:j-1,j);
end
y(1)=y(1)/U(1,1);
Gauss消去的前提就是这两个算法：
具体思想是把任何一个线性方程组的系数矩阵A，分解为一个上三角和一个下三角的乘积，即A=LU，其中L为下三角，U为上三角。
那么具体怎么做呢？
有高斯变换，什么是高斯变换？由于时间有限我不可能去输入公式，所以我用最平白的话把它描述出来。
你先想一下怎么把一个矩阵的某一列的从第j个分量后全部变0？
高斯变换就是通过每次一个矩阵Li把A的第i列对角线元素以下的都变为0，最后把这么多Li一次左乘起来就是一个矩阵L’=L(n-1)L(n-2)…L2L1，而L’A=U,
那么L=L’的转置，这样就得到了A得分解。
我们要求Ax=b
A=LU
因此可以利用前代法先求Ly=b,
得到y
Ux=y
回代法求解x，这样就可以得到线性方程组的解。
高斯消去：
function [b]=Gauss(A,b)
n=size(A,1);
for k=1:n-1
A(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);
end
L=zeros(n,n); %L为下三角矩阵
U=zeros(n,n); %U为上三角矩阵
for i=1:n; %求解L，为A的对角下半部分
L(i+1:n,i)=A(i+1:n,i);
end
U=A-L;
L=L+eye(n); %将L的对角位置设为1
if(rank(L) error('输入的矩阵无法进行高斯分解（前代|后代法无法调用）'); end n=size(b); y=ones(n); y=qiandai_method(L,b); x=houdai_method(U,y); 给一个测试案例： function test1 A = [ 1 3 6 8 9 2; 2 5 3 1 6 3; 3 6 1 2 8 5; 2 6 8 9 3 8; 5 8 9 3 2 3; 3 5 8 1 7 2]; b=[ 2; -3; 2;55;16;-6]; b=Gauss(A,b) 但是注意这个解法并不是完美的，如果A 的顺序主子式不是全为非奇异是不能得到精确解，而且误差非常大，所以下面会讲到选主元三角分解。 我今天就讲到这里，请继续关注第二讲！ 谢谢 这些算法要熟练能随时写出来或者背默出来，当然是理解的基础上. 第二章 线性方程组的数值解法 在科技、工程技术、社会经济等各个领域中很多问题常常归结到求解线性方程组。例如电学中的网络问题，样条函数问题，构造求解微分方程的差分格式和工程力学中用有限元方法解连续介质力学问题，以及经济学中求解投入产出模型等都导致求解线性方程组。 n 阶线性方程组的一般形式为 ?? ???? ?=+++=+++=+++n n nn n n n n n n b x a x a x a b x a x a x a b x a x a x a L K K K K L L 22112 222212********* （1.1） 其矩阵形式为 b Ax = （1.2） 其中 ????? ???????=??? ?????????=? ? ????? ?????= n n nn n n n n b b b b x x x x a a a a a a a a a A M M L K K K K L L 2121212222111211 ),,2,1,(n j i a ij L =，),,2,1(n i b i L =均为实数，i b 不全为0，且A 为非奇异。 关于线性方程组的数值解法一般分为两类： 1．直接法 就是不考虑计算机过程中的舍入误差时，经有限次的四则运算得到方程组准确解的方法。 而实际中由于计算机字长的限制，舍入误差的存在和影响，这种算法也只能求得线性方程组的近似解。本章将阐述这类算法中最基本的消去法及其某些变形。这些方法主要用于求解低阶稠密系数矩阵方程组。 2．迭代法 从某个解的近似值出发，通过构造一个无穷序列，用某种极限过程去逐步逼近线性方程组的精确解的方法。本章主要介绍迭代法与迭代法。迭代法是解大型稀疏矩阵（矩阵阶数高而且零元素较多）的线性方程组的重要方法。 §1 高斯)(Gauss 消去法 1.1 Gauss 消去法 Gauss 消去法是将线性方程组化成等价的三角形方程组求解。首先举例说明Gauss 第十章：微分方程总结姓名：刘桥 学号：40905237 班级：工商49班 小组：第八小组 组长：刘洪材 一、 微分方程的基本概念 1. 微分方程及其阶的定义 微分方程：凡含有未知函数的导数或微分的方程叫微分方程. 分类1：常微分方程（未知函数为一元函数的微分方程） ()() ,dy axy a dx dy p x y Q x dx =+=为常数 偏微分方程（未知函数为多元函数，从而出现偏导数的微分方程） () 22,2224 2 u u f x y x y u u y x ??+=????=?? 微分方程的阶.：微分方程中出现的未知函数导数或微分的最高阶数. 分类2：一阶微分方程 (,,)0,(,);F x y y y f x y ''== 高阶(n )微分方程 ()(,,,,)0,n F x y y y '= ()(1)(,,, ,).n n y f x y y y -'= 分类3：线性与非线性微分方程. ()(),y P x y Q x '+=2()20;x y yy x ''-+= 分类4：单个微分方程与微分方程组. 32,2,dy y z dx dz y z dx ?=-??? ?=-?? 2. 微风方程的解 微分方程的解：代入微分方程能使方程成为恒等式的函数. 微分方程解的分类：通解（微分方程的解中含有任意常数,且任意常数的个数与 微分方程的阶数相同.） ,y y '=例;x y ce =通解 0,y y ''+=12sin cos ;y c x c x =+通解 特解（ 确定了通解中任意常数以后的解.） 初始条件：用来确定任意常数的条件. 初值问题: 求微分方程满足初始条件的解的问题. 积分曲线：微分方程的任一特解的图形都是一条曲线,称为微分方程的积分曲线 二、 一阶微分方程 1. 可分离变量的方程 可分离变量的微分方程：形如： ()()g y dy f x dx =的一阶微分方程. 例题回味：求方程()290y dy x dy ye ++ =的通解 分离变量得，21 9 y ye dy dx x = + 两边同时积分得， 2 1 9y ye dy dx x =- +?? 于是得到通解为，()11arctan 33 y x y e c -=+ 2. 齐次方程 如果一阶微分方程可化为()dy y f dx x =形如的方程，那么久称之为齐次方程. 解法：作变量代换,y u x = ,y xu =或 两边分求微分得， ,dy udx xdu =+ 代入原式得，(),du u x f u dx +=().du x f u u dx =-即 ()0,f u u -≠若则对上式分离变量得， ()du dx f u u x =-. 两边分别积分得， ()du dx f u u x =-? ? 求出积分后，将y u x = 代入，就求得了原微分方程的通解. 例题回味：求解微分方程(cos )cos 0.y y x y dx x dy x x -+= 线性方程组的数值解法 实验 题目 用Gauss消元法和Seidel迭代法求线性方程组的解。 实验目的 通过本次实验了解Gauss消元法和Seidel迭代法的基本原理，掌握其算法,学会用Matlab编程进行计算，并能用这些方法解决实际问题。 Gauss 顺序消元法的基本原理算法： （1）输入：,. A b （2）对1,2,,1 k n =???-做 1）if0 kk a=then输出算法失败信息，停机； 2）对1,, i k n =+???做 1/; ik ik ik kk a l a a ←= 2; i i ik k b b l b =- 3对1,, j k n =+???做; ij ij ik kj a a l a =- （3）if0 nn a=then输出算法失败信息，并停机else做 1）/; n n n nn b x b a ←= 2）对1,,2,1 i n =-???做 1 ()/; n i i i ij j ii j i b x b a x a =+ ←=-∑ （4）输出方程组的解.X 流程图见附页 Seidel 迭代法的基本原理算法： （1）输入：,; A b （2）输入：初始解向量 ;x （3）对1,2,, i n =???做 1） 1 ()/; n i i ij j ii j j i y b a x a = ≠ =-∑ 2）; i i i e y x =- 3）; i i x y = （4）if 1 {||} max i i n eε ≤≤ 页脚内容1 第 一 章 一阶微分方程的解法的小结 ⑴、可分离变量的方程： ①、形如 )()(y g x f dx dy = 当0)(≠y g 时，得到 dx x f y g dy )()(=，两边积分即可得到结果； 当0)(0=ηg 时，则0)(η=x y 也是方程的解。 例1.1、xy dx dy = 解：当0≠y 时，有xdx y dy =，两边积分得到)(2ln 2为常数C C x y += 所以)(11212 C x e C C e C y ±==为非零常数且 0=y 显然是原方程的解； 综上所述，原方程的解为)(1212 为常数C e C y x = ②、形如0)()()()(=+dy y Q x P dx y N x M 当0)()(≠y N x P 时，可有dy y N y Q dx x P x M ) ()()()(=，两边积分可得结果； 当0)(0=y N 时，0y y =为原方程的解，当0(0=） x P 时，0x x =为原方程的解。 例1.2、0)1()1(22=-+-dy x y dx y x 页脚内容2 解：当0)1)(1(22≠--y x 时，有dx x x dy y y 1 122-=-两边积分得到 )0(ln 1ln 1ln 22≠=-+-C C y x ，所以有)0()1)(1(22≠=--C C y x ； 当0)1)(1(22=--y x 时，也是原方程的解； 综上所述，原方程的解为)()1)(1(22为常数C C y x =--。 ⑵可化为变量可分离方程的方程： ①、形如)(x y g dx dy = 解法：令x y u = ，则udx xdu dy +=，代入得到)(u g u dx du x =+为变量可分离方程，得到)(0),,(为常数C C x u f =再把u 代入得到)(0),,(为常数C C x x y f =。 ②、形如)0(),(≠+=ab by ax G dx dy 解法：令by ax u +=，则b du adx dy +=，代入得到)(1u G b a dx du b =+为变量可分离方程，得到)(0),,(为常数C C x u f =再把u 代入得到)(0),,(为常数C C x by ax f =+。 ③、形如 )(222111c y b x a c y b x a f dx dy ++++= 解法：01、02211 =b a b a ，转化为)(by ax G dx dy +=，下同①； 02、0221 1 ≠b a b a ，???=++=++00222111c y b x a c y b x a 的解为),(00y x ，令???-=-=00y y v x x u 线性方程组的解法 1 引言 在科学研究和大型工程设计中出现了越来越多的数学问题，而这些问题往往需要求数值解。在进行数值求解时，经离散后，常常归结为求解形如Ax= b的大型线性方程组。而如插值公式，拟合公式等的建立，微分方程差分格式的构造等，均可归结为求解线性方程组的问题．在工程技术的科学计算中，线性方程组的求解也是最基本的工作之一．因此，线性方程组的解法一直是科学和工程计算中研究最为普遍的问题，它在数值分析中占有极其重要的地位。20世纪50年代至70年代，由于电子计算机的发展，人们开始考虑和研究在计算机上用迭代法求线性方程组Ax =b的近似解，用某种极限过程去逐渐逼近精确解，并发展了许多非常有效的迭代方法，迭代法具有需要计算机存储单元少、程序设计简单、原始系数矩阵在计算过程中始终不变等优点。例如Jacobi方法、Gauss—Seidel 方法、SOR方法、SSOR 方法，这几种迭代方法是最常用的一阶线性定常迭代法。 2 主要算法 20世纪50年代至70年代，人们开始考虑和研究用迭代法求解线性方程组。 Ax = b (1) 的近似解，发展了许多有效的方法，其中有Jacobi方法、Gauss—Seidel方法，SOR方法、SSOR方法，这几种迭代方法均属一阶线性定常迭代法，即若系数矩阵A的一个分裂：A =M-N ；M 为可逆矩阵，线性方程组(1)化为： (M－N)X =b； →M X = NX + b； →X= M -1NX+ M-1b 得到迭代方法的一般公式： X（k+1）=HX（k）+d （2） 其中：H =MN-1，d=M-1b，对任意初始向量X（0） 一阶定常迭代法收敛的充分必要条件是: 迭代矩H的谱半径小于1，即ρ(H) < 1；又因为对于任何矩阵范数恒有ρ(H)≤‖H‖，故又可得到收敛的一个充分条件为：‖H‖< 1。 2.1 Jacobi迭代法 若D为A的对角素构成的对角矩阵，且对角线元素全不为零。系数矩阵A的一个分解：A = 线性方程组的解法及其应用 The solution of linear equation and its application 专业：测控技术与仪器 班级： 2010-1班 作者：刘颖 学号： 20100310110105 摘要 线性方程组是线性代数的一个重要组成部分，也在现实生产生活中有着广泛的运用，在电子工程、软件开发、人员管理、交通运输等领域都起着重要的作用。在一些学科领域的研究中，线性方程组也有着不可撼动的辅助性作用，在实验和调查后期利用线性方程组对大量的数据进行处理是很方便简捷的选择。本文主要围绕如何解线性方程组来进行讲解，对于不同类型的线性方程组的不同方法，并简述线性方程组的一些实际应用。 关键词： 齐次线性方程组，非齐次线性方程组，克莱姆法则，消元法，矩阵，矩阵的秩，特解，通解。 Abstract Linear equations linear algebra is one of the important component parts, and in real life has extensive production use，and it plays an important role in electronic engineering, software development, personnel management, transportation, etc. In some discipline study, it also has the reigns of linear equations of the auxiliary function.In experiment and survey using the linear equations of the late on the data processing is very convenient simple choice. This article, focusing on how to solve linear equations to explain, for different types of linear equations of different methods, and briefly introduces some of the practical application of linear equations. Keywords: Homogeneous linear equations, Non homogeneous linear equation,Clem’s law,Elimination method,Matrix,Rank of matrix,Special solution,General solution. . 计算法实验 题目： 班级：学号：： 目录 计算法实验 (1) 1 实验目的 (3) 2 实验步骤 (3) 2.1环境配置： (3) 2.2添加头文件 (3) 2.3主要模块 (3) 3 代码 (3) 3.1主程序部分 (3) 3.2多项式程部分 (3) 3.3核心算法部分 (3) 3.4数据结构部分 (3) 4运行结果 (3) 4.1列主元高斯消去法运行结果 (3) 4.2LU三角分解法运行结果 (3) 4.3雅克比迭代法运行结果 (3) 边界情况调试 (3) 5总结 (3) 输入输出 (3) 列主元高斯消元法 (3) 雅克比迭代法 (3) 6参考资料 (3) 1 实验目的 1.通过编程加深对列主元高斯消去法、LU三角分解法和雅克比迭代法等求解多 项式程法的理解 2.观察上述三种法的计算稳定性和求解精度并比较各种法利弊 2 实验步骤 2.1环境配置： VS2013，C++控制台程序 2.2添加头文件 #include "stdio.h" #include "stdlib.h" #include "stdafx.h" #include 常微分方程解题方法总结 来源：文都教育 复习过半， 课本上的知识点相信大部分考生已经学习过一遍 . 接下来， 如何将零散的知 识点有机地结合起来， 而不容易遗忘是大多数考生面临的问题 . 为了加强记忆， 使知识自成 体系，建议将知识点进行分类系统总结 . 著名数学家华罗庚的读书方法值得借鉴， 他强调读 书要“由薄到厚、由厚到薄”，对同学们的复习尤为重要 . 以常微分方程为例， 本部分内容涉及可分离变量、 一阶齐次、 一阶非齐次、 全微分方程、 高阶线性微分方程等内容， 在看完这部分内容会发现要掌握的解题方法太多， 遇到具体的题 目不知该如何下手， 这种情况往往是因为没有很好地总结和归纳解题方法 . 下面以表格的形 式将常微分方程中的解题方法加以总结，一目了然，便于记忆和查询 . 常微分方程 通解公式或解法 ( 名称、形式 ) 当 g( y) 0 时，得到 dy f (x)dx ， g( y) 可分离变量的方程 dy f ( x) g( y) 两边积分即可得到结果； dx 当 g( 0 ) 0 时，则 y( x) 0 也是方程的 解 . 解法：令 u y xdu udx ，代入 ，则 dy 齐次微分方程 dy g( y ) x dx x u g (u) 化为可分离变量方程 得到 x du dx 一 阶 线 性 微 分 方 程 P ( x)dx P ( x) dx dy Q(x) y ( e Q( x)dx C )e P( x) y dx 伯努利方程 解法：令 u y1 n，有 du (1 n) y n dy ， dy P( x) y Q( x) y n（n≠0,1）代入得到du (1 n) P(x)u (1 n)Q(x) dx dx 求解特征方程：2 pq 三种情况： 二阶常系数齐次线性微分方程 y p x y q x y0 二阶常系数非齐次线性微分方程 y p x y q x y f ( x) (1)两个不等实根：1, 2 通解： y c1 e 1x c2 e 2x (2) 两个相等实根：1 2 通解： y c1 c2 x e x (3) 一对共轭复根：i , 通解： y e x c1 cos x c2 sin x 通解为 y p x y q x y 0 的通解与 y p x y q x y f ( x) 的特解之和. 常见的 f (x) 有两种情况： x （ 1）f ( x)e P m ( x) 若不是特征方程的根，令特解 y Q m ( x)e x；若是特征方程的单根，令特 解 y xQ m ( x)e x；若是特征方程的重根， 令特解 y*x2Q m (x)e x； （2）f (x) e x[ P m ( x) cos x p n ( x)sin x] 第七章 微分方程 1.一阶微分方程 （1）微分方程的基本概念： ①、微分方程：含有未知函数、未知函数的导数即自变量的等式叫做微分方程。未知函数是一元函数，叫做常微分方程；未知函数是多元函数，叫做偏微分方程。 ②、微分方程的阶：微分方程中所出现的未知函数导数的最高阶数，叫做微分方程的阶。 ③、微分方程的解：若某个函数代入微分方程能使该方程成为恒等式，这个函数就叫做该微分方程的解。 ④、微分方程的通解：若微分方程的解中所含相互独立的任意常数的个数与微分方程的阶数相同，这样的解叫做微分方程的通解。 ⑤、微分方程的初始条件、特解：用来确定微分方程通解中任意常数的条件叫做初始条件。确定了通解中任意常数的解称为微分方程的特解。 （2）可分离变量方程：形如)()(dx dy x g x f =的方程称为可分离变量微分方程。设g(y)≠0,则可将方程化为dx )() (dy x f y g ，其特点是方程的一端只含有y 的函数dy ，另一端只含有x 的函数dx ，即将两个变量分离在等式两端，其接法是分离变量后两边积分得到通解。 （3）齐次方程：形如)(y x y f =＇的方程称为齐次方程。其解法是做变换x y u =，则y=ux,dx du dx dy x u +=,代入方程化为可分离变量的微分方程。 （4）一阶线性微分方程：形如)()(dx dy x Q y x P =+的方程称为一阶线性微分呢方程，其特点是方程中的未知函数及其导数为一次的。如果0)(≡x Q ，则称为一阶线性齐次微分方程；如果Q(x)不恒等于零 ，则称为一阶线性非齐次微分方程，其通解为 C dx e x Q e y dx x P dx x P +?=??-)()()((。 （5）伯努利方程：形如)1,0()()('≠=+n y x Q y x P y n 的方程称为伯努利方程。次方程的特点是未知函数的导数仍是一次的，但未知函数出现n 次方幂。其解法是做变量替换n y z -=1，则： ,dx dz 11dx dy ,dx dy )1(dx dz 11n y y n n n -=-=--即 代入原方程，得： ),()1()()1(dx dz x Q n z x P n -=-+ 这是一个线性非齐次微分方程，再按线性非齐次微分方程的解法求出通解；最后以n y z -=1换回原变量，即为所求。 2、高阶微分方程，常系数线性微分方程： （1）可降价的高阶微分方程： ①、)()(x f y n =：其特点是右端仅含有自变量x ，通过连续积分n 次得到通解。 ②、)',(''y x f y =：其特点是方程不显含未知函数y 。令'''),('p y x p y ==则，代入原方程化为一阶微分 好久没来论坛，刚刚发现以前的帖子现在那么火很欣慰，谢谢大家支持！ 今天趁着不想做其他事情，把线性方程组的数值解法总结下，有不足的地方希望大神指教！数学建模中也会用到线性方程组的解法，你会发现上10个的方程手动解得话把你累个半死，而且不一定有结果，直接用matlab的函数，可以，关键是你不理解用着你安心吗？你怎么知道解得对不对？ 我打算开个长久帖子，直到讲完为止！这是第一讲，如有纰漏请多多直接，大家一起交流！线性方程组解法有两大类：直接法和迭代法 直接法是解精确解，这里主要讲一下Gauss消去法，目前求解中小型线性方程组（阶数不超过1000），它是常用的方法，一般用于系数矩阵稠密，而有没有特殊结构的线性方程组。 首先，有三角形方程组的解法引入Gauss消去法，下三角方程组用前代法求解， 这个很简单，就是通过第一个解第二个，然后一直这样直到解出最后一个未知数，代码如下：前代法： function [b]= qiandai_method(L,b) n=size(L,1); %n 矩阵L的行数 for j=1:n-1 %前代法求解结果存放在b中 b(j)=b(j)/L(j,j); b(j+1:n)=b(j+1:n)-b(j)*L(j+1:n,j); end b(n)=b(n)/L(n,n); 上三角方程组用回代法，和前面一样就是从下面开始解x，代码： 后代法： function [y]=houdai_method(U,y) n=size(U,1); %n 矩阵L的行数 for j=n:-1:2 %后代法求解结果存放在y中 y(j)=y(j)/U(j,j); y(1:j-1)=y(1:j-1)-y(j)*U(1:j-1,j); end y(1)=y(1)/U(1,1); Gauss消去的前提就是这两个算法： 具体思想是把任何一个线性方程组的系数矩阵A，分解为一个上三角和一个下三角的乘积，即A=LU，其中L为下三角，U为上三角。 那么具体怎么做呢？ 有高斯变换，什么是高斯变换？由于时间有限我不可能去输入公式，所以我用最平白的话把它描述出来。 你先想一下怎么把一个矩阵的某一列的从第j个分量后全部变0？ 高斯变换就是通过每次一个矩阵Li把A的第i列对角线元素以下的都变为0，最后把这么多Li一次左乘起来就是一个矩阵L’=L(n-1)L(n-2)…L2L1，而L’A=U, 那么L=L’的转置，这样就得到了A得分解。 我们要求Ax=b A=LU 目录 摘要................................................................................... I Abstract. ............................................................................. II 第一章绪论............................................................................ I 1.1引言 (1) 1.2线性方程组解的求解方法的研究现状 (1) 1.3本文对线性方程组解法的研究结构 (1) 第二章线性方程组理论基础 (2) 2.1 线性方程组概念 (2) 2.2 线性方程组的解的情况分析 (2) 2.3 齐次线性方程组解的结构 (4) 2.4非齐次线性方程组解的结构 (4) 第三章线性方程组的数值解 (5) 3.1 迭代法 (5) 3.1.1 Jacobi方法 (6) 3.2.2 高斯-赛德尔方法 (8) 第四章全文总结和展望 (10) 4.1 全文总结 (10) 4.2 未来展望 (10) 参考文献 (11) 致谢................................................................. 错误！未定义书签。 线性方程组的求解方法 学生：指导教师： 摘要：本文在对线性方程组解的结构的研究背景与意义分析的基础上，对线性方程组的求解方法的研究现状进行了介绍，之后针对线性方程组展开了研究，包括线性方程组的概念、线性方程组的求解方法以及线性方程组的作用等，在对线性方程组有了全面的认识后，基于线性方程组解的结构展开了研究，包括线性方程组解的基本定理，齐次和非齐次线性方程组解的结构形式，以及齐次和非齐次线性方程组解的结构，我们用迭代法中最常用的Jacobi方法中的相似上三角矩阵定理和迭代法中的收敛性讨论线性方程组的数值解法，并用高斯-赛德尔方法进行验证。得到线性方程组的数值解的一般方法。最后，对全文进行了总结和展望。 关键词：线性方程组;数值解；迭代法；Jacobi方法；高斯-赛德尔方法 第2章线性方程组的直接解法 2.1实验目的 理解线性方程组计算机解法中的直接解法的求解过程和特点，学习科学计算的方法和简单的编程技术。 2.2概念与结论 1. n阶线性方程组 如果未知量的个数为 n ,而且关于这些未知量x1,x2, …,x n的幂次都是一次的(线性的)那末, n 个方程 a11x1+a12x2+ … +a1n x n=b1 ┆┆┆ (1) a n1x1+a n2x2+ … +a nn x n= b n 构成一个含n个未知量的线性方程组,称为n阶线性方程组。其中,系数a11,…,a1n,a21, …,a2n, …,a n1, …,a nn 和b1, …,b n都是给定的常数。 方程组(1)也常用矩阵的形式表示,写为 Ax=b 其中,A是由系数按次序排列构成的一个n阶矩阵,称为方程组的系数矩阵,x和b都是n维向量,b称为方程组的右端向量。 2. n阶线性方程组的解 使方程组(1)中每一个方程都成立的一组数x1*,x2*, …,x n*称为式(1)的解,把它记为向量的形式,称为解向量. 3.一些特殊的线性方程组 1) 上三角方程组 2) 三对角方程组 ? ? ? ? ? ? ? ? ? ? ? ? = ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? - - - - - n n nn n n n n n n n n b b b x x x a a a a a a a a a a a a 2 1 2 1 1 1 1 2 1 2 23 22 1 1 1 13 12 11 4.矩阵的Doolittle 分解 5.Doolittle 分解的紧凑格式 6．矩阵的Crout 分解 ????????? ? ??=?????????? ???????????? ? ?--n n n n n n d d d x x x b a c b c b a c b a c b 21 2111333 22211???? ?? ? ? ???????? ??=??????? ??nn n n n n nn n n n n u u u u u u l l l a a a a a a a a a 222 11211 2 1 21 2 1 2222111211111 ???? ?? ? ? ???????? ??=??????? ??11 1 21122 1 2221 11 2 1 2222111211 n n nn n n nn n n n n u u u l l l l l l a a a a a a a a a ????? ?? ? ??nn n n n n n n u l l l u u l l u u u l u u u u 3 2 1 333323122322211131211 第三章线性方程组地数值解法 范数 (1> 常用范数 ① 向量 1- 范数: ② 向量 2- 范数: ③ 向量∞- 范数: ④ 向量 p- 范数: 向量1- 范数,向量2- 范数,向量∞- 范数实际上为任意 p- 范数地特例. (2> 矩阵范数 设,则 (1>,A地行范数 (2>,A地列范数 (3>,A地 2- 范数,也称谱范数 (4>, F- 范数 其中指矩阵地最大特征值 (3>谱半径(用于判断迭代法地收敛值> 设为矩阵A地特征值,则 称为A地谱半径 谱半径小于任何半径,若,则 (4>设A为非奇异矩阵,称 为A地条件数 矩阵地条件数与范数选取有关,通常有 显然当A对称时 直接法 Gauss消去法 ①Gauss顺序消去法 对线性方程组Ax=b,设,按顺序消元法,写出增广矩阵(A┆b>第一步,写出,将2～n行中地变为0 第k步,写出,将k+1～n行中地变为0 具体步骤可参照下面地例题 例5:用Gauss消去法解方程组 解: Guass列主元消去法 消去过程与Guass消元法基本相同,不同地是每一步消元时,都要将所选到地绝对值最大元素作为主元. 具体分析参见习题详解1 ②矩阵三角(LU>分解法 基本思想:将Ax=b化为LUx=b,令Ux=y 可得Ly=b,Ux=y,相当于先求出y,再求出x 其中,L,U分别为下三角矩阵和上三角矩阵 若L为单位下三角矩阵,则称为Doolittle分解。若U为单位上三角矩阵,则称为Crout分解. ③矩阵Doolittle分解法 计算公式 具体解题见习题详解2 注意计算顺序,先行再列,用简图表示为 虚线上地元素为对角元,划为行元. ④ 分解法 计算公式 线性方程组的几种解法 线性方程组形式如下： 常记为矩阵形式 其中 一、高斯消元法 高斯（Gauss)消元法的基本思想是：通过一系列的加减消元运算，也就是代数中的加减消去法，将方程组化为上三角矩阵；然后，再逐一回代求解出x 向量。现举例说明如下： （一）消元过程 第一步：将(1)/3使x 1的系数化为1 得 再将(2)、(3)式中x 1的系数都化为零，即由(2)-2×(1)(1) 得 )1(32)2( (03) 4 32=+x x )1(321)1(......23132=++ x x x 由(3)-4×(1)(1) 得 第二步：将(2)(1) 除以2/3，使x 2系数化为1，得 再将(3)(1) 式中x 2系数化为零，即 由(3)(1) -(-14/3)*(2)(2) ，得 第三步：将(3)(2) 除以18/3，使x 3系数化为1，得 经消元后，得到如下三角代数方程组： （二）回代过程 由(3)(3) 得 x 3=1, 将x 3代入(2)(2) 得x 2=-2, 将x 2 、x 3代入(1)(1) 得x 2=1 所以，本题解为[x]=[1,2,-1]T （三）、用矩阵演示进行消元过程 第一步： 先将方程写成增广矩阵的形式 第二步：然后对矩阵进行初等行变换 初等行变换包含如下操作 （1） 将某行同乘或同除一个非零实数 ) 3(3)3(......1-=x )2(3)3( (63) 18-=x ) 2(32) 2(......02=+x x ) 1(32)3( (63) 10 314-=-- x x （2）将某行加入到另一行 （3）将任意两行互换 第三步：将增广矩阵变换成上三角矩阵，即主对角线全为1，左下三角矩阵全为0，形式如下： 示例： （四）高斯消元的公式 综合以上讨论，不难看出，高斯消元法解方程组的公式为 1．消元 （1）令 a ij(1) = a ij , （i,j=1,2,3,…,n） b i(1) =b i , （i=1,2,3,…,n） （2）对k=1到n-1，若a kk(k)≠0，进行 l ik = a ik(k) / a kk(k) , （i=k+1,k+2,…,n） a ij(k+1) = a ij(k) - l ik * a kj(k), （i,j= k+1,k+2,…,n） b i(k+1) = b i(k) - l ik * b k(k), （i= k+1,k+2,…,n） 2．回代 若a nn(n) ≠0 x n = b n(n) / a nn(n) x i = (b i(i) – sgm(a ij(i) * x j)/- a ii(i),（i = n-1,n-2,…,1）,( j = i+1,i+2,…,n ) （五）高斯消元法的条件 消元过程要求a ii(i) ≠0 (i=1,2,…,n),回代过程则进一步要求a nn(n) ≠0,但就方程组Ax=b 讲，a ii(i)是否等于0时无法事先看出来的。 注意A的顺序主子式D i（i=1,2,…,n）,在消元的过程中不变，这是因为消元所作的变换是“将某行的若干倍加到另一行”。若高斯消元法的过程进行了k-1步(a ii(i) ≠0,i 微分方程解法小结 PB08207038 司竹 最近学习了微分方程，现对各种方法总结如下： 一、 一阶微分方程： F （x,y,y ＇）=0 ⒈可变量分离方程 形如φ（x ）dx-ψ(y)dy,或可化为该形式的方程称为可变量分离方程。 解法：两边积分得：∫φ〔x 〕dx=∫ψ〔y 〕dy 。 ⒉齐次方程 dx dy =φ）（x y 解法：换元。令y=μx ，则原方程可化为可分离变量方程。 3.一阶线性微分方程dx dy +P （x ）y=Q （x ）y n 解法：两边同时乘以一个积分因子e ?dx )x (P ，可得其通解公式： y=e ?-dx x ）（P ?? ????+??c dx e )x (dx x ）（P Q 。 4.Bernouli 方程：dx dy +P （x ）y=Q （x ）y n 解法：两边除以y n 得：+dx dy y 1n P （x ）y n 1-=Q （x ），再做代换μ= y n 1-，就化成 dx dy +（1-n ）P （x ）μ=Q （x ）的线性方程。 二、二阶微分方程F （x ，y ，y ＇，y ＇＇）=0 ⒈可降阶的二阶微分方程 ① f ( x , y ＇,y ＇＇)=0型：令p= y ＇，则y ＇＇=p ＇，将方程降阶为f （x ，p ，p ＇）=0的一阶方程。 ② f （y ，y ＇，y ＇＇）=0型：令p= y ＇，则y ＇＇=p dy dp ，将方程降阶为f （y ，p ，p dy dp ）=0. 2.二阶线性微分方程 ①齐次方程y ＇＇+ P （x ）y ＇+q （x ）y=0 由已知条件或观察法或其他方法可得出齐次方程的一个特解y 1，用y=z y 1带入方程，整理后得出另一特解y 2= y 1dx e y 1dx x 21?-?）（P 。(或可通过Liouville 公式，亦可得出另一特解。)再由叠加原理得:齐次方程的通解为y=c 1 y 1+c 2 y 2。 ③非齐次方程y ＇＇+ P （x ）y ＇+q （x ）y=f （x ） 重庆大学 学生实验报告实验课程名称计算方法 开课实验室DS1421 学院年级专业 学生姓名学号 开课时间至学年第学期 1．实验目的 （1）高斯列主元消去法求解线性方程组的过程 （2）熟悉用迭代法求解线性方程组的过程 （3）设计出相应的算法，编制相应的函数子程序 2．实验内容 分别用高斯列主元消去法 ,Jacobi 迭代法,Gauss--Saidel 迭代法,超松弛迭代法求解线性方程组 ????? ???????-=????????????????????????------725101391444321131243301024321x x x x 3.实验过程 解：（1）高斯列主元消去法 编制高斯列主元消去法的M 文件程序如下： %高斯列主元消元法求解线性方程组Ax=b %A 为输入矩阵系数,b 为方程组右端系数 %方程组的解保存在x 变量中 format long;%设置为长格式显示,显示15位小数 A=[2,10,0,-3;-3,-4,-12,13;1,2,3,-4;4,14,9,-13] b=[10,5,-2,7]' [m,n]=size(A); %先检查系数正确性 if m~=n error('矩阵A 的行数和列数必须相同'); return; end if m~=size(b) error('b 的大小必须和A 的行数或A 的列数相同'); return; end %再检查方程是否存在唯一解 if rank(A)~=rank([A,b]) error('A 矩阵的秩和增广矩阵的秩不相同,方程不存在唯一解'); return; end c=n+1; A(:,c)=b; %(增广) for k=1:n-1 第 一 章 一阶微分方程的解法的小结 ⑴、可分离变量的方程： ①、形如 )()(y g x f dx dy = 当0)(≠y g 时，得到 dx x f y g dy )() (=，两边积分即可得到结果； 当0)(0=ηg 时，则0)(η=x y 也是方程的解。 例1.1、 xy dx dy = 解：当0≠y 时，有 xdx y dy =，两边积分得到)(2ln 2为常数C C x y += 所以)(112 12 C x e C C e C y ±==为非零常数且 0=y 显然是原方程的解； 综上所述，原方程的解为)(12 12 为常数C e C y x = ②、形如0)()()()(=+dy y Q x P dx y N x M 当0)()(≠y N x P 时，可有 dy y N y Q dx x P x M ) () ()()(=，两边积分可得结果； 当0)(0=y N 时，0y y =为原方程的解，当0(0=） x P 时，0x x =为原方程的解。 例1.2、0)1()1(2 2 =-+-dy x y dx y x 解：当0)1)(1(2 2 ≠--y x 时，有 dx x x dy y y 1 122-=-两边积分得到 )0(ln 1ln 1ln 22≠=-+-C C y x ，所以有)0()1)(1(22≠=--C C y x ； 当0)1)(1(2 2 =--y x 时，也是原方程的解； 综上所述，原方程的解为)()1)(1(2 2 为常数C C y x =--。 ⑵可化为变量可分离方程的方程： ①、形如 )(x y g dx dy = 解法：令x y u =，则udx xdu dy +=，代入得到)(u g u dx du x =+为变量可分离方程，得到)(0),,(为常数C C x u f =再把u 代入得到)(0),,(为常数C C x x y f =。 ②、形如)0(),(≠+=ab by ax G dx dy 解法：令by ax u +=，则b du adx dy +=，代入得到)(1u G b a dx du b =+为变量可分离方程， 得到)(0),,(为常数C C x u f =再把u 代入得到)(0),,(为常数C C x by ax f =+。 ③、形如 )(2 221 11c y b x a c y b x a f dx dy ++++= 解法：01、 02 2 11=b a b a ，转化为 )(by ax G dx dy +=，下同①； 02、 022 1 1≠b a b a ，???=++=++00 222111 c y b x a c y b x a 的解为),(00y x ，令???-=-=00y y v x x u 得到，)()( )(221 12211u v g u v b a u v b a f v b u a v b u a f du dv =++=++=，下同②； 还有几类：xy u dy xy xg dx xy yf ==+,0)()( xy v xy f dx dy x ==),(2 22),(x y w x y xf dx dy == θθsin ,cos ,0))(,())(,(r y r x ydx xdy y x N ydy xdx y x M ===-++ 以上都可以化为变量可分离方程。 例2.1、 2 5 --+-=y x y x dx dy 解：令2--=y x u ，则du dx dy -=，代入得到u u dx du 7 1+= - ，有dx udu 7-= 所以)(72 2 为常数C C x u +-=，把u 代入得到)(72 22 为常数） （C C x y x =+--。 例2.2、 1 212+-+-=y x y x dx dy 数值分析讲义 第三章线性方程组的解法 §3.0 引言 §3.1 雅可比(Jacobi)迭代法 §3.2 高斯-塞德尔(Gauss-Seidel)迭代法 §3.3 超松驰迭代法§3.7 三角分解法 §3.4 迭代法的收敛性§3.8 追赶法 §3.5 高斯消去法§3.9 其它应用 §3.6 高斯主元素消去法§3.10 误差分析 §3 作业讲评3 §3.11 总结 §3.0 引言 重要性：解线性代数方程组的有效方法在计算数学和科学计算中具有特殊的地位和作用.如弹性力学、电路分析、热传导和振动、以及社会科学及定量分析商业经济中的各种问题. 分类：线性方程组的解法可分为直接法和迭代法两种方法. (a) 直接法：对于给定的方程组，在没有舍入误差的假设下，能在预定的运算次数内求得精确解.最基本的直接法是Gauss消去法，重要的直接法全都受到Gauss消去法的启发.计算代价高. (b) 迭代法：基于一定的递推格式，产生逼近方程组精确解的近似序列.收敛性是其为迭代法的前提，此外，存在收敛速度与误差估计问题.简单实用,诱人. §3.1 雅可比Jacobi 迭代法 (AX =b ) 1 基本思想: 与解f (x )=0 的不动点迭代相类似,将AX =b 改写为X =BX +f 的形式,建立雅可比方法的迭代格式：X k +1=BX (k )+f ,其中，B 称为迭代矩阵.其计算精度可控,特别适用于求解系数为大型稀疏矩阵(sparse matrices)的方程组. 2 问题: (a) 如何建立迭代格式？ (b) 向量序列{X k }是否收敛以及收敛条件? 3 例题分析: 考虑解方程组??? ??=+--=-+-=--2.453.82102 .72103 21321321x x x x x x x x x (1) 其准确解为X *={1, 1.2, 1.3}. 建立与式(1)相等价的形式： ??? ??++=++=++=84.02.01.083.02.01.072 .02.01.02 13312321x x x x x x x x x (2) 据此建立迭代公式： ?????++=++=++=+++84 .02.01.083.02.01.072.02.01.0)(2)(1)1(3 )(3 )(1)1(23)(2)1(1k k k k k k k k k x x x x x x x x x (3) 取迭代初值0) 0(3 )0(2)0(1===x x x ,迭代结果如下表. JocabiMethodP31.cpp第二章 线性方程组的数值解法
微分方程总结
线性方程组的数值解法实验
一阶常微分方程解法总结
线性方程组的解法
线性方程组的解法及其应用
线性方程组数值解法
常微分方程解题方法总结.doc
微分方程总结
线性方程组数值解法总结
浅析线性方程组的解法
线性方程组的直接解法
线性方程组的数值解法
线性方程组的几种求解方法
微分方程解法小结
计算方法实验报告-线性方程组的数值解法
一阶常微分方程解法归纳
数值分析讲义——线性方程组的解法