当前位置：文档库 › LU分解高斯消元列主元高斯消元matlab代码

LU分解高斯消元列主元高斯消元matlab代码

数学实验作业

一、矩阵LU分解：

function [L,U,p]=lutx(A)

[n,n]=size(A);

p=(1:n)';

for k=1:n-1

[r,m]=max(abs(A(k:n,k)));

m=m+k-1;

if (A(m,k)~=0)

if (m~=k)

A([k m],:)=A([m k],:);

p([k m])=p([m k]);

end

i=k+1:n;

A(i,k)=A(i,k)/A(k,k);

j=k+1:n;

A(i,j)=A(i,j)-A(i,k)*A(k,j);

end

L=tril(A,-1)+eye(n,n)

U=triu(A)

end

高斯消元法求解方程：

n=3;

a=[1 2 3 ;4 5 6 ;7 8 9 ];

b=[17 18 19];

l=eye(n);

y=1;

for i=1:(n-1)

for j=1:(n-i)

if a(j+(i-1)*n+y)~=0

l(j+(i-1)*n+y)=a(j+(i-1)*n+y)/a(j+(i-1)*n+y-j)

for k=1:(n-i+1)

a(j+(i-1)*n+y+(k-1)*n)=a(j+(i-1)*n+y+(k-1)*n)-a(j+(i-1)*n+y+(k-1)*n-j)*l(j+(i-1)*n+y) end

b(j+y-1)=b(j+y-1)-b(y)*l(j+(i-1)*n+y);

end

y=y+1;

end

sum=0;

for j=1:n

sum=sum+x(j)+a(k,j);

end

sum=0;

for j=1:n

x(j)=0;

end

for k=n:-1:1

for j=1:n

sum=sum+x(j)*a(k,j)

end

x(k)=(b(k)-sum)/a(k,k) sum=0;

end

列主元高斯消元法代码：

n=3;

a=[1 2 3 ;4 5 6 ;7 8 9 ]; b=[17 18 19];

l=eye(n);

p=eye(n);

ma=0

for i=1:(n-1)

for j=i:n

if a(j,i)>ma;

ma=a(j,i)

end

for k=i:n

if a(k,i)==ma

m=k;

end

for j=1:n

a1=a(m,j);

a(m,j)=a(i,j);

a(i,j)=a1

p1=p(m,j);

p(m(1),j)=p(i,j);

p(i,j)=p1;

end

b1=b(m);

b(m)=b(i);

b(i)=b1;

ma=0;

end

y=1;

for i=1:(n-1)

for j=1:(n-i)

if a(j+(i-1)*n+y)~=0

l(j+(i-1)*n+y)=a(j+(i-1)*n+y)/a(j+(i-1)*n+y-j)

for k=1:(n-i+1)

a(j+(i-1)*n+y+(k-1)*n)=a(j+(i-1)*n+y+(k-1)*n)-a(j+(i-1)*n+y+(k-1)*n-j )*l(j+(i-1)*n+y)

end

b(j+y-1)=b(j+y-1)-b(y)*l(j+(i-1)*n+y);

end

y=y+1;

end

sum=0;

for j=1:n

x(j)=0;

end

for k=n:-1:1

for j=1:n

sum=sum+x(j)*a(k,j)

end

x(k)=(b(k)-sum)/a(k,k)

sum=0;

end

全主元高斯消元法代码：

n=3;

a=[1 2 3 ;4 5 6 ;7 8 9 ];

b=[17 18 19];

l=eye(n);

p=eye(n);

q=eye(n);

max=0;

for i=1:(n-1)

for j=i:n

for k=i:n

if max

end

for j=i:n

for k=i:n

if max==abs(a(j,k)) m=[j,k];

end

for j=1:n

a1=a(m(1),j);

a(m(1),j)=a(i,j);

a(i,j)=a1;

p1=p(m(1),j);

p(m(1),j)=p(i,j);

p(i,j)=p1;

end

b1=b(m(1));

b(m(1))=b(i);

b(i)=b1;

for j=1:n

a1=a(j,m(2));

a(j,m(2))=a(j,i);

a(j,i)=a1;

q1=q(j,m(2));

q(j,m(2))=q(j,i);

q(j,i)=q1;

end

max=0;

end

y=1;

for i=1:(n-1)

for j=1:(n-i)

if a(j+(i-1)*n+y)~=0

l(j+(i-1)*n+y)=a(j+(i-1)*n+y)/a(j+(i-1)*n+y-j)

for k=1:(n-i+1)

a(j+(i-1)*n+y+(k-1)*n)=a(j+(i-1)*n+y+(k-1)*n)-a(j+(i-1)*n+y+(k-1)*n-j )*l(j+(i-1)*n+y);

end

b(j+y-1)=b(j+y-1)-b(y)*l(j+(i-1)*n+y);

end

y=y+1;

end

sum=0;

for j=1:n

x(j)=0;

end

for k=n:-1:1

for j=1:n

sum=sum+x(j)*a(k,j)

end

x(k)=(b(k)-sum)/a(k,k)

sum=0;

end

解：编写矩阵：

0 1 0 0 0 -1 0 0 0 0 0 0 0

0 0 1 0 0 0 0 0 0 0 0 0 0

a 0 0 -1 -a 0 0 0 0 0 0 0 0

a 0 -1 0 -a 0 0 0 0 0 0 0 0

0 0 0 1 0 0 0 -1 0 0 0 0 0

0 0 0 0 0 0 1 0 0 0 0 0 0 A= 0 0 0 0 a 1 0 0 -a -1 0 0 0

0 0 0 0 a 0 1 0 -a 0 0 0 0

0 0 0 0 0 0 0 0 0 1 0 0 -1

0 0 0 0 0 0 0 0 0 0 1 0 0

0 0 0 0 0 0 0 1 a 0 0 -a 0

0 0 0 0 0 0 0 0 a 0 1 a 0

0 0 0 0 0 0 0 0 0 0 0 a 1

B= (0 10 0 0 0 0 0 15 0 20 0 0 0)’

F= (f1 f2 f3 f4 f5 f6 f7 f8 f9 f10 f11 f12 f13)’

AF=B F=A\B

程序及运算结果：

>> a=sym(1/sqrt(2))

a =

2^(1/2)/2

>> A=[0 1 0 0 0 -1 0 0 0 0 0 0 0

0 0 1 0 0 0 0 0 0 0 0 0 0

a 0 0 -1 -a 0 0 0 0 0 0 0 0

a 0 -1 0 -a 0 0 0 0 0 0 0 0

0 0 0 1 0 0 0 -1 0 0 0 0 0

0 0 0 0 0 0 1 0 0 0 0 0 0

0 0 0 0 a 1 0 0 -a -1 0 0 0

0 0 0 0 a 0 1 0 -a 0 0 0 0

0 0 0 0 0 0 0 0 0 1 0 0 -1

0 0 0 0 0 0 0 0 0 0 1 0 0

0 0 0 0 0 0 0 1 a 0 0 -a 0

0 0 0 0 0 0 0 0 a 0 1 a 0

0 0 0 0 0 0 0 0 0 0 0 a -1

]

A =

[ 0, 1, 0, 0, 0, -1, 0, 0, 0, 0, 0, 0, 0] [ 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0] [ 2^(1/2)/2, 0, 0, -1, -2^(1/2)/2, 0, 0, 0, 0, 0, 0, 0, 0]

[ 2^(1/2)/2, 0, -1, 0, -2^(1/2)/2, 0, 0, 0, 0, 0, 0, 0, 0]

[ 0, 0, 0, 1, 0, 0, 0, -1, 0, 0, 0, 0, 0] [ 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0] [ 0, 0, 0, 0, 2^(1/2)/2, 1, 0, 0, -2^(1/2)/2, -1, 0, 0, 0] [ 0, 0, 0, 0, 2^(1/2)/2, 0, 1, 0, -2^(1/2)/2, 0, 0, 0, 0] [ 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, -1] [ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0] [ 0, 0, 0, 0, 0, 0, 0, 1, 2^(1/2)/2, 0, 0, -2^(1/2)/2, 0] [ 0, 0, 0, 0, 0, 0, 0, 0, 2^(1/2)/2, 0, 1, 2^(1/2)/2, 0] [ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2^(1/2)/2, 1]

>> B=[0;10;0;0;0;0;0;15;0;20;0;0;0] B =

>> F=A\B

F =

10*2^(1/2)

-10

-15*2^(1/2)

-5*2^(1/2)

LU分解：

>> a=2^(1/2)/2

a =

0.7071

>> A=[0 1 0 0 0 -1 0 0 0 0 0 0 0

0 0 1 0 0 0 0 0 0 0 0 0 0

a 0 0 -1 -a 0 0 0 0 0 0 0 0

a 0 -1 0 -a 0 0 0 0 0 0 0 0

0 0 0 1 0 0 0 -1 0 0 0 0 0

0 0 0 0 0 0 1 0 0 0 0 0 0

0 0 0 0 a 1 0 0 -a -1 0 0 0

0 0 0 0 a 0 1 0 -a 0 0 0 0

0 0 0 0 0 0 0 0 0 1 0 0 -1

0 0 0 0 0 0 0 0 0 0 1 0 0

0 0 0 0 0 0 0 1 a 0 0 -a 0

0 0 0 0 0 0 0 0 a 0 1 a 0

0 0 0 0 0 0 0 0 0 0 0 a 1

]

A =

Columns 1 through 8

0 1.0000 0 0 0 -1.0000 0 0

0 0 1.0000 0 0 0 0 0

0.7071 0 0 -1.0000 -0.7071 0 0 0

0.7071 0 -1.0000 0 -0.7071 0 0 0

0 0 0 1.0000 0 0 0 -1.0000

0 0 0 0 0 0 1.0000 0

0 0 0 0 0.7071 1.0000 0 0

0 0 0 0 0.7071 0 1.0000 0

0 0 0 0 0 0 0 0

0 0 0 0 0 0 0

1.0000

0 0 0 0 0 0 0 0

Columns 9 through 13

0 0 0 0 0

-0.7071 -1.0000 0 0 0

-0.7071 0 0 0 0

0 1.0000 0 0 -1.0000

0 0 1.0000 0 0

0.7071 0 0 -0.7071 0

0.7071 0 1.0000 0.7071 0

0 0 0 0.7071 1.0000

>> [L,U,P]=lu(A)

L =

Columns 1 through 8

1.0000 0 0 0 0 0 0 0

0 1.0000 0 0 0 0 0 0

0 0 1.0000 0 0 0 0 0

1.0000 0 -1.0000 1.0000 0 0 0 0

0 0 0 0 1.0000 0 0 0

0 0 0 0 1.0000 1.0000 0 0

0 0 0 0 0 0 1.0000 0

0 0 0 1.0000 0 0 0

1.0000

0 0 0 0 0 0 0 -1.0000

0 0 0 0 0 0 0 0

0 0 0 0 0 0 0

Columns 9 through 13

0 0 0 0 0

1.0000 0 0 0 0

0 1.0000 0 0 0

0 0 1.0000 0 0

1.0000 0 1.0000 1.0000 0

0 0 0 0.5000 1.0000

U =

Columns 1 through 8

0.7071 0 0 -1.0000 -0.7071 0 0 0

0 1.0000 0 0 0 -1.0000 0 0

0 0 1.0000 0 0 0 0 0

0 0 0 1.0000 0 0 0 0

0 0 0 0 0.7071 1.0000 0 0

0 0 0 0 0 -1.0000 1.0000 0

0 0 0 0 0 0 1.0000 0

0 0 0 0 0 0 0 -1.0000

0 0 0 0 0 0 0 0

Columns 9 through 13

0 0 0 0 0

-0.7071 -1.0000 0 0 0

0 1.0000 0 0 0

0 0 0 0 0

0.7071 0 0 -0.7071 0

0 1.0000 0 0 -1.0000

0 0 1.0000 0 0

0 0 0 1.4142 0

0 0 0 0 1.0000

P =

0 0 1 0 0 0 0 0 0 0 0 0 0

1 0 0 0 0 0 0 0 0 0 0 0 0

0 1 0 0 0 0 0 0 0 0 0 0 0

0 0 0 1 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 1 0 0 0 0 0 0

0 0 0 0 0 0 0 1 0 0 0 0 0

0 0 0 0 0 1 0 0 0 0 0 0 0

0 0 0 0 1 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 1 0 0

0 0 0 0 0 0 0 0 1 0 0 0 0

0 0 0 0 0 0 0 0 0 1 0 0 0

0 0 0 0 0 0 0 0 0 0 0 1 0

0 0 0 0 0 0 0 0 0 0 0 0 1

>> F=U\(L\B)

F =

10.6066

37.5000

10.6066

27.5000

-15.0000

10.6066

27.5000

-10.6066

7.5000

解：

程序及运算结果：

Lutx.m文件：

function [L,U,p,sig] = lutx(A) %LU Triangular factorization

% [L,U,p,sig] = lutx(A) computes a unit lower triangular % matrix L, an upper triangular matrix U, a permutation % vector p, and a scalar sig, so that L*U = A(p,:) and

% sig = +1 or -1 if p is an even or odd permutation. [n,n] = size(A);

p = (1:n)';

w=0

for k = 1:n-1

% Find largest element below diagonal in k-th column [r,m] = max(abs(A(k:n,k)));

m = m+k-1;

% Skip elimination if column is zero

if (A(m,k) ~= 0)

% Swap pivot row

if (m ~= k)

A([k m],:) = A([m k],:);

p([k m]) = p([m k]);

w=w+1;

end

% Compute multipliers

i = k+1:n;

A(i,k) = A(i,k)/A(k,k);

% Update the remainder of the matrix

j = k+1:n;

A(i,j) = A(i,j) - A(i,k)*A(k,j);

end

% Separate result

L = tril(A,-1) + eye(n,n)

U = triu(A)

sig=(-1)^w

mydet.m文件：

function det=mydet(A)

[L,U,p,sig] = lutx(A)

det=sig*prod(diag(U))

运行结果：

>> a=2^(1/2)/2

a =

0.7071

>> A=[0 1 0 0 0 -1 0 0 0 0 0 0 0

0 0 1 0 0 0 0 0 0 0 0 0 0

a 0 0 -1 -a 0 0 0 0 0 0 0 0

a 0 -1 0 -a 0 0 0 0 0 0 0 0

0 0 0 1 0 0 0 -1 0 0 0 0 0

0 0 0 0 0 0 1 0 0 0 0 0 0

0 0 0 0 a 1 0 0 -a -1 0 0 0

0 0 0 0 a 0 1 0 -a 0 0 0 0

0 0 0 0 0 0 0 0 0 1 0 0 -1

0 0 0 0 0 0 0 0 0 0 1 0 0

0 0 0 0 0 0 0 1 a 0 0 -a 0

0 0 0 0 0 0 0 0 a 0 1 a 0

0 0 0 0 0 0 0 0 0 0 0 a 1

]

A =

Columns 1 through 8

0 1.0000 0 0 0 -1.0000 0 0

0 0 1.0000 0 0 0 0 0

0.7071 0 0 -1.0000 -0.7071 0 0 0

0.7071 0 -1.0000 0 -0.7071 0 0 0

0 0 0 1.0000 0 0 0 -1.0000

0 0 0 0 0 0 1.0000 0

0 0 0 0 0.7071 1.0000 0 0

0 0 0 0 0.7071 0 1.0000 0

0 0 0 0 0 0 0 0

0 0 0 0 0 0 0

1.0000

0 0 0 0 0 0 0 0

Columns 9 through 13

0 0 0 0 0

-0.7071 -1.0000 0 0 0

-0.7071 0 0 0 0

0 1.0000 0 0 -1.0000

0 0 1.0000 0 0

0.7071 0 0 -0.7071 0

0.7071 0 1.0000 0.7071 0

0 0 0 0.7071 1.0000

>> mydet(A)

w =

L =

Columns 1 through 8

1.0000 0 0 0 0 0 0 0

0 1.0000 0 0 0 0 0 0

0 0 1.0000 0 0 0 0 0

1.0000 0 -1.0000 1.0000 0 0 0 0

0 0 0 0 1.0000 0 0 0

0 0 0 0 1.0000 1.0000 0 0

0 0 0 0 0 0 1.0000 0

0 0 0 1.0000 0 0 0

1.0000

0 0 0 0 0 0 0

-1.0000

0 0 0 0 0 0 0 0

Columns 9 through 13

0 0 0 0 0

1.0000 0 0 0 0

0 1.0000 0 0 0

0 0 1.0000 0 0

1.0000 0 1.0000 1.0000 0

0 0 0 0.5000 1.0000

U =

Columns 1 through 8

0.7071 0 0 -1.0000 -0.7071 0 0 0

0 1.0000 0 0 0 -1.0000 0 0

0 0 1.0000 0 0 0 0 0

0 0 0 1.0000 0 0 0 0

0 0 0 0 0.7071 1.0000 0 0

0 0 0 0 0 -1.0000 1.0000 0

0 0 0 0 0 0 1.0000 0

0 0 0 0 0 0 0 -1.0000

0 0 0 0 0 0 0 0

Columns 9 through 13

0 0 0 0 0

-0.7071 -1.0000 0 0 0

0 1.0000 0 0 0

0 0 0 0 0

0.7071 0 0 -0.7071 0

0 1.0000 0 0 -1.0000

0 0 1.0000 0 0

0 0 0 1.4142 0

0 0 0 0 1.0000

p =

sig =

-1

L =

Columns 1 through 8

1.0000 0 0 0 0 0 0 0

0 1.0000 0 0 0 0 0 0

0 0 1.0000 0 0 0 0 0

1.0000 0 -1.0000 1.0000 0 0 0 0

0 0 0 0 1.0000 0 0 0

0 0 0 0 1.0000 1.0000 0 0

0 0 0 0 0 0 1.0000 0

0 0 0 1.0000 0 0 0

1.0000

0 0 0 0 0 0 0 -1.0000

0 0 0 0 0 0 0 0

Columns 9 through 13

0 0 0 0 0

1.0000 0 0 0 0

0 1.0000 0 0 0

0 0 1.0000 0 0

1.0000 0 1.0000 1.0000 0

0 0 0 0.5000 1.0000

U =

Columns 1 through 8

0.7071 0 0 -1.0000 -0.7071 0 0 0

0 1.0000 0 0 0 -1.0000 0 0

0 0 1.0000 0 0 0 0 0

0 0 0 1.0000 0 0 0 0

0 0 0 0 0.7071 1.0000 0 0

0 0 0 0 0 -1.0000 1.0000 0

0 0 0 0 0 0 1.0000 0

0 0 0 0 0 0 0 -1.0000

0 0 0 0 0 0 0 0

Columns 9 through 13

0 0 0 0 0

-0.7071 -1.0000 0 0 0

数值分析列主元消去法的实验报告

实验一列主元消去法【实验内容】 1．掌握列主元消去法的基本思路和迭代步骤 2．并能够利用列主元的高斯消去法解任意阶数的线性方程组； 3、从课后题中选一题进行验证，得出正确结果，交回实验报告与计算结果。【实验方法与步骤】 1．列主元消去法基本思路设有线性方程组Ax b =，设A 是可逆矩阵。列主元消去法的基本思想就是通过列主元的选取将初等行变换作用于方程组的增广矩阵[]|B A b =，将其中的A 变换成一个上三角矩阵，然后求解这个三角形方程组。 2．列主元高斯消去法算法描述将方程组用增广矩阵[]()(1)|ij n n B A b a ?+==表示。步骤1：消元过程，对1,2,,1k n =-L （1）选主元，找{},1,,k i k k n ∈+L 使得 ,max k i k ik k i n a a ≤≤= （2）如果,0k i k a =，则矩阵A 奇异，程序结束；否则执行（3）；（3）如果k i k ≠，则交换第k 行与第k i 行对应元素位置，k kj i j a a ?， ,,1j k n =+L ；（4）消元，对,,i k n =L ，计算/,ik ik kk l a a =对1,,1j k n =++L ，计算 .ij ij ik kj a a l a =- 步骤 2：回代过程：（1）若0,nn a =则矩阵奇异，程序结束；否则执行（2）；（2） ,1/;n n n nn x a a +=对1,,2,1i n =-L ，计算 ,11/n i i n ij j ii j i x a a x a +=+??=- ??? ∑

[实验程序] #include #include #include #include #define NUMBER 20 #define Esc 0x1b #define Enter 0x0d using namespace std; float A[NUMBER][NUMBER+1] ,ark; int flag,n; void exchange(int r,int k); float max(int k); void message(); void main() { float x[NUMBER]; int r,k,i,j; char celect; void clrscr(); printf("\n\nUse Gauss."); printf("\n\n1.Jie please press Enter."); printf("\n\n2.Exit press Esc."); celect=getch(); if(celect==Esc) exit(0); printf("\n\n input n="); scanf("%d",&n); printf(" \n\nInput matrix A and B:"); for(i=1;i<=n;i++) { printf("\n\nInput a%d1--a%d%d and b%d:",i,i,n,i); for(j=1;j<=n+1;j++) scanf("%f",&A[i][j]); } for(k=1;k<=n-1;k++) { ark=max(k); if(ark==0) { printf("\n\nIt’s wrong!");message();

高斯消元法(完整)

高斯消元法解线性方程组在工程技术和工程管理中有许多问题经常可以归结为线性方程组类型的数学模型，这些模型中方程和未知量个数常常有多个，而且方程个数与未知量个数也不一定相同。那么这样的线性方程组是否有解呢？如果有解，解是否唯一？若解不唯一，解的结构如何呢？这就是下面要讨论的问题。一、线性方程组设含有n 个未知量、有m 个方程式组成的方程组 a x a x a x b a x a x a x b a x a x a x b n n n n m m mn n m 11112211211222221122+++=+++=+++=???????ΛΛΛΛΛΛΛΛΛ （3.1）其中系数a ij ，常数b j 都是已知数，x i 是未知量（也称为未知数）。当右端常数项b 1, b 2, …, b m 不全为0时，称方程组（3.1）为非齐次线性方程组；当b 1=b 2= … =b m = 0时，即 a x a x a x a x a x a x a x a x a x n n n n m m mn n 111122121122221122000 +++=+++=+++=???????ΛΛΛΛΛΛΛΛΛ （3.2）称为齐次线性方程组。由n 个数k 1, k 2, …, k n 组成的一个有序数组（k 1, k 2, …, k n ），如果将它们依次代入方程组（3.1）中的x 1, x 2, …, x n 后，（3.1）中的每个方程都变成恒等式，则称这个有序数组（k 1, k 2, …, k n ）为方程组（3.1）的一个解。显然由x 1=0, x 2=0, …, x n =0组成的有序数组（0, 0, …, 0）是齐次线性方程组（3.2）的一个解，称之为齐次线性方程组（3.2）的零解，而当齐次线性方程组的未知量取值不全为零时，称之为非零解。（利用矩阵来讨论线性方程组的解的情况或求线性方程组的解是很方便的。因此，我们先给出线性方程组的矩阵表示形式。）非齐次线性方程组（3.1）的矩阵表示形式为： AX = B 其中 A = ????????????mn m m n n a a a a a a a a a ΛΛΛΛΛΛΛ212222111211，X = ????????????n x x x M 21， B = ????? ???????n b b b M 21 称A 为方程组（3.1）的系数矩阵，X 为未知矩阵，B 为常数矩阵。将系数矩阵A 和常数矩阵B 放在一起构成的矩阵

高斯消去法算法实验报告

算法设计与分析基础实验报告应用数学学院二零一六年六月

实验高斯消去法算法一、实验性质设计二、实验学时14学时三、实验目的 1、掌握高斯消去法的方法和原理。 2、掌握java语言实现该算法的一般流程。四、实验内容 1、数组的输入。 2、高斯消去法的算法流程。 4、运行结果的输出。五、实验报告 Ⅰ、算法原理通过一系列的初等变换，交换方程组中两个方程的位置，把一个方程替换为它的非零倍，把一个方程替换为它和另一个方程倍数之间的和或者差。 Ⅱ、Java算法代码： import java.util.Scanner; publicclass Gaosi { publicstaticvoid main(String[] args) { Gao ga = new Gao(); ga.set(); ga.yunSuan(); } } class Gao {

double A[][], B[], X[], ss, sum; int n, k, j, t; void set() { System.out.println("请输入方程组中方程的个数："); Scanner sc = new Scanner(System.in); n = sc.nextInt(); A = newdouble[n][n]; B = newdouble[n]; X = newdouble[n]; System.out.println("请输入各方程的系数："); Scanner sd = new Scanner(System.in); for (int i = 0; i

高斯列主元消元法解线性方程组

高斯列主元消元法解线性方程组一、题目：用Gauss 列主元消去法解线性方程组Ax b =，其中， A=17.031 -0.615 -2.991 1.007 -1.006 0.000-1.000 34.211 -1.000 -2.100 0.300 -1.7000.000 0.500 13.000 -0.500 1.000 -1.5004.501 3.110 -3.907 -61.705 12.170 8.9990.101 -8.012 -0.017 -0.910 4.918 0.1001.000 2.000 3.000 4.500 5.000 21.803?? ? ? ? ? ? ? ? ??? 0.230 -52.322 54.000 240.236 29.304 -117.818b ?? ? ? ?= ? ? ? ? ??? T X=(0.907099 -1.961798 3.293738 -4.500708 3.029344 -5.255068) 二、原理及步骤分析设 n n ij R a A ?∈=][)1(，n n R b b b b ∈=],,,[)1()2(2)1(1 。若约化主元素 ),,2,1(0)(n k a k kk =≠，则通过高斯消元法将方程b AX =约化为三角形方程组求解。如果在消元过程中发现某个约化主元0) (=k kk a , 则第K 次消元就无法进行。此外，即使所有约化主元全不为零，虽然可以完成方程组的求解，但也无法保证结果的可靠性，因为计算过程中存在舍入误差。为减少计算过程中的舍入误差对解的影响，在每次消元前，应先选择绝对值尽可能大的元作为约元的主元，如果在子块的第一列中选取主元，则相应方法称为列主元消元法。相应过程为：（1）选主元：在子块的第一列中选择一个元) (k k i k a 使) (max k ik n i k k k i a a k ≤≤= 并将第k 行元与第k i 行元互换。（2）消元计算：对k=1,2,……n-1依次计算 ()()()?? ?? ?????++=-=++=-=++==++n k k i b m b b n k k j i a m a a n k k i a a m k k ik k i k i k kj ik k ij k ij k kk k ik k ik ,,2,1,,2,1,,,2,1) ()()1() ()()1()() ()( （3）回代求解

消元法实验报告4

西京学院数学软件实验任务书

《数值分析》实验报告实验一一、实验目的与要求 1．掌握高斯列主元消去法解线性方程组的基本思路； 2．了解一些计算机的算法，会以某种汇编语言实现算法结果（本实验主要用matlab编程）二、实验内容 1．编写用高斯列主元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. （1） 123 123 123 221 1 221 x x x x x x x x x +-= ? ? ++= ? ?++= ? （2） 123 123 123 21 1 21 x x x x x x x x x -+= ? ? ++= ? ?+-= ? 2．列主元消元法及其matlab程序function [Ra,Rb,n,X]=GaussXQLineMain(A,b) %高斯列主元消元法，其中B为增广矩阵 B=[A b]; %读入b的长度 n=length(b); %读出矩阵a,b秩 Ra=rank(A); Rb=rank(B); if (Rb-Ra)>0 disp('因为Ra不等于Rb，所以此方程组无解.') return end if Ra==Rb if Ra==n disp('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-1 %找出列中最大的元素并指出他的位置

[Y,j]=max(abs(B(p:n,p))); C=B(p,:); B(p,:)= B(j+p-1,:); B(j+p-1,:)=C; for k=p+1:n m= B(k,p)/ B(p,p); B(k,p:n+1)= B(k,p:n+1)-m* B(p,p:n+1); end end b=B(1:n,n+1);A=B(1:n,1:n); X(n)=b(n)/A(n,n); for q=n-1:-1:1 X(q)=(b(q)-sum(A(q,q+1:n)*X(q+1:n)))/A(q,q); end else disp('因为Ra=Rb> clear; A=[1 2 -2;1 1 1;2 2 1 ]; b=[1;1;1]; [Ra,Rb,n,X] =GaussXQLineMain(A,b) 因为Ra=Rb=n，所以此方程组有唯一解. Ra = 3 Rb = 3 n = 3 X = -3.0000 3.0000 1.0000 方程组（2）过程

列主元消去法

实验一列主元消去法【实验内容】1. 掌握列主元消去法的基本思路和迭代步骤 2. 并能够利用列主元的高斯消去法解任意阶数的线性方程组；【实验方法与步骤】列主元消去法编写程序 1．列主元消去法基本思路设有线性方程组Ax b =，设A 是可逆矩阵。列主元消去法的基本思想就是通过列主元的选取将初等行变换作用于方程组的增广矩阵[]|B A b =，将其中的A 变换成一个上三角矩阵，然后求解这个三角形方程组。 2．列主元高斯消去法算法描述将方程组用增广矩阵[]()(1)|ij n n B A b a ?+==表示。步骤1：消元过程，对1,2,,1k n =- （1）选主元，找{},1,,k i k k n ∈+ 使得 ,max k i k ik k i n a a ≤≤= （2）如果,0k i k a =，则矩阵A 奇异，程序结束；否则执行（3）；（3）如果k i k ≠，则交换第k 行与第k i 行对应元素位置，k kj i j a a ?， ,,1j k n =+ ；（4）消元，对,,i k n = ，计算/,ik ik kk l a a =对1,,1j k n =++ ，计算 .ij ij ik kj a a l a =- 步骤 2：回代过程：（1）若0,nn a =则矩阵奇异，程序结束；否则执行（2）；（2） ,1/;n n n nn x a a +=对1,,2,1i n =- ，计算 ,11/n i i n ij j ii j i x a a x a +=+??=- ??? ∑ 习题3第一题程序如下

#include #include #define N 3 int I; float max_value(float a[N][N+1],int n,int k) { float max; int i; max=a[k][k]; for(i=k+1;i

Gauss列主元消去法程序设计

《Gauss列主元消去法》实验报告实验名称：Gauss列主元消去法程序设计？？？成绩：_________ 专业班级：数学与应用数学1202班？姓名：王晓阳？??学号：实？验？日？期：？2014?年11月10日实验报告日期：？2014年？11月10日一.实验目的 1. 学习Gauss消去法的基本思路和迭代步骤. 2. 学会运用matlab编写高斯消去法和列主元消去法程序，求解线性方程组. 3. 当绝对值较小时，采用高斯列主元消去法? 4. 培养编程与上机调试能力. 二、实验内容用消去法解线性方程组的基本思想是用逐次消去未知数的方法把原线性方程组Ax二b 化为与其等价的三角形线性方程组，而求解三角形线性方程组可用回代的方法求解 1. 求解一般线性方程组的高斯消去法? (1) 消元过程：设a kk k-0 ,第i个方程减去第k个方程的m ik Tk k倍，("k 1^1, n)，得到 A k1x=b k1.

经过n-1次消元，可把方程组A1^b1化为上三角方程组A n x=b n. ⑵回代过程: 以解如下线性方程组为例测试结果 2. 列主元消去法由高斯消去法可知，在消元过程中可能出现a kk k =0的情况，这是消去法将无法进行, 即使主元素a kk k-0但很小时，用其作除数，会导致其他元素数量级的严重增长和舍入误差的扩散，最后也使得计算解不可靠.这时就需要选取主元素，假定线性方程组的系数矩阵A是菲奇异的. (1)消元过程：对于k =1,2,川,n -1，进行如下步骤: 1) 按列选主元，记 2) 交换增广阵A的p,k两行的元素 A(k,j)=A(p,j) ( j=k,…,n +1) 3) 交换常数项b的p,k两行的元素。 b(k)=b(p) 4) 计算消元 (2) 回代过程 (3) 以解如下线性方程组为例测试结果三、实验环境 MATLAB R2014a 四、实验步骤

实验三高斯列主元消去法

实验三高斯列主元消去法一、实验目的： 1、掌握高斯消去法的基本思路和迭代步骤。 2、培养编程与上机调试能力。二、高斯列主元消去法的基本思路与计算步骤：设有方程组Ax b =，设A 是可逆矩阵。高斯消去法的基本思想就是僵局真的初等行变换作用于方程组的增广矩阵[]B A b = ，将其中的A 变换成一个上三角矩阵，然后求解这个三角形方程组。列主元高斯消去法计算步骤：将方程组用增广矩阵[]()(1)ij n n B A b a ?+== 表示。步骤1：消元过程，对1,2,,1k n =- （1）选主元，找{},1,,k i k k n ∈+ 使得 ,max k i k ik k i n a a ≤≤= （2）如果 ,0k i k a =，则矩阵A 奇异，程序结束；否则执行（3）。（3）如果k i k ≠，则交换第k 行与第k i 行对应元素位置，k kj i j a a ?，,,1j k n =+ 。（4）消元，对,,i k n = ，计算/,ik ik kk l a a =对1,,1j k n =++ ，计算 . ij ij ik kj a a l a =- 步骤 2：回代过程：（1）若0,nn a =则矩阵奇异，程序结束；否则执行（2）。（2） ,1/;n n n nn x a a +=对1,,2,1i n =- ，计算,11/n i i n ij j ii j i x a a x a +=+??=- ???∑ 三：程序流程图

四：程序清单： function X=uptrbk(A,b) % A是一个n阶矩阵。 % b是一个n维向量。 % X是线性方程组AX=b的解。 [N N]=size(A); X=zeros(1,N+1); Aug=[A b]; for p=1:N-1 [Y,j]=max(abs(Aug(p:N,p)));%返回向量的最大值存入y，最大值的序号存入j。 C=Aug(p,:); Aug(p,:)=Aug(j+p-1,:); Aug(j+p-1,:)=C; if Aug(p,p)==0 'A是奇异阵，方程无惟一解' break end for k=p+1:N m=Aug(k,p)/Aug(p,p); Aug(k,p:N+1)=Aug(k,p:N+1)-m*Aug(p,p:N+1); end end % 这里用到程序函数backsub来进行回代。 X=backsub(Aug(1:N,1:N),Aug(1:N,N+1)); function X=backsub(A,b) % A是一个n阶上三角非奇异阵。 % b是一个n维向量。 % X是线性方程组AX=b的解。 n=length(b);%取b向量的个数。 X=zeros(n,1); 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 五、测试数据与结果：测试数据：（第8章习题三第2题）求解线性方程组：解：建立一个主程序gs.m clc clear A=[1,2,3;5,4,10;3,-0.1,1]; b=[1;0;2];

列主元高斯消去法和列主元三角分解法解线性方程

计算方法实验报告1 【课题名称】用列主元高斯消去法和列主元三角分解法解线性方程【目的和意义】高斯消去法是一个古老的求解线性方程组的方法，但由它改进得到的选主元的高斯消去法则是目前计算机上常用的解低阶稠密矩阵方程组的有效方法。用高斯消去法解线性方程组的基本思想时用矩阵行的初等变换将系数矩阵A 约化为具有简单形式的矩阵（上三角矩阵、单位矩阵等），而三角形方程组则可以直接回带求解用高斯消去法解线性方程组b Ax =（其中A ∈Rn ×n ）的计算量为：乘除法运算步骤为 32(1)(1)(21)(1)(1)262233n n n n n n n n n n n MD n ----+= +++=+-，加减运算步骤为 (1)(21)(1)(1)(1)(25) 6226n n n n n n n n n n AS -----+= ++= 。相比之下，传统的克莱姆法则则较为繁琐，如求解20阶线性方程组，克莱姆法则大约要19 510?次乘法，而用高斯消去法只需要3060次乘除法。在高斯消去法运算的过程中，如果出现abs(A(i,i))等于零或过小的情况，则会导致矩阵元素数量级严重增长和舍入误差的扩散，使得最后的计算结果不可靠，所以目前计算机上常用的解低阶稠密矩阵方程的快速有效的方法时列主元高斯消去法，从而使计算结果更加精确。 2、列主元三角分解法高斯消去法的消去过程，实质上是将A 分解为两个三角矩阵的乘积A=LU ，并求解Ly=b 的过程。回带过程就是求解上三角方程组Ux=y 。所以在实际的运算中，矩阵L 和U 可以直接计算出，而不需要任何中间步骤，从而在计算过程中将高斯消去法的步骤进行了进一步的简略，大大提高了运算速度，这就是三角分解法采用选主元的方式与列主元高斯消去法一样，也是为了避免除数过小，从而保证了计算的精确度【计算公式】 1、列主元高斯消去法设有线性方程组Ax=b ，其中设A 为非奇异矩阵。方程组的增广矩阵为第1步（k=1）：首先在A 的第一列中选取绝对值最大的元素 1 l a ，作为第一步的主元素: 111211212222112[,]n n n l n nn n a a a a b a a a b a a a b ?????? ?? =?????? ?? ????a b

计算方法实验三线性方程组解法列主元高斯消去法

实验报告学院：电子信息工程实验课程：计算方法学生姓名：学号：专业班级：通信工程

实验三线性方程组解法 1 目的与要求（1）进一步理解和掌握求线性方程组数值解的有关方法和理论。（2）完成利用列主元高斯消去法、雅可比迭代法及高斯-赛德尔迭代法求线性方程组数值解的程序设计。本次实验只需完成列主元高斯消去法的程序设计。（3）比较三种算法的不同特点。 2 实验内容通过编制程序，分别用列主元高斯消去法、雅可比迭代法及高斯-赛德尔迭代法计算如下方程组的解。设初始值为要求满足前后两次迭代结果的差向量的 1 范数小于 3 实验原理 1）列主元高斯消去法列主元高斯消去法就是在顺序高斯消去法的基础上，每步消元之前都要进行选主元操作，即在第k 步消元前，在第k 列的元素中选取绝对值最大的元素，设为

，然后交换第 k 行和第 p 行，继续进行消去过程，直到获得上三角方程组，然后通过回代得到方程的根。 4 程序设计（1）流程图列主元高斯消去程序流程图（2）程序代码 #include #include void main() { float a[3][4],x,s; int i,j,m,k; printf("please input coeffient martix array:\n");

for(i=0;i<3;i++) //输入增广矩阵// { for(j=0;j<4;j++) { scanf("%f",&a[i][j]); } } printf("\n"); printf("Output the input matrix"); printf("\n"); for(i=0;i<3;i++) //输出输入的矩阵// { for(j=0;j<4;j++) { printf("%8.4f",a[i][j]); } printf("\n"); } printf("\n"); for(k=0;k<=2;k++) //在不同列中选主元// { m=k;

高斯消元法讲解

#include "Stdio.h" #include "Conio.h" /*L是矩阵的行减1,从程序上看是最外层循环的次数 N 对应矩阵的行数，M对应矩阵的列数可以通过改变L、N、M来控制矩的阶数 */ #define L 3 #define N 4 #define M 5 void gauss(double a[N][M],double x[N]) {int i,j,l,n,m,k=0; double temp[N]; /*第一个do-while是将增广矩阵消成上三角形式*/ do{n=0; for(l=k;l=0;l--)temp[n++]=a[k-l][k+1]/a[k+1][k+1]; for(m=0,i=k;i>=0;i--,m++) for(j=k;j=0) ; /*下一个for是解方程组*/ for(i=0;i

完整版高斯消元法MATLAB实现

《数值分析》实验报告一、实验目的与要求 1．掌握高斯消去法的基本思路和迭代步骤； 2．培养编程与上机调试能力。二、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. 5x?2x?x?80.101x?2.304x?3.555x?1.183??312312??（1）（2） 21x?8x?32x?2.137x?3.712x?4.623?1.347x???312312??1x?3x?6x??2.835x?1.072x?5.643x?3.035??132 312 2．编写用列主元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. 5x?2x?x?80.101x?2.304x?3.555x?1.183??312312??（1）（2） 2x?8x?3x?212.137?4.6231.347?x?3.712x?x??321321??1x?3x?6x??2.835x?1.072x?5.643x?3.035??132 312三．MATLAB计算源程序 AX?b MATLAB1. 程序用高斯消元法解线性方程组的b；输入的量：系数矩阵和常系数向量A RA,RB, n方程组中未知量的个数的秩输出的量：系数矩阵和增广矩阵BA.及其解的信息和有关方程组解X gaus(A,b) function [RA,RB,n,X]=B=[A b]; n=length(b); RA=rank(A); RB=rank(B);zhica=RB-RA; if zhica>0, disp('RA~=RB.') ，所以此方程组无解请注意：因为return end if RA==RB if RA==n disp('RA=RB=n.') ，所以此方程组有唯一解请注意：因为X=zeros(n,1); C=zeros(1,n+1); for p= 1:n-1 for k=p+1:n m= B(k,p)/ B(p,p); B(k,p:n+1)= B(k,p:n+1)-m* B(p,p:n+1);

列主元高斯消去法求逆矩阵

列主元高斯消去法求逆矩阵程序代码： #include #include #define Max 10 int n; double M[Max][Max]; double E[Max][Max]; bool FindMax(int t) //列主元素 { int i, j, k=t; double max = fabs(M[t][t]), temp; for (i = t+1 ;i < n; i++) if (max

M[i][j] = M[i][j] - M[t][j]*m; E[i][j] = E[i][j] - E[t][j]*m; } } } void HuiDai(int t) { int i,j; double max; max=M[t][t]; for(i=t;i=0;i--) { max=M[i][t]; M[i][t]=0; for(j=0;j

数值分析计算实习题列主元高斯消去法解线性方程组

数值分析计算实习题第5章解线性方程组的直接方法【选题列主元高斯消去法解线性方程组。书上的计算实习题1、2、3都要求用列主元高斯消去法解线性方程组，所以考虑写一个普适的程序来实现。对于线性方程组Ax二b,程序允许用户从文件读入矩阵数据或直接在屏幕输入数据。文件输入格式要求: (1)第一行为一个整数n (2<=n<=100)，表示矩阵阶数。 (2)第2~n+l行为矩阵A各行列的值。 (3)第n+2~n+n+2行为矩阵b各行的值。屏幕输入：按提示输入各个数据。输出：A. b、det(A).列主元高斯消去计算过程、解向量X。

【算法说明】设有线性方程组Ax=b,其中设A为非奇异矩阵。方程组的增广矩阵为 ?12 ?21 [Nb] = 第1步（k=l ）：首先在A的第一列中选取绝对值最大的元素?I,作为第一步的主元素: ?|| H0 然后交换（A, b）的第1行与第I行元素，再进行消元计算。设列主元素消去法已经完成第1步到第k?l步的按列选主元，交换两行，消元计算得到与原方程组等价的方程组 A（k）x=b（k） 4? …4;) …唸) ? 忒 ? ? 輕 ■ [A.b]T[A ⑹,b")] = ??■ 咲■ ■ ■ ■ ■ * *■ 〃伏) ?? - % ■ 第k步计算如下: 对于 k=l, 2, ?…，0-1 （1）按列选主元：即确定t使（2）如果tHk,则交换［A, b］第t行与第k行元素。（3）消元计算

5 4* J 叫=一鱼(=^ + 1,…,H) % 吗 <-?y + 〃如伽 (fJ = R + l,…/) b- <-勺+加汝仇， (i = /c + l,…,《) 消元乘数mik 满足: n (%-D 内) X1 < ------ -- ---- 9(j = ? 一 1,?一2■…J)tk M 1,(,=斤 +1, ???,?) fet e (4)回代求解

Gauss列主元消去法

贵州师范大学数学与计算机科学学院学生实验报告课程名称：数值分析班级：数本（一）班实验日期：年月日学号： 090704020098（81）姓名：吴胜指导教师：杨一都实验成绩：一、实验名称实验五:线性方程组的数值解法二、实验目的及要求 1. 让学生掌握用列主元gauss 消去法、超松弛迭代法求解线性方程组. 2. 培养Matlab 编程与上机调试能力. 三、实验环境每人一台计算机，要求安装Windows XP 操作系统，Microsoft office2003、MATLAB6.5(或7.0). 四、实验内容 1. 编制逐次超松弛迭代(SOR 迭代)函数(子程序),并用于求解方程组 ????? ??=-++=+-+=++-=+++-1 4141 4144321 432143214321x x x x x x x x x x x x x x x x 取初始向量T x )1,1,1,1()0(=,迭代控制条件为 5 )1()(10 2 1||||--?≤ -k k x x 请绘制出迭代次数与松弛因子关系的函数曲线,给出最佳松弛因子.SOR 迭代的收敛速度是否一定比Gauss-Seidel 迭代快? 2. 编制列主元 Gauss 消去法函数(子程序),并用于解 ??? ??=++-=-+-=+-6 15318153312321 321321x x x x x x x x x 要求输出方程组的解和消元后的增广矩阵. 注：题2必须写实验报告五、算法描述及实验步骤 Gauss 消去法：功能解方程组b Ax = . 输入 n ,n n ij a A ?=)(,T n b b b b ),,,(21 =. 输出方程组的解T n x x x x ),,,(21 =或失败信息.

Gauss列主元消去法、QR(MATLAB)

例：用Gauss 列主元消去法、QR 方法求解如下方程组： 12342212141 312.4201123230x x x x ?????? ? ? ?- ? ? ?= ? ? ?-- ? ? ??????? 1. 1）Gauss 列主元法源程序： function x=Gauss(A,b) [m,n]=size(A); if m~=n error('矩阵不是方阵') return end B=[A,b]; n=length(A); for j=1:n-1 q=[zeros(j-1,1);B(j:n,j)]; [c,r]=max(abs(q)); %c 为列主元，r 为所在行 if r~=j temp=B(j,:); %交换两行 B(j,:)=B(r,:); B(r,:)=temp; end for i=j+1:n B(i,:)=B(i,:)-B(j,:)*(B(i,j)/c); end end x(n)=B(n,n+1)/B(n,n); for i=n-1:-1:1 for j=i:n-1 B(i,n+1)=B(i,n+1)-B(i,j+1)*x(j+1); end x(i)=B(i,n+1)/B(i,i); end 2)在命令窗口输入A ，b,得到x 的近似解： >> A=[2,2,1,2;4,1,3,-1;-4,-2,0,1;2,3,2,3]; >> b=[1;2;1;0]; >> x=Gauss(A,b)

x = 1.5417 -2.7500 0.0833 1.6667 2. 1）QR方法源程序： function [Q,R,X]=qrfj(A,b) [m,n]=size(A); if m> A=[2,2,1,2;4,1,3,-1;-4,-2,0,1;2,3,2,3]; >> b=[1;2;1;0]; >> [Q,R,X]=qrfj(A,b) Q = 0.3162 0.3705 -0.0284 -0.8729 0.6325 -0.4940 0.5966 -0.0000

高斯列主元消去法

数值分析大作业－－――（高斯列主元消去法求解线性方程组）课程名称：数值分析授课老师：宋国乡指导导师：丁振国学生：王伟伟学号：0425121523 日期：2004/11/20

高斯列主元消去法解线性方程组一：问题的提出我们都知道，高斯列主元素消去法是计算机上常用来求解线性方程组的一种直接的方法。就是在不考虑舍入误差的情况下，经过有限步的四则运算可以得到线性方程组的准确解的一类方法。实际运算的时候因为只能有限小数去计算，因此只能得到近似值。在实际运算的时候，我们很多时候也常用高斯消去法。但是高斯消去法在计算机中运算的时候常会碰到两个问题。 1．一旦遇到某个主元等于0，消元过程便无法进行下去。 2．在长期使用中还发现，即使消元过程能进行下去，但是当某个主元的绝对值很小时，求解出的结果与真实结果相差甚远。为了避免高斯消去法消元过程中出现的上述两个问题，一般采用所谓的选择主元法。其中又可以分为列选主元和全面选主元两种方法。目前计算机上常用的按列选主元的方法。因此我在这里做的也是列选主元高斯消去法。二、算法的基本思想大家知道，如果一个线性方程组的系数矩阵是上三角矩阵时，即这种方程组我们称之为上三角方程组，它是很容易求解的。我们只要把方程组的最下面的一个方程求解出来，在把求得的解带入倒数第二个方程，求出第二个解，依次往上回代求解。然而，现实中大多数线性方程组都不是上面所说的上三角方程组，所以我们有可以把不是上三角的方程通过一定的算法化成上三角方程组，由此我们可以很方便地求出方程组的解。高斯消元法的目的就是把一般线性方程组简化成上三角方程组。于是高斯消元法的基本思想是：通过逐次消元将所给的线性方程

“线性方程组高斯消去法”实验报告(内含matlab程序)

实验一实验报告一、实验名称：线性方程组高斯消去法。二、实验目的：进一步熟悉理解Guass 消元法解法思路，提高matlab 编程能力。三、实验要求：已知线性方程矩阵，利用软件求解线性方程组的解。四、实验原理：消元过程：设0)0(11≠a ，令乘数)0(11 )0(11/a a m i i -=，做（消去第i 个方程组的i x ）操作1i m ×第1个方程+第i 个方程（i=2，3，.....n ）则第i 个方程变为1)1(2)1(2...i n in i b x a x a =++ 这样消去第2，3，。。。，n 个方程的变元i x 后。原线性方程组变为： ???? ?????=++=++=++)1()1(2)1(2)1(2)1(22)1(22)0(1)0(11)0(11... . . ... ...n n nn n n n n n b x a x a b x a x a b x a x a 这样就完成了第1步消元。回代过程：在最后的一方程中解出n x ，得：)1()1(/--=n nn n n n a b x

再将n x 的值代入倒数第二个方程，解出1-n x ，依次往上反推，即可求出方程组的解：其通项为3,...1-n 2,-n k /)()1(1)1()1(=-=-+=--∑k kk n k j j k kj k k k a x a b x 五、实验内容： A=[1 1 1;0 4 -1;2 -2 1];%?μêy???ó b=[6 5 1]'%3￡êy?? num=length(b) for k=1:num-1 for i=k+1:num if A(k,k)~=0 l=A(i,k)/A(k,k); A(i,:)=A(i,:)-A(k,:).*l; b(i)=b(i)-b(k)*l; end end end A b %??′ú?óx x(num)=b(num)/A(num,num); for i=num-1:-1:1 sum=0; for j=i+1:num sum=sum+A(i,j)*x(j); end x(i)=(b(i)-sum)/A(i,i); end x 六、实验结果：

LU分解高斯消元列主元高斯消元matlab代码

数学实验作业一、矩阵LU分解： function [L,U,p]=lutx(A) [n,n]=size(A); p=(1:n)'; for k=1:n-1 [r,m]=max(abs(A(k:n,k))); m=m+k-1; if (A(m,k)~=0) if (m~=k) A([k m],:)=A([m k],:); p([k m])=p([m k]); end i=k+1:n; A(i,k)=A(i,k)/A(k,k); j=k+1:n; A(i,j)=A(i,j)-A(i,k)*A(k,j); end end L=tril(A,-1)+eye(n,n) U=triu(A) p end 高斯消元法求解方程： n=3; a=[1 2 3 ;4 5 6 ;7 8 9 ]; b=[17 18 19]; l=eye(n); y=1; for i=1:(n-1) for j=1:(n-i) if a(j+(i-1)*n+y)~=0 l(j+(i-1)*n+y)=a(j+(i-1)*n+y)/a(j+(i-1)*n+y-j) for k=1:(n-i+1) a(j+(i-1)*n+y+(k-1)*n)=a(j+(i-1)*n+y+(k-1)*n)-a(j+(i-1)*n+y+(k-1)*n-j)*l(j+(i-1)*n+y) end b(j+y-1)=b(j+y-1)-b(y)*l(j+(i-1)*n+y); end end y=y+1;

end sum=0; for j=1:n sum=sum+x(j)+a(k,j); end sum=0; for j=1:n x(j)=0; end for k=n:-1:1 for j=1:n sum=sum+x(j)*a(k,j) end x(k)=(b(k)-sum)/a(k,k) sum=0; end 列主元高斯消元法代码： n=3; a=[1 2 3 ;4 5 6 ;7 8 9 ]; b=[17 18 19]; l=eye(n); p=eye(n); ma=0 for i=1:(n-1) for j=i:n if a(j,i)>ma; ma=a(j,i) end end for k=i:n if a(k,i)==ma m=k; end end for j=1:n a1=a(m,j); a(m,j)=a(i,j);