线性方程组解的判定
消元法解线性方程组的一般步骤：
）的增广矩阵.
（一）设,将的第
()再加到第行上(),使化成如下形式对这个矩阵的第二行到第行
其中
注意到增广矩阵去掉最后一列就是系数矩阵，此时系数矩阵也经过同样初等行变换化为阶增广矩阵的秩与系数矩阵的秩.以下分析与之间
其中
化为“”形式的方程是多余的方程，去掉它们不影响方程组的解
中,,中的第个方程“”是矛盾
中,
当时，方程组（
因为，则满足：
的最后一个方程中解出,再回代到第个方程求出.
则可求出未知量.
当时
则可求出含有个未知量的表
任给个未知量的一组值就可定出的值如果取,其中为任意常数
. 个未知量可称为自由未知量
线性方程组有解的判别定理
非齐次线性方程组同解的讨论 摘要 本文主要讨论两个非齐次线性方程组有相同解的条件，即如何判定这两个非齐次线性方程组有相同的解. 关键词 非齐次线性方程组 同解 陪集 零空间 引言 无论是解齐次线性方程组，还是解非齐次线性方程组.所用的方法都是消元法，即对其系数矩阵或增广矩阵施以行的初等变换，而得到比较简单的同解方程组.用矩阵理论来说，就是系数矩阵或增广矩阵左乘以可逆矩阵后所得线性方程组与原线性方程组据有相同的解.这仅为问题的一面，而问题的反面是，如果两个非齐次线性方程组同解，则它们的系数矩阵或增广矩阵之间是否存在一个可逆矩阵？答案是肯定的，此即是本文主要解决的问题。 下面是一个非齐次线性方程组，我们用矩阵的形式写出 11121121222212n n m m mn m a x a x a x b a x a x a x b a x a x a x b +++=??+++=????+++=? 令 A= 111212122212n n m m mn a a a a a a a a a ???????????? ，b= 12m b b b ???????????? 。 即非齐次线性方程组可写成Ax b =。 一 、线性方程组同解的性质 引理 1 如果非齐次线性方程组Ax b =与Bx d =同解，则矩阵[]A b 与[]B d 的秩相等. 证明 设非齐次线性方程组Ax b =的导出组的基础解系为111,,,r ξξξ ，其中1 r 为矩阵[]A b 的秩，再设非齐次线性方程组Bx=d 的导出组的基础解系为 2 12,,,r ηηη ，其中2r 为矩阵[]B d 的秩，如果*η是非齐次线性方程组Ax=b 与Bx=d 特解，由于这两个方程组同解，所以向量组1*11,,,,r ξξξη 与向量组2*12,,,,r ηηηη 等价。从而这两个线性无关的向量组所含的向量个数相等，于是有12,r r =则矩阵[]A b 与[]B d 的秩相等. 引理[1]2 设A 、B 为m n ?矩阵，则齐次线性方程组0Ax =与0Bx =同解的充
线性方程组解的判定
1 / 3 第四节 线性方程组解的判定 从本节开始,讨论含有n 个未知量、m 个方程的线性方程组的解. 11112211211222221122n n n n m m mn n m a x a x a x b a x a x a x b a x a x a x b +++=??+++=????+++= ? (13—2） 主要问题是要判断出方程组（13-2）何时有解？何时无解?有解时解有多少?如何求出方程组的解。 线性方程组有没有解，以及有怎样的解，完全决定于方程组的系数和常数项。因此，将线性方程组写成矩阵形式或向量形式，以矩阵或向量作为讨论线性方程组的工具,将带来极大的方便。 方程组（13-2)中各未知量的系数组成的矩阵111212122212n n m m mn a a a a a a A a a a ??????=?????? 称为方程组（13-2）的系数矩阵.由各系数与常数项组成的矩阵，称为增广矩阵，记作A ，即 11121121 222212n n m m mn m a a a b a a a b A a a a b ??????=?????? 方程组(13-2)中的未知量组成一个n 行、1列的矩阵（或列向量）,记作X ；常数项组成一个m 行、1列 的矩阵（或列向量），记作b ，即12n x x X x ??????=??????,12m b b b b ??????=?????? 由矩阵运算,方程组（13—2)实际上是如下关系111212122212 n n m m mn a a a a a a a a a ????????????12n x x x ????????????=12m b b b ???????????? 即 AX=b
线性方程组数值解法
. 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
线性方程组解的情况及其判别准则
摘要：近年来，线性代数在自然科学和工程技术中的应用日益广泛，而线性方程组求解问题是线性代数的基本研究内容之一，同时它也是贯穿线性代数知识的主线。本文探究了线性方程组一般理论的发展，用向量空间和矩阵原理分析了线性方程组解的情况及其判别准则。介绍了线性方程组理论在解决解析几何问题中的作用，举例说明了线性方程组解的结构理论在判断空间几何图形间位置关系时的便利之处。 关键字:线性方程组；解空间；基础解系；矩阵的秩 Abstract:In recent years, linear algebra in science and engineering application, and wide linear equations solving problems is the basic content of linear algebra, at the same time, it is one of the main knowledge of linear algebra.This article has researched the development of system of linear equations theory,discussed the general theory of linear equations, vector space with the development and matrix theory to analyze the linear equations and the criterion of the situation. Introduces the theory of linear equations in solving the problem of analytic geometry, illustrates the role of linear equations of structure theory in judgment space relation between the geometry of the convenience of position. space geometric figure between time the position relations with theory of the system of linear equation with examples. Key words: linear equations, The solution space, Basic solution, Matrix rank
解线性方程组基思想
解线性方程组基思想
————————————————————————————————作者：————————————————————————————————日期：
四：基本方法 基本思路将在解题的过程中得到体现。 1．（求线性方程组的唯一解或特解），这类问题的求法分为两类：一类主要用于解低阶稠 密矩阵——直接法；一类是解大型稀疏矩阵——迭代法。 1.1利用矩阵除法求线性方程组的特解（或一个解） 方程：AX=b，解法：X=A\b，(注意此处’\’不是’/’) 例1-1 求方程组的解。 解: A = ; = ；b=(1,0,0,0,1)’ 由于>>rank(A)=5,rank( )=5 %求秩，此为R（A）=R（）>=n的情形，有唯一解。 >>X= A\b %求解X =(2.2662, -1.7218, 1.0571,-0.5940, 0.3188)’ 或用函数rref 求解，>>sv=rref(A:b);所得sv的最后一列即为所要求的解。 1．2 利用矩阵的LU、QR和cholesky分解求方程组的解 这三种分解，在求解大型方程组时很有用。其优点是运算速度快、可以节省磁盘空间、节省内存。 I) LU分解又称Gauss消去分解，可把任意方阵分解为下三角矩阵的基本变换形式（行交换）和上三角矩阵的乘积。即A=LU，L为下三角阵，U为上三角阵。 则：A*X=b 变成L*U*X=b 所以X=U\(L\b) 这样可以大大提高运算速度。命令[L，U]=lu (A) 在matlab中可以编如下通用m 文件： 在Matlab中建立M文件如下 % exp1.m A;b; [L，U]=lu (A); X=U\(L\b) II）Cholesky分解 若A为对称正定矩阵，则Cholesky分解可将矩阵A分解成上三角矩阵和其转置的乘积，即：其中R为上三角阵。 方程A*X=b 变成所以 在Matlab中建立M文件如下 % exp2.m A;b; [R’，R]=chol(A); X=R\(R’\b) III）QR分解 对于任何长方矩阵A，都可以进行QR分解，其中Q为正交矩阵，R为上三角矩阵的初等变换形 式，即：A=QR 方程A*X=b 变形成QRX=b 所以X=R\(Q\b)
线性方程组解的判定
第四节 线性方程组解的判定 从本节开始，讨论含有n 个未知量、m 个方程的线性方程组的解。 11112211211222 22 11 22n n n n m m mn n m a x a x a x b a x a x a x b a x a x a x b +++=??+ ++= ????+++=? （13—2） 主要问题是要判断出方程组（13-2）何时有解？何时无解？有解时解有多少？如何求出方程组的解。 线性方程组有没有解，以及有怎样的解，完全决定于方程组的系数和常数项。因此，将线性方程组写成矩阵形式或向量形式，以矩阵或向量作为讨论线性方程组的工具，将带来极大的方便。 方程组（13-2）中各未知量的系数组成的矩阵11121212221 2 n n m m mn a a a a a a A a a a ? ?? ? ? ?=?? ?? ? ? 称为方程组（13-2）的系数矩阵。由各系数与常数项组成的矩阵，称为增广矩阵，记作A ，即 11121121 222212 n n m m mn m a a a b a a a b A a a a b ?? ????=??? ??? 方程组（13-2）中的未知量组成一个n 行、1列的矩阵（或列向量），记作X;常数项组成一个m 行、1 列的矩阵(或列向量），记作b ，即12n x x X x ??????=?????? ,12 m b b b b ?? ????=?????? 由矩阵运算，方程组(13-2)实际上是如下关系111212122212 n n m m mn a a a a a a a a a ? ?? ? ? ? ?? ?? ? ? 12n x x x ???????????? =12m b b b ???????????? 即 AX=b
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
线性方程组的数值解法
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
线性方程组的公共解
线性方程组的公共解 问题：如何求解线性方程组的公共解？ 线性方程组是高代学习的一个重点内容，它的一般形式为 ???????=+++=+++=+++bs asnxn x as x as b nxn a x a x a b nxn a x a x a ...2211... ,22...222121,11...212111 而线性方程组的求解也是这部分学习的重点和难点。其中求解线性方程组的公共解也是高等代数学习所必须掌握的一个知识点。 例1、证明：对于n 元齐次线性方程组（Ⅰ）AX=0与（Ⅱ）BX=0，有非零公共解的充要条件是r(B A ) ???=-=+0 42031x x x x 又已知某齐次线性方程组（Ⅱ）的通解为 k1(0,1,1,0)’+k2(-1,2,2,1)’ 问（Ⅰ）与（Ⅱ）是否有非零公共解？若有，则求出所有公共解，若没有，则说明理由。（出自2005年中科院） 解：方法一：将（Ⅱ）的通解代入方程组（Ⅰ）得 ???=+=+0 21021k k k k 解得k1=-k2,故方程组（Ⅰ）与（Ⅱ）有非零公共解，所有非零公共解为k （1,1,1,1）’，k ≠0为任意常数 方法二：令方程组（Ⅰ）与（Ⅱ）的通解相同，即 k1（0,1,1，0）’+k2(-1,2,2,1)’=k3(-1,0,1,0)’+k4(0,1,0,1)’ 得到关于k1,k2,k3,k4的一个方程组 ???????=-=-+=-+=-0 420 422103221032k k k k k k k k k k 可求其通解为（k1,k2,k3,k4)’=k(-1,1,1,1)’ 将k1=-1,k2=k 代入（Ⅰ）的通解可得所有非零公共解为k （1,1,1,1）’，k ≠0为任意常数 方法三：方程组（Ⅱ）可以是 ? ??=+=+-041032x x x x 解（Ⅰ）与（Ⅱ）的联立方程组可得所有非零公共解为k （1,1,1,1）’，k ≠0为任意常数 韩梦雪 20132113429 本章介绍了线性方程组有解的充要条件和求解的方法；为了在理论上深入的研究与此有关的问题，本章还引入了向量和向量空间的基本概念，介绍了向量的线性运算，讨论向量间的线性关系，向量的内积等有关概念和性质，并在此基础上，研究线性方程组解的性质和解的结构等问题。 一、一、线性方程组 1、Cramer法则 教材p64，定理2.1 2、线性方程组有解的判别定理 教材p72，定理2.3 3、线性方程组的消元解法 步骤：（1）对线性方程组的增广矩阵施以初等行变换，将其化为阶梯型矩阵 （2）如果系数矩阵的秩与增广矩阵的秩不相等，表明方程组无解； 如果相等，则表明有解，继续对阶梯型矩阵进行初等行变换，求出 方程的解。【详见p68】 初等行变换： （1）（1）交换两方程的位置； （2）（2）用一个非零数乘某一方程； （3）（3）把一方程的若干倍加到另一方程去 4、消元法与Cramer法则的异同：在条件的限制上，Cramer法则仅适用于 方程数与未知数相等并且系数行列式不为零的情况，而消元法对此没有限制。即便是满足Cramer法则的要求，用消元法可以区分方程组无解还是有无穷多解，而Cremer法则却不能区分 二、二、向量及向量间的线性关系 （一）向量的定义 1、向量、行向量、列向量【教材p77，定义2.1】 2、零向量【教材p78,定义2.2】 3、向量的相等【教材p78,定义2.3】 4、向量的加法、减法【教材p78,定义2.3】 5、数乘向量【教材p78,定义2.5】 6、n维向量空间【教材p78,定义2.6】 7、n维向量空间的子空间【教材p78,定义2.7】 （二）向量间的线性关系 1、线性组合 （1）一个向量可表为一个向量组的线性组合，或称此向量可由此向量组线性表出【教材p80,定义2.8 （2）一个向量可表为一向量组的线性组合的充要条件：由它们做系数及常数项组成的线性方程组有解【教材p81】 （3）几个结论 a、n维零向量是任一n维向量组的线性组合 b、任一n维向量可由n 维基本单位向量组线性表示 c、向量组中的任一向量可由此向量组线性表示 2、向量组的线性相关与线性无关 （1）向量组的线性相关与线性无关的定义【教材p82:定义2.9,2.10】 (2)几个充要条件 Ⅰ向量组线性相关的充要条件由它们做系数组成的齐次线性方程组有非零解【教材p83】 Ⅱ向量组线性无关的充要条件由它们做系数组成的齐次线性方程组仅有零解【教材p83】 Ⅲ一个向量组线性相关的充要条件是由它们做系数组成的齐次线性方程组的系数行列式等于零【教材p83】 Ⅳ一个向量组线性无关的充要条件是由它们做系数组成的齐次线性方程组的系数行列式不等于零【教材p83】： Ⅴ一个向量组线性相关的充要条件是此向量组中至少有一个向量可以表为其余向量的线性组合【教材p85：定理2.6】 Ⅵ一个向量组线性无关的充要条件是此向量组中每一个向量都不能表为其余向量的线性组合【教材p86：定理2.6 的推论】 Ⅶ若一向量可由一向量组线性表出，则表示法唯一的充要条件是此向量组线性无关 三、向量组 非齐次线性方程组同解的判定和同解类 摘要 本文主要讨论两个非齐次线性方程组同解的条件及当两个非齐次线性方程组的导出组的解空间相同时解集之间的关系。 关键词 非齐次线性方程组 同解 陪集 引言 无论是解齐次线性方程组，还是解非齐次线性方程组.所用的方法都是消元法，即对其系数矩阵或增广矩阵施以行的初等变换，而得到比较简单的同解方程组.用矩阵理论来说，就是系数矩阵或增广矩阵左乘以可逆矩阵后所得线性方程组与原线性方程组据有相同的解.这仅为问题的一面，而问题的反面是，如果两个非齐次线性方程组同解，则它们的系数矩阵或增广矩阵之间是否存在一个可逆矩阵？答案是肯定的，此即是本文主要解决的问题. 预备知识 定理1设,A B 是向量组C 两个线性无关的极大组，则存在可逆矩阵P ,使得 B PA =。 定理2设A 、B 为m n ?矩阵，且秩A =秩B ，如果存在矩阵C ,使得 CA B = 则存在m m ?可逆矩阵P ，使得 PA B = 证明 设秩A =秩B =r ，则存在可逆矩阵1P 与Q 使 011A P A A ??=????, 01B QB B ??=???? 其中0A ，0B 分别为秩数等于r 的r n ?矩阵，由于B CA =，则B 的行可由A 的行线性表出，从而B 的行可由0A 的行线性表出，进而0B 的行可由0A 的行线性表出， 于是矩阵00A B ?? ???? 的行向量组的极大线性无关组为0A 的各行，因为0B 的各行线性无 关且秩0B r =，所以0B 的各行亦构成一个线性无关组，则存在可逆矩阵r P 使得 00r B P A = 又设 110A C A =，12020r B C B C P A == 令 221 0r r n r P P C P C I -?? =? ?-?? 则1P 为可逆矩阵，且 ***学院数学分析课程论文 线性方程组解的判定与解的结构 院系数学与统计学院 专业数学与应用数学（师范） 姓名******* 年级 2009级 学号200906034*** 指导教师 ** 2011年6月 线性方程组解的判定与解的结构 姓名****** （重庆三峡学院数学与计算机科学学院09级数本？班） 摘 要：线性方程组是否有解，用系数矩阵和增广矩阵的秩来刻画．在方程组有解且有 多个解的情况下，解的结构就是了解解与解之间的关系． 关键词：矩阵； 秩； 线性方程组； 解 引言 通过系数矩阵和增广矩阵的秩是否相同来给出判定线性方程组的解的判别条件．在了解了线性方程组的判别条件之后，我们进一步讨论解的结构．对于齐次线性方程组，解的线性组合还是方程组的解．在线性方程组有无穷个解时可用有限多个解表示出来．另外以下还涉及到线性方程组通解的表达方式． 1 基本性质 下面我们分析一个线性方程组的问题，导出线性方程组有解的判别条件． 对于线性方程组 1111221121122222 1122n n n n s s sn n s a x a x a x b a x a x a x b a x a x a x b ++???+=??++???+=???????++???+=? (1) 引入向量 112111s αααα??????=?????????，122222s αααα??????=?????????，…12n n n sn αααα??????=????????? ，12s b b b β?? ?? ??=??????? ?? 方程（1）可以表示为 1122n n x x x αααβ++???+= 性质 线性方程组⑴有解的充分必要条件为向量β可以表成向量组α1,α2,…，αn 的线性组合. 定理1 线性方程组⑴有解的充分必要条件为它的系数矩阵 第四节 线性方程组解的判定 从本节开始,讨论含有n 个未知量、m 个方程的线性方程组的解。 11112211211222221122n n n n m m mn n m a x a x a x b a x a x a x b a x a x a x b +++=??+++=????+++= ? (1３—2) 主要问题就是要判断出方程组(１3－２)何时有解?何时无解?有解时解有多少?如何求出方程组的解。 线性方程组有没有解,以及有怎样的解,完全决定于方程组的系数与常数项。因此,将线性方程组写成矩阵形式或向量形式,以矩阵或向量作为讨论线性方程组的工具,将带来极大的方便。 方程组(13-2)中各未知量的系数组成的矩阵111212122212n n m m mn a a a a a a A a a a ??????=?????? 称为方程组(1３－2)的系数矩阵。由各系数与常数项组成的矩阵,称为增广矩阵,记作A ,即 11121121 222212n n m m mn m a a a b a a a b A a a a b ??????=?????? 方程组(１3-2)中的未知量组成一个n 行、1列的矩阵(或列向量),记作Ｘ;常数项组成一个m 行、１列 的矩阵(或列向量),记作ｂ,即12n x x X x ??????=??????,12m b b b b ??????=?????? 由矩阵运算,方程组(13-2)实际上就是如下关系111212122212 n n m m mn a a a a a a a a a ????????????12n x x x ????????????=12m b b b ???????????? 即 AX ＝ｂ 线性方程组的数值解法及其应用 一、问题描述 现实中的问题大多数是连续的，例如工程中求解结构受力后的变形，空气动力学中计算机翼周围的流场，气象预报中计算大气的流动。这些现象大多是用若干个微分方程描述。用数值方法求解微分方程（组），不论是差分方法还是有限元方法，通常都是通过对微分方程（连续的问题，未知数的维数是无限的）进行离散，得到线性方程组（离散问题，因为未知数的维数是有限的）。因此线性方程组的求解在科学与工程中的应用非常广泛。 经典的求解线性方程组的方法一般分为两类：直接法和迭代法。 二、基本要求 1）掌握用MATLAB软件求线性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）了解用高斯赛德尔列主元消去法和雅可比迭代法解线性方程组。 三、测试数据 1） 直接法：A=[0.002 52.88;4.573 -7.290]; b=[52.90;38.44]; 2） 迭代法：A=[10 -1 -2;-1 10 -2;-1 -1 5]; b=[7.2;8.3;4.2]; 四、算法程序及结果 1） function[RA,RB,n,x]=liezy1(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.') return 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 [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 § 4 线性方程组 设 是由m 个方程组成的 n 元线性方程组，它的系数矩阵、未知数列向量和常数列向量分别是 A = X = β = 于是线性方程组（ 4-1 ）可改为 AX= β。记： = = 称为 (4-1) 的增广矩阵。 如果β=0 ，那么，式 (4-1) 表示一个齐次线性方程组；否则 (4-1) 表示一个非齐次线性方程组。 定理4.1 如果线性方程组 AX= β有两个不同的解，那么它一定有无穷多解。 线性方程组（ 4-1 ）的解只有三种可能：无解，唯一解，无穷多解。 下面介绍解线性方程组的一个规范方法 --- 高斯消去法，它是加减消元法和代入消元法的推广和规范化。 定义4.1 设是两个由m 个方程组成的 n 元线性方程组，如果的解都是的解, 的解 都是的解，即线性方程组有相同的解，那么称它们为同解方程组，或称这两个方程组同解。 定理4.2 如果线性方程组的增广矩阵A= 经过有 限次行初等变换变成矩阵，作为增广矩阵对应于线性方程组 那么，线性方程组是同解方程组。 用高斯消去法解线性方程组 4-1 ，实际上就是对增广矩阵进行矩 阵的行初等变换，先把变为阶梯形矩阵，再继续施行行初等变换，使其变为简化阶梯形矩阵。前者就是消元过程，后者就是回代过程。 定理4.3 设线性方程组 4-1 的增广矩阵 A 经过行初等变换变为阶梯形矩阵 4-4 。 1 当d ≠ 0 时，线性方程组 4-1 无解； 2 当d ＝0 且r ＝n 时，线性方程组 4-1 只有唯一解； 3 当d ＝0 且r ＜n 时，线性方程组 4-1 有无穷多 解。 (4-4) 对于齐次线性方程组 （4-5） 由于总是它的一个解（通常称为零解），所以齐次线性方程组的解总是存在的。问题是它会不会有非零解，从而有无穷多解。 推论4.4 如果齐次线性方程组（ 4-5 ）的系数矩阵 A 的阶梯形中 对线性方程组条件数的讨论 [摘要] 本文主要研究了线性方程组的病态问题，讨论衡量线性方程组病态问题的一个量—条件数，条件数对解的影响及条件数对数值算法中停机条件的影响；以Hilbert矩阵为例进行验证和讨论。 [关键字] 病态问题条件数范数奇异值分解 1.前言 在许多工程物理与力学问题中经常碰到的病态线性方程组[2]的求解问题，病态线性方程组在不同情形下需要不同的解法，才能得到更好的效果，当病态线性方程组较小型时，使用传统的数值算法求解会减轻求解过程中的计算量及避免浪费资源．但当遇到大型病态线性方程组时，因为其条件数太大，此算法的收敛性很差，若继续使用传统的数值算法求解，而很难得到满意的结果．诸如此类的问题,均可从数学上归结为病态问题。 2.病态问题 对某数学问题本身，如果输入数据有微小扰动（即误差），引起输出数据（即问题的解）的很大扰动，称此数学问题为病态问题[1]。这是数学问题本身的性质决定的，与算法无关。例如： 即有0.01的扰动，对结果产生232.67倍的误差。这里并没涉及具体的算法，是问题本身的性质造成的。实际上1.5接近，而在附近，是一个病态问题。 算法的稳定性 如果误差增长并不是数学问题本身引起，而是算法选择不当所致。则称此算法稳定性不好。例如： 选择用差商近似代替微商，取步长，用四位有效数字作近似计算 ， 结果明显很差。这里并不是因为取得不够小的原因，如，将只能得到，结果更差。这是因为用相近数相减，损失了大量有效数位的原故。 3. 条件数 线性代数计算中,如求线性方程组的解，计算得到的解（计算解）通常是近似的。其原因一是系数矩阵和右端项往往由观测或计算得到，因而产生（数据）误差；另一个是求解计算过程出现舍入误差。下面来研究方程组的数据（或）的 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 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+++=+++=+++=??????? （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 +++=+++=+++=??????? （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 212222111211，X = ????????????n x x x 21， B = ????? ???????n b b b 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 计算方法实验 题目： 班级： 学号： 姓名： 目录 计算方法实验 (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 (4) 3.1主程序部分 (4) 3.2多项式方程部分 (4) 3.3核心算法部分 (8) 3.4数据结构部分 (12) 4运行结果 (14) 4.1列主元高斯消去法运行结果 (14) 4.2LU三角分解法运行结果 (15) 4.3雅克比迭代法运行结果 (16) 边界情况调试 (17) 5总结 (18) 输入输出 (18) 列主元高斯消元法 (18) 雅克比迭代法 (18) 6参考资料 (18) 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 项式方程方法的理解 2.观察上述三种方法的计算稳定性和求解精度并比较各种方法利弊 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 淮海工学院实验报告书 课程名称：数学实验 实验名称：线性方程组的数值解法与非线性方程求解班级数学091 姓名：耿萍学号：090911107 日期：2012.4.27 地点数学实验室 指导教师：曹卫平成绩： 数理科学系 1.实验目的： （1）掌握线性方程组的常用数值解法，包括高斯消去法、LU分解法以及校正法。 （2）体验数值计算的时间复杂度和计算规模的关系。 （3）加深对数值计算误差的理解。 （4）学习使用迭代法等算法，求解非线性方程。 （5）学习如何使用MATLAB解非线性方程组和方程组。 2.实验内容：、 （1）输电网络：一种大型输电网络可简化为图所示电路，其中R1,R2,…,Rn表示负载电阻，r1，r2,…,rn表示线路内阻，I1,I2,…,In表示负载上的电流，设电源电压为V。 1)列出求各负载电流I1,I2,…,In的方程； 2）设R1=R2=…=Rn=R，r1=r2=…=rn=r,在r=1，R=6,V=18，n=10的情况求I1,I2,…,In及总电流I0。 （2）种群的的繁殖与稳定收获：种群的数量因素因繁殖而增加，因自然死亡而减少，对于人工饲养的种群（比如家畜）而言，为了保证稳定的收获，各个年龄的种群数量应维持不变。种群因雌性个体的繁殖而改变，为方便起见一下种群数量均指其中的雌性。种群年龄记作bk（每个雌性个体一年繁殖的数量），自然存活率记作sk（=1-dk，dk为一年的死亡率），收获量记作hk，则来年年龄k的种群数量xk应为x1=cigmabkxk，xk+1=skxk-hk （k=1,2,3，…，n-1）。要求各个年龄的种群数量每年维持不变就 姓名： 学号： 班级： 线性方程组的数值解法 实习目的 （1）通过实习进一步掌握高斯消去法、列主元高斯消去法、柯朗分解法、追赶法以及雅克比迭代法和高斯-赛德尔迭代法的基本思想； （2）通过实习进一步掌握高斯消去法、列主元高斯消去法、柯朗分解法、追赶法以及雅克比迭代法和高斯-赛德尔迭代法的计算步骤，并能灵活应用； （3）通过对高斯消去法、列主元高斯消去法、柯朗分解法、追赶法以及雅克比迭代法和高斯-赛德尔迭代法的调试练习，进一步体会各种算法的特点； （4）通过对上机调试运行，组不培养解决实际问题的编程能力。 实习要求 （1）熟悉Turbo C的编译环境； （2）实习前复习高斯消去法、列主元高斯消去法、直接三角分解法、雅克比迭代法、高斯-赛德尔迭代法以及追赶法的基本思想和过程； （3）实习前复习高斯消去法、列主元高斯消去法、直接三角分解法、雅克比迭代法、高斯-赛德尔迭代法以及追赶法的计算步骤。 实习设备 （1）硬件设备：单机或网络环境下的微型计算机一台； （2）软件设备：DOS 3.3以上操作系统，Turbo C 2.0编译器。 实习内容 实习一高斯消去法 （1）用高斯消去法求解线性方程组： （2）要求： ①将线性方程组写成用矩阵表示的形式，即Ax=b的形式。 ②输出系数矩阵的原始元素和经高斯消去法消去后的矩阵元素。 ③经高斯消去法消去后的矩阵是一个什么形式的矩阵？ ④请写出程序的运行结果。 #include 本章介绍了线性方程组有解的充要条件和求解的方法
非齐次线性方程组同解的判定和同解类
线性方程组解的判定与解的结构
线性方程组解的判定
线性方程组的数值解法及其应用
线性方程组有解的判别定理
对线性方程组条件数的讨论
数值分析讲义——线性方程组的解法
高斯消元法解线性方程组
线性方程组数值解法
线性方程组的数值解法与非线性方程求解
计算方法 实验 线性方程组的数值解法