工程和科学计算的许多基本方程都是建立在守恒定律的基础之上的，比如质量守恒等，在数学上，可以建立起形如 [A]{x}={b} 的平衡方程。其中{x}表示各个分量在平衡时的取值，它们表示系统的状态或响应；右端向量{b}由无关系统性态的常数组成通常表示为外部激励。矩阵A则表示为由系统各部分相互作用或耦合关系的参数组成的系数矩阵。在工程上则意味着[相互作用][响应]=[激励]。

对于单个方程，可以采用前面介绍的一些求根法加以求解，然而事实上还有一些关系式是彼此相互耦合的，比如复杂电路的基尔霍夫定律。这就需要将这些关系式表示为一个线性代数方程组。下面就此问题介绍MATLAB求解线性代数方程组的一些方法，重点介绍高斯消元法。

一、取逆和“左除”

取逆

左除

二、克莱姆法则

代码实现：

问题求解：

三、高斯消元法

原理：

代码实现：

问题求解：

四、三对角方程组的求解

代码实现:

问题求解：

一、取逆和“左除”

对于形如 A*x=b的线性代数方程组，MATLAB提供了两种直接求解的方法：取逆和“左除”。

取逆

MATLAB的矩阵取逆函数为inv(A)

故 x=inv(A)*b

左除

x=A\b

二、克莱姆法则

学习过线性代数的同学应该对克莱姆法则并不陌生，这里不再赘述，只是讲一下在MATLAB中的实现：

问题：求解

$0.3x_{1}+0.52x_{2}+ x_{3}=-0.01$

$0.5x_{1}+ x_{2}+1.9x_{3}= 0.67$

$0.1x_{1}+ 0.3x_{2}+0.5x_{3}=-0.44$

代码实现：

A=[0.3 0.52 1;0.5 1 1.9;0.1 0.3 0.5];
b=[-0.01 0.67 -0.44]';
D=det(A);
A(:,1)=b;
x(1)=det(A)/D;
A=[0.3 0.52 1;0.5 1 1.9;0.1 0.3 0.5];
A(:,2)=b;
x(2)=det(A)/D;
A=[0.3 0.52 1;0.5 1 1.9;0.1 0.3 0.5];
A(:,3)=b;
x(3)=det(A)/D;
x

问题求解：

>> Clem
x =-14.9000  -29.5000   19.8000

三、高斯消元法

对于小型方程，使用克莱姆法则还是很方便的，但工程上往往面对的是庞大的方程组问题，这个时候仅仅用克莱姆法则是万万不够的。

高斯消元法尽管是求解联立方程组最古老的方法之一，但直到今天依然是实际应用中最为重要的方法之一。

原理：

一般方程组(A*x=b)：

$a_{11}x_{1}+a_{12}x_{2}+a_{13}x_{3}+\cdot \cdot \cdot +a_{1n}x_{n}=b_{1}$

$a_{21}x_{1}+a_{22}x_{2}+a_{23}x_{3}+\cdot \cdot \cdot +a_{2n}x_{n}=b_{2}$

$\cdot$

$a_{n1}x_{1}+a_{n2}x_{2}+a_{n3}x_{3}+\cdot \cdot \cdot +a_{nn}x_{n}=b_{n}$

步骤：向前消元-->向后回代

向前消元：第一阶段是将A矩阵消为一个上三角矩阵。方法是将第一个方程左右同时乘以 $\frac{a_{21}}{a_{11}}$

然后用第二个方程去减它这样就消掉了 $a_{21}$ .

类似的，反复这样进行，就可以将原方程组变换为新的“上三角方程组”。

向后回代：第二个阶段是利用“上三角方程组”解出x。

首先解出 $x_{n}$ 然后将其带入倒数第二个方程，求解 $x_{n-1}$ ,以此类推。

这样就成功的解出了x。

然而，不知道大家发没发现，如果在执行向前消元时遇到 $a_{11}$ =0,或者 $a_{11}$ 很小很小，这样就遇到了一个问题——“除数不可以为0”，这就需要每一次执行的时候选出最大的数作为“主元”，将主元作为新的“除数”。

称之前的高斯法叫朴素的高斯消元法，后者为选主元的高斯消元法。

代码实现：

function x = GaussPivot(A,b)
%%建立高斯消元法的实现代码
%求解方程A*x=b
%步骤：
%（1）向前消元；
%（2）向后回代。
%%输入：
%A=系数矩阵
%b=右向量
%%输出：
%x=方程的解向量[m,n]=size(A);
if m~=n,error("系数矩阵须为方阵");end
nb=n+1;
Aug=[A b];
%向前消元
for k=1:n-1%选主元(max函数可以传回最大值和最大值索引)[big,i] = max(abs(Aug(k:n,k)));ipr = i+k-1;if ipr~=kAug([k,ipr],:) = Aug([ipr,k],:);%交换：将绝对值大的数作主元endfor i=k+1:nfactor = Aug(i,k)/Aug(k,k);Aug(i,k:nb) = Aug(i,k:nb)-factor*Aug(k,k:nb);end
end
%向后回代
x = zeros(n,1);%创建解向量
x(n)=Aug(n,nb)/Aug(n,n);%先求出最后一个值
for i=n-1:-1:1x(i)=(Aug(i,nb)-Aug(i,i+1:n)*x(i+1:n))/Aug(i,i);
end
end

问题求解：

问题：

$0.3x_{1}+0.52x_{2}+ x_{3}=-0.01$

$0.5x_{1}+ x_{2}+1.9x_{3}= 0.67$

$0.1x_{1}+ 0.3x_{2}+0.5x_{3}=-0.44$

%%高斯消元法
A=[0.3 0.52 1;0.5 1 1.9;0.1 0.3 0.5];
b=[-0.01 0.67 -0.44]';
x = GaussPivot(A,b)

结果：

>> GaussPivot_test
x =-14.9000-29.500019.8000

四、三对角方程组的求解

工程上经常遇到形如如下的方程组：

求解步骤依然是向前消元-->向后回代，只不由于A的稀疏性，再使用高斯消元法就太消耗时间了，书中专门为其设计了代码

代码实现:

function x = Tridiag(e,f,g,r)
%求解三对角方程组
%   由于三对角方程的系数矩阵稀疏，运算量与n成正比，而不是高斯消元的n^3
%%输入：
%e =下对角线
%f = 主对角线
%g =上对角线
%r = 右向量
%%输出：
%x=方程的解向量
n=length(f);
for k=2:nfactor=e(k)/f(k-1);f(k)=f(k)-factor*g(k-1);r(k)=r(k)-factor*r(k-1);
end
x(n)=r(n)/f(n);
for k= n-1:-1:1x(k)=(r(k)-g(k)*x(k+1))/f(k);
end

问题求解：

就上述问题进行求解

e=[0,-1,-1,-1];
f=[2.04,2.04,2.04,2.04];
g=[-1,-1,-1,0];
r=[40.8,0.8,0.8,200.8];
x = Tridiag(e,f,g,r)

>> Tridiag_test
x =65.9698   93.7785  124.5382  159.4795

声明：文章来源于笔者学习【美】Steven C. CHapra所著，林赐译《工程于科学数值方法的MATLAB实现》（第4版）的笔记，如有谬误或想深入了解，请翻阅原书。

MATLAB数值分析学习笔记：线性代数方程组的求解和高斯消元法相关推荐

MATLAB数值分析学习笔记：多项式拟合
在很多情况下,我们需要估计精确值之间的可能取值,常用的方法是多项式插值法.多项式插值法的原理是n个数据点可以确定n-1次多项式:例如三点确定一条抛物线. 工程上常用的多项式插值的方法有两种:牛顿插值法 ...
第2-2课：线性代数方程组的求解
多元一次方程组,又称为线性代数方程组.在数值分析领域里有很多算法都会用到线性代数方程组的求解,比如三次样条曲线拟合时用到的插值算法.求解线性代数方程组可以用高斯消元法,高斯消元法是一种代数的方法,其主 ...
【数值分析学习笔记】——1、数值分析中的误差
1.1截断误差与舍入误差误差类型固有误差模型误差测量误差计算误差截断误差舍入误差数值分析中主要讨论的是计算误差,包括截断误差与舍入误差. (1)舍入误差:由于数字计算机不能准确地表示 ...
用matlab求解线性代数方程组,线性代数方程组数值解法与MATLAB实现综述
线性代数方程组数值解法及MATLAB 实现综述廖淑芳 20122090 数计学院 12计算机科学与技术1班(职教本科) 一.分析课题随着科学技术的发展,提出了大量复杂的数值计算问题,在建立电子计算 ...
高等数值计算方法学习笔记第6章【解线性代数方程组的迭代方法（高维稀疏矩阵）】
高等数值计算方法学习笔记第6章[解线性代数方程组的迭代方法(高维稀疏矩阵)] 一.引言 1.例题(说明迭代法的收敛性研究的重要性) 2.定义(迭代法,迭代法收敛)&解误差二.基本迭代法 1. ...
matlab求解非线性常微分方程组,Matlab数值求解非线性常微分方程 - 仿真模拟 - 小木虫 - 学术科研互动社区...
我最近也在用牛顿迭代解一个非线性方程组 Newton迭代有程序我拷给你你编写Newton迭代法的M文件NewtonIterate.如下: function s=NewtonIterate(x,ep ...
龙格库塔法解微分方程组的matlab程序,MATLAB实例源码教程：龙格库塔法求解微分方程组源代码实例.doc...
MATLAB实例源码教程:龙格库塔法求解微分方程组源代码实例.doc MATLAB实例源码教程龙格库塔法求解微分方程组源代码实例题目用经典 Runge-Kutta方法求下列一阶微分方程组的近似解y1 ...
工程数学（数值分析）第三讲：求解线性代数方程组
文章目录第三讲:求解线性代数方程组克拉默法则高斯消元法列选主元高斯消元法三角分解Dolittle 范数&方程性态谱半径雅可比迭代法高斯赛德尔迭代法第三讲:求解线性代数方程组 ...
线性代数方程组数值解法
线性代数方程组的数值解法线性代数方程组数值解法一.向量范数与矩阵范数 1.1 向量范数 1.1.1 满足三个条件(向量范数公理) 1.1.2 常用的向量范数 1.2 矩阵范数 1.2.1 矩阵范数 ...

MATLAB数值分析学习笔记：线性代数方程组的求解和高斯消元法

一、取逆和“左除”

取逆

左除

二、克莱姆法则

代码实现：

问题求解：

三、高斯消元法

原理：

代码实现：

问题求解：

四、三对角方程组的求解

代码实现:

问题求解：

MATLAB数值分析学习笔记：线性代数方程组的求解和高斯消元法相关推荐

最新文章

热门文章