数值分析实验三 线性方程组数值解法

最新推荐文章于 2024-01-07 02:09:48 发布
最新推荐文章于 2024-01-07 02:09:48 发布
阅读量3k 收藏 46
点赞数 2
文章标签： 线性代数 矩阵 算法 数学 c++
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/d33332/article/details/122113913
版权

一、目的与要求：

1、熟悉求解线性方程组的有关理论和方法；

2、会编制列主元消去法、LU 分解法、雅可比及高斯—塞德尔迭代法德程序；

3、通过实际计算，进一步了解各种方法的优缺点，选择合适的数值方法。

二、实验内容

1、列主元高斯消去法

  • 算法

将方程用增广矩阵表示

1.消元过程

对k=1,2,…,n-1

①选主元，找使得

②如果，则矩阵A奇异，程序结束；否则执行③。

③如果，则交换第k行与第行对应元素位置， 

    j=k,┅,n+1 

④消元，对i=k+1, ┅,n计算

对j=l+1, ┅,n+1计算

 2.回代过程

  • 程序与实例

 

  • 程序代码
#include<stdio.h>
double A[10][10];
double B[10];
double X[10]; 
int n;
void swap_row(int a, int b)
{
	double t;
	int i;
	for (i = 1; i <= n; i++)
	{
		t = A[a][i];
		A[a][i] = A[b][i];
		A[b][i] = t;
	}
	t = B[a];
	B[a] = B[b];
	B[b] = t;
}
int find_rowmax(int k, int n){
	int rowmax = k;
	double max = 0;
	int i;
	for (i = k; i <= n; i++)
	{
		if (max < fabs(A[i][k]))
		{
			max = fabs(A[i][k]); 
			rowmax = i;
		}
	}
	if (rowmax != k) 
		swap_row(rowmax, k);
	if (max == 0)
	{
		return 1;
	}
	else return 0;
}
void print_matrix(int k)
{
	int i;
	int j;
	printf("\n step %d\n",k);
	printf("Augmented matrix: \n");
	for (i = 1; i <= n; i++)
	{
		for (j = 1; j <= n; j++)
		{
			printf("%f", A[i][j]);
			printf(" ");
		}
		printf("%lf", B[i]);
		printf("\n");
	}
}
int main()
{

	int i,j,k,l,m;
	double t;
	clrscr();
	printf("Please enter the order of the coefficient matrix:");
	scanf("%d", &n);
	printf("Please enter augmented matrix: \n");
	for (i = 1; i <= n; i++)
	{
		for (j = 1; j <= n; j++)
		{
			
			scanf("%lf", &t);
			A[i][j] = t;
		}
		scanf("%lf", &t);
		B[i] = t;
	}
	for (k = 1; k < n; k++)
	{
		
		int flag = find_rowmax(k, n);
		if (flag == 1)
		{
			return 0;
		};
		
		for (l = k + 1; l <= n; l++)
		{
			double q = A[l][k] / A[k][k];
			for (m = k; m <= n; m++)
			{
				A[l][m] -= q * A[k][m];
			}
			B[l] -= q * B[k];
		}
		print_matrix(k);
	}
	
	for (i = n; i >= 1; i--)
	{
		for (j = n; j > i; j--)
		{
			B[i] -= A[i][j] * X[j];
		}
		X[i] = B[i] / A[i][i];
	}
	printf("result:");
	for (i = 1; i <= n; i++)
	{
		
		printf("\nx[%d] = %lf", i,X[i]);
		printf(" ");
	}
	getch();
}
  • 实验结果

 

 

 2、矩阵直接三角分解法

  • 算法

将方程组Ax=b 中的A分解为A=LU，其中L为单位下三角矩阵，U为上三角矩阵，则方程组Ax=b化为解2个方程组Ly=b，Ux=y，具体算法如下：

①对j=1,2,3,…,n计算

对i=2,3,…,n计算 

②对k=1,2,3,…,n:

a. 对j=k,k+1,…,n计算

b. 对i=k+1,k+2,…,n计算

③，对k=2,3,…,n计算 

 

④,对k=n-1,n-2,…,2,1计算

  

注：由于计算u的公式于计算y的公式形式上一样，故可直接对增广矩阵

施行算法②，③，此时U的第n+1列元素即为y。

  • 程序与实例

  • 程序代码
#include <stdio.h>
#include <stdlib.h>
double a[20][20],x[20];

int main()
{
    float aaa,*bbb=&aaa;
    int n;
    int i, j, k,r;
    double* x;
    clrscr();
    printf("Please enter the order of the coefficient matrix:");
    scanf("%d", &n);
    if (n > 20)
    {
        return 1;
    }
    if (n <= 0)
    {
        return 1;
    }
    printf("\nPlease enter augmented matrix: \n");
    for (i = 0; i < n; i++) {
        for (j = 0; j < n+1; j++)
        {
            scanf("%lf", &a[i][j]);
        }
    }
    x = (float*)malloc(n * sizeof(float));
    for (r = 0; r <= n - 1; r++)
    {
        for (i = r; i <= n; i++)
        for (k = 0; k <= r - 1; k++)
        a[r][i] -= a[r][k] * a[k][i];
        for (i = r + 1; i <= n - 1; i++)
        {
	for (k = 0; k <= r - 1; k++)
		a[i][r] -= a[i][k] * a[k][r];
	a[i][r] /= a[r][r];
        }
    }
    for (i = n - 1; i >= 0; i--)
    {
        for (r = n - 1; r >= i + 1; r--)
	a[i][n] -= a[i][r] * x[r];
        x[i] = a[i][n] / a[i][i];
    }
    printf("result:\n");
    for (i = 0; i < n; i++) {
        printf("x[%d] = %.3f\n", i+1, x[i]);
    }
    
    printf("Matrix L:\n");
    for (i = 0; i < n; i++)
    {
        printf("[");
        for (j = 0; j <=i ; j++)
        {
            printf("%.1f ",a[i][j]);
        }
        for (j = i+1; j < n; j++)
        {
            printf("0.0 ");
        }
        printf("]\n");
    }
    printf("Matirx U:\n");
    for (i = 0; i < n; i++)
    {
        printf("[");
        for (j = 0; j <= i; j++)
        {
            printf("0.0 ");
        }
        for (j = i+1; j < n; j++)
        {
            printf("%.1f ", a[i][j]);
        }
        printf("]\n");
    }
    getch();
    return 0;
}

 

 

3、迭代法

3.1 雅可比迭代法

  • 算法

设方程组Ax=b系数矩阵的对角线元素,M为迭代次数容许的最大值,ε为容许误差。 

①取初始向量，令k=0。

②对i=1,2,…,n 计算

 

③如果，则输出，结束；否则执行④。  

④如果k≥M,则不收敛，终止程序；否则,转②。

  • 程序与实例

 

  • 程序代码
#include <stdio.h>
#include <stdlib.h>
#include <math.h>
#define MaxSize 20
double A[MaxSize][MaxSize];
double B[MaxSize];
double D[MaxSize][MaxSize];
double E[MaxSize][MaxSize];
double F[MaxSize];
double X[MaxSize];
double X1[MaxSize];
float e; 
int n;
int epoch; 

void InitMatrix()
{
    int i, j;
    for (i = 0; i < n; i++)
        for (j = 0; j < n; j++)
        {
            if (i == j)
            {
                D[i][j] = 1 / A[i][i]; 
                E[i][j] = 0;
            }
            if (i < j)
                E[i][j] = A[i][j];  
            if (i > j)
                E[i][j] = A[i][j];
        }

}

void Jacobi()
{
    int i, j, k, r;
    double sum1, sum2 = 0;
    for (i = 0; i < n; i++)
        for (j = 0; j < n; j++)
        {
            sum1 = 0;
            for (k = 0; k < n; k++)
            {
                sum1 = sum1 + D[i][k] * E[k][j];
            }
            E[i][j] = -sum1;
        }
    for (i = 0; i < n; i++)
    {
        sum2 = 0;
        for (k = 0; k < n; k++)
        {
            sum2 = sum2 + D[i][k] * B[k];
        }
        F[i] = sum2;
    }
    for (r = 1; r < epoch; r++)
    {
        int flag = 0;
        double sum3;
        for (i = 0; i < n; i++)
            X1[i] = X[i];
        for (i = 0; i < n; i++)
        {
            sum3 = 0;
            for (k = 0; k < n; k++)
            {
                sum3 = sum3 + E[i][k] * X1[k];
            }
            X[i] = F[i] + sum3;
        }
        for (j = 0; j < n; j++)
            if (fabs(X[j] - X1[j]) < e)
                flag++;
        if (flag == n)
        {
            printf("\nThe %d iteration time satisfies the accuracy!\n", r);
            break;
        }
        printf("\n[epoch = %d] \n", r);
        for (i = 0; i < n; i++)
            printf("X[%d] = %lf\n", i, X[i]);
    }

}



void input()
{
    int i, j;
    printf("Please enter coefficient matrix A:\n");
    for (i = 0; i < n; i++)
        for (j = 0; j < n; j++)
            scanf("%lf", &A[i][j]);
    printf("Please enter vector b:\n");
    for (i = 0; i < n; i++)
        scanf("%lf", &B[i]);
    printf("Please enter the initial vector X:\n");
    for (i = 0; i < n; i++)
        scanf("%lf", &X[i]);
    printf("Please enter the allowable error E:\n");
    scanf("%f", &e);
    printf("Please enter the number of iterations Epoch:\n");
    scanf("%d", &epoch);
}

void print()
{
    int i;
    printf("\n\nApproximate solutions of equations:\n");
    for (i = 0; i < n; i++)
        printf("%lf\n", X[i]);
}



int main()
{
    
    clrscr();
    printf("Please enter the order of the coefficient matrix: \n");
    scanf("%d", &n);
    printf("\n");
    input();
    InitMatrix();
    Jacobi();
    print();
    getch();
    return 0;
}

 

 

 

3.2 高斯-塞尔德迭代法

  • 算法

 

设方程组Ax=b的系数矩阵的对角线元素,,M为迭代次数容许的最大值,ε为容许误差

①取初始向量,令k=0。  

②对i=1,2,…,n计算

 

③如果，则输出,结束；否则执行④。

④如果则不收敛，终止程序；否则,转②。

  • 程序与实例

 

 

  •  程序代码 
    #include <stdio.h>
#include <stdlib.h>
#include <math.h>
#define MaxSize 20
double A[MaxSize][MaxSize];
double B[MaxSize];
double D[MaxSize][MaxSize];
double E[MaxSize][MaxSize];
double F[MaxSize];
double X[MaxSize];
double X1[MaxSize];
float e; 
int n;
int epoch; 

void InitMatrix()
{
    int i, j;
    for (i = 0; i < n; i++)
        for (j = 0; j < n; j++)
        {
            if (i == j)
            {
                D[i][j] = 1 / A[i][i]; 
                E[i][j] = 0;
            }
            if (i < j)
                E[i][j] = A[i][j];  
            if (i > j)
                E[i][j] = A[i][j];
        }

}

void GauseSeidel()
{
    int i, j, k, r;
    double sum1, sum2 = 0;
    for (i = 0; i < n; i++)
        for (j = 0; j < n; j++)
        {
            sum1 = 0;
            for (k = 0; k < n; k++)
            {
                sum1 = sum1 + D[i][k] * E[k][j];
            }
            E[i][j] = -sum1;
        }
    for (i = 0; i < n; i++)
    {
        sum2 = 0;
        for (k = 0; k < n; k++)
        {
            sum2 = sum2 + D[i][k] * B[k];
        }
        F[i] = sum2;
    }
    for (r = 1; r < epoch; r++)
    {
        int flag = 0;
        double sum3;
        for (i = 0; i < n; i++)
            X1[i] = X[i];
        for (i = 0; i < n; i++)
        {
            sum3 = 0;
           for (k = 0; k < n; k++)
            {
                if (k < i) {
                    sum3 = sum3 + E[i][k] * X[k];
                }
                else{
                    sum3 = sum3 + E[i][k] * X1[k];
                }
	X[i] = F[i]+sum3;
            }
        }
        for (j = 0; j < n; j++)
            if (fabs(X[j] - X1[j]) < e)
                flag++;
            
        if (flag == n)
        {
            printf("\nThe %d iteration time satisfies the accuracy!\n", r);
            break;
        }
        printf("\n[epoch = %d] \n", r);
        for (i = 0; i < n; i++)
            printf("X[%d] = %lf\n", i, X[i]);
    }

}



void input()
{
    int i, j;
    printf("Please enter coefficient matrix A:\n");
    for (i = 0; i < n; i++)
        for (j = 0; j < n; j++)
            scanf("%lf", &A[i][j]);
    printf("Please enter vector b:\n");
    for (i = 0; i < n; i++)
        scanf("%lf", &B[i]);
    printf("Please enter the initial vector X:\n");
    for (i = 0; i < n; i++)
        scanf("%lf", &X[i]);
    printf("Please enter the allowable error E:\n");
    scanf("%f", &e);
    printf("Please enter the number of iterations Epoch:\n");
    scanf("%d", &epoch);
}

void print()
{
    int i;
    printf("\n\nApproximate solutions of equations:\n");
    for (i = 0; i < n; i++)
        printf("%lf\n", X[i]);
}



int main()
{
    
    clrscr();
    printf("Please enter the order of the coefficient matrix: \n");
    scanf("%d", &n);
    printf("\n");
    input();
    InitMatrix();
    GauseSeidel();
    print();
    getch();
    return 0;
}

 

 

 

 

 

 

 

 

 

 

三、分析思考

本次实验实现了在C语言下用列主元消去法，直接三角分解法和迭代法求解线性方程组。在不计浮点数位数带来的舍入误差的情况下，列主元消去法和直接三角分解法均能够求得精确解，但是迭代法则需要给定误差限来确定核算终止迭代。

 

Ace2NoU
关注
  • 2
    点赞
  • 踩
  • 46
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
数值计算_病态线性方程组的求解.rar_matlab 数值分析_数值分析 MATLAB_病态方程_病态方程求解_线性方程组
07-15
这是数值分析的一些作业实验，文件中有详细的文档对理论，实验和算法的说明，用于病态方程组求解的源代码
线性方程组的数值解法实验
12-29
线性方程组的数值解法实验线性方程组的数值解法实验
线性方程组6种数值解法的对比研究
热门推荐
海上机械师
10-30 1万+
线性方程组 6 种数值解法的对比研究 Gauss消去法、LU分解法、Jacobi迭代法、Gauss-Seidel迭代法、超松弛(SOR)迭代法及共轭迭代法的源程序； 通过实际计算，进一步了解各种方法的优缺点，选择合适的数值方法。 分别对比直接法与迭代法，分析各类算法的计算复杂度和收敛特性。
数值分析实验1 方程求根
qq_52704581的博客
01-07 546
数值分析实验 matlab
解线性方程组.（三种方法）
07-11
用matlab实现了求解线性方程组的三种方法，分别是雅克比迭代法，高斯-赛德尔迭代法，超松弛迭代法。程序没有注释，希望懂得原理之后再看。
数值分析实验四 线性方程组数值解法
努力学习的小菜同学
01-02 1568
一、实验目的 1、熟悉求解线性方程组的有关理论和方法； 2、会编制LU 分解法、雅可比及高斯—塞德尔迭代法德程序； 3、通过实际计算，进一步了解各种方法的优缺点，选择合适的数值方法。 二、算法描述 3.1 矩阵直接三角分解法 算法 将方程组Ax=b 中的A分解为A=LU，其中L为单位下三角矩阵，U为上三角矩阵，则方程组Ax=b化为解2个方程组Ly=b，Ux=y，具体算法如下： 3.2 迭代法 3.2.1 雅可比迭代法 算法:设方程组Ax=b系数矩阵的对角线元素,M为迭代次数容许的最大值,ε为容许误差。
线性方程组数值求解实验报告.docx
01-14
数值分析 计算方法 数学建模 实验报告 matlab程序
数值分析实验报告， 解线性方程组的直接方法
03-09
解线性方程组的直接方法，数值分析实验报告， 解线性方程组的迭代法
武汉理工大学-数值分析-(3)线性代数方程组的数值解法
01-06
1.用 高斯(Gauss)消元法 求n阶线性方程组的解。 2.用 列主元高斯(Gauss)消元法 求n阶线性方程组的解。 3.用 列主元LU直接分解法 求n阶线性方程组的解。 4.用 Jacobi迭代法 求n阶线性方程组的解。 5.用 Gauss-Seidel...
实验解线性方程组的基本迭代法实验.pdf
04-01
总结来说，这个实验旨在通过实践加深对线性方程组基本迭代解法的理解，包括其理论基础、编程实现以及实际应用中的收敛性和效率分析。通过这样的实验，学生能够提升数值计算技能，并对迭代方法的优缺点有直观认识。
数值计算实验六线性方程组的数值解法
06-24
线性方程组的数值解法可以分为直接法和迭代法两类。所谓直接法，就是经过有限步算术运算可求得方程组精确解的方法（不考虑舍入误差）；而迭代法就是用某种极限过程去逐步逼近其精确解的方法。
线性方程组求解的数值实验报告
01-05
线性方程组求解的数值实验报告 用Gauss消元法把上述方程组的系数矩阵化为上三角矩阵的过程称为消元过程，消元过程中元素的计算公式为： 这样就有了等价的上三角形方程组，如果最后一个方程的系数 ，则可以解出 ，然后进行回代就可以求出方程的解 。其中回代过程的计算公式可以归纳为： 基本做法是把上述方程组通过列主元Gauss消元转化为一个等价的三角形方程组，然后再进行回代就可以求出方程组的解。列主元消元的基本做法是选取系数矩阵的每一列中绝对值最大的作为主元，然后采取和顺序Gauss消元法相同的步骤进行 ，求得方程组的解。
数值分析探索性实验一 线性代数方程组求解
qq_53266951的博客
12-16 580
通过实验理解列选主元 LU 分解，理解线性方程组的雅可比迭代法和高斯-赛德尔迭代法的算法思想，学会做收敛性分析，掌握两个迭代法 Matlab 程序的编写和使用。
数值计算方法实验三
小wal的博客
07-05 1693
1.用变步长梯形法求下列积分,使精确度达到10-4。 要求： (1) 精度ε和区间端点a，b的信息从键盘终端输入； (2) 打印输出每一步的计算结果。 源代码： #include<iostream> #include<cmath> using namespace std; int main(){ double x,a,s,b,e,h,T1,T2; cout...
线性方程组的数值求解方法：基本概念与实践
最新发布
禅与计算机程序设计艺术
01-07 959
1.背景介绍 线性方程组是数学中最基本的问题，也是最常见的问题之一。在实际应用中，线性方程组的解决方法有很多，包括直接求解、迭代求解、求逆求解等。这篇文章将从线性方程组的数值求解方法的基本概念和实践入手，逐一介绍各种求解方法的原理和具体操作步骤，并通过代码实例进行详细解释。 2.核心概念与联系 线性方程组是由多个线性方程组成的，通常表示为： $$ \begin{cases} a1x1 + ...
数值分析——线性方程组求解
唯欣主义的博客
05-10 1389
数值分析——线性方程组求解缘起题目1 (未完，待续) 缘起 清理磁盘的时候偶然发现大二下数值分析的实验作业还在，本着在丢弃之前可以放在网上以备不时之需的原则，我便发了上来。 题目1 分别用直接法、Jacobi迭代法、Gauss-Seidel迭代法求解下列线性方程组AX = b，其中A为五对角矩阵(n=20)，b是除第一个分量是1外，其他分量都是0的列向量。 （1） 直接法：观察到该题是形式特殊的五对角矩阵，利用matlab内置的用于产生稀疏矩阵的spdiags函数可以很容易生成系数矩阵A， A的产生代码如
解线性方程组c语言实验报告,实验五线性方程组的迭代法实验
weixin_42127775的博客
05-19 1749
《计算方法》实验报告学 院： 信息学院专 业： 计算机科学与技术指导教师： 郭卫斌班级学号： 10101438 计102姓 名： 闻翰计算机科学与工程系实验五 线性方程组的迭代法实验一. 实验目的(1)深入理解线性方程组的迭代法的设计思想，学会利用系数矩阵的性质以保证迭代过程的收敛性，以及解决某些实际的线性方程组求解问题。 (2)熟悉Matlab编程环境，利用Matlab解决具体的方程求根问题。二...
数值分析(3)-线性方程组直接解法
易火九天的博客
05-13 1843
文章目录3 线性方程组直接解法3.1 Gauss（高斯）消去法3.1.1 顺序高斯消去法3.1.2 列主元高斯消去法3.2 矩阵三角分解法3.2.1 高斯消去法的矩阵运算3.3.2 直接三角分解法3.3.3 平方根法3.3.4 追赶法 3 线性方程组直接解法 在初高中学习过了二元、多元方程组的基础解法，但是都是依赖我们手工变换方程组，然后进行大量计算，求解出各个未知量。这里要学习的是，多元方程组的...
数值分析方法学习（1）
ZMMK369的博客
06-01 596
数值分析方法学习（1）
线性方程组数值解法实验要求和目的
06-08
线性方程组数值解法实验的主要目的是让学生通过实验掌握线性方程组求解的基本方法和原理，以及了解不同方法的优缺点，加深对数值计算的理解和应用。 具体实验要求如下： 1. 实验内容：选取一组线性方程组，通过...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Ace2NoU

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值