解线性方程组的直接法

最新推荐文章于 2024-04-22 16:00:16 发布
最新推荐文章于 2024-04-22 16:00:16 发布
阅读量79 收藏
点赞数
分类专栏： 杂货铺 文章标签： 矩阵 线性代数 算法
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/dasdkhaksd/article/details/127446767
版权

目录

1 高斯消去法

!i特指行标，j特指列标，k特指第k次消元
DO k = 1,n-1
    IF(ABS(A(k,k)) <= eps) THEN
        STOP "该方程无法用高斯消去法求解！"
    END IF
    !消去过程
    DO i = k+1,n
        A(i,k) = A(i,k) / A(k,k) !A(i,k)理论上是0但是不会用它，所以可以把它当作临时变量
        DO j = k+1,n
            A(i,j) = A(i,j) - A(i,k) * A(k,j)
        END DO
        b(i) = b(i) - A(i,k) * b(k)
    END DO
END DO
!回代过程
x(n) = b(n) / A(n,n)
DO k = n-1,1,-1
    sum = b(k)
    DO j = k+1,n
        sum = sum - a(k,j) * x(j)
    END DO
    x(k) = sum / A(k,k)
END DO

2 列主元高斯消去法

DO k = 1,n-1
    !选主元素
    max = A(k,k) !假设最大元素在第k行k列
    max_i = k !假设最大元素在第k行
    DO i = k+1,n
        IF(ABS(A(i,k)) > ABS(max)) THEN
            max = A(i,k)
            max_i = i
        END IF
    END DO
    !交换方程位置
    IF(max == A(k,k)) GOTO 100 !此时不用交换
    DO j = k,n
        temp = A(k,j)
        A(k,j) = A(max_i,j)
        A(max_i,j) = temp
    END DO
    temp = b(k)
    b(k) = b(max_i)
    b(max_i) = temp
    !消去过程
100 DO i = k+1,n
        A(i,k) = A(i,k) / A(k,k) !A(i,k)理论上是0但是不会用它，所以可以把它当作临时变量
        DO j = k+1,n
            A(i,j) = A(i,j) - A(i,k) * A(k,j)
        END DO
        b(i) = b(i) - A(i,k) * b(k)
    END DO
END DO
!回代过程
x(n) = b(n) / A(n,n)
DO k = n-1,1,-1
    sum = b(k)
    DO j = k+1,n
        sum = sum - a(k,j) * x(j)
    END DO
    x(k) = sum / A(k,k)
END DO

3 矩阵LU分解法

A x = [ a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋱ ⋮ a n 1 a n 2 ⋯ a n n ] [ x 1 x 2 ⋮ x n ] = L U x = [ 1 l 21 1 ⋮ ⋮ ⋱ l n 1 l n 2 l n , n − 1 1 ] [ u 11 u 12 ⋯ u 1 n u 22 ⋯ u 2 n ⋱ ⋮ u n n ] [ x 1 x 2 ⋮ x n ] = b = [ b 1 b 2 ⋮ b n ] Ax= \begin{bmatrix}a_{11}&a_{12}&\cdots&a_{1n}\\a_{21}&a_{22}&\cdots&a_{2n}\\\vdots&\vdots&\ddots&\vdots\\a_{n1}&a_{n2}&\cdots&a_{nn}\\\end{bmatrix} \begin{bmatrix}x_{1}\\x_{2}\\\vdots\\x_{n}\\\end{bmatrix} =LUx= \begin{bmatrix}1&&&\\l_{21}&1&&\\\vdots&\vdots&\ddots&\\l_{n1}&l_{n2}&l_{n,n-1}&1\\\end{bmatrix} \begin{bmatrix}u_{11}&u_{12}&\cdots&u_{1n}\\&u_{22}&\cdots&u_{2n}\\&&\ddots&\vdots\\&&&u_{nn}\\\end{bmatrix} \begin{bmatrix}x_{1}\\x_{2}\\\vdots\\x_{n}\\\end{bmatrix} =b= \begin{bmatrix}b_{1}\\b_{2}\\\vdots\\b_{n}\\\end{bmatrix} Ax= ​a11​a21​⋮an1​​a12​a22​⋮an2​​⋯⋯⋱⋯​a1n​a2n​⋮ann​​ ​ ​x1​x2​⋮xn​​ ​=LUx= ​1l21​⋮ln1​​1⋮ln2​​⋱ln,n−1​​1​ ​ ​u11​​u12​u22​​⋯⋯⋱​u1n​u2n​⋮unn​​ ​ ​x1​x2​⋮xn​​ ​=b= ​b1​b2​⋮bn​​ ​

!矩阵的LU分解，即A=LU
DO j = 1,n
    U(1,j) = A(1,j)
END DO
DO i = 2,n
    L(i,1) = A(i,1) / U(1,1)
END DO
DO i = 2,n-1
    sum = A(i,i)
    DO k = 1,i-1
        sum = sum - L(i,k) * U(k,i)
    END DO
    U(i,i) = sum
    DO j = i+1,n
        sum = A(i,j)
        DO k = 1,i-1
            sum = sum - L(i,k) * U(k,j)
        END DO
        U(i,j) = sum
        sum = A(j,i)
        DO k = 1,i-1
            sum = sum - L(j,k) * U(k,i)
        END DO
        L(j,i) = sum / U(i,i)
    END DO
END DO
sum = A(n,n)
DO k = 1,n-1
    sum = sum - L(n,k) * U(k,n)
END DO
U(n,n) = sum
!原方程Ax=LUx=b，先解Ly=b，再解Ux=y
y(1) = b(1)
DO i = 2,n
    sum = b(i)
    DO j = 1,i-1
        sum = sum - L(i,j) * y(j)
    END DO
    y(i) = sum
END DO
x(n) = y(n) / U(n,n)
DO i = n-1,1,-1
    sum = y(i)
    DO j = i+1,n
        sum = sum - U(i,j) * x(j)
    END DO
    x(i) = sum / U(i,i)
END DO

4 平方根法

A x = [ a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋱ ⋮ a n 1 a n 2 ⋯ a n n ] [ x 1 x 2 ⋮ x n ] = G G T x = [ g 11 g 21 g 22 ⋮ ⋮ ⋱ g n 1 g n 2 g n , n − 1 g n n ] [ g 11 g 21 ⋯ g n 1 g 22 ⋯ g n 2 ⋱ ⋮ g n n ] [ x 1 x 2 ⋮ x n ] = b = [ b 1 b 2 ⋮ b n ] , ( a i j = a j i , i ≠ j ) Ax= \begin{bmatrix}a_{11}&a_{12}&\cdots&a_{1n}\\a_{21}&a_{22}&\cdots&a_{2n}\\\vdots&\vdots&\ddots&\vdots\\a_{n1}&a_{n2}&\cdots&a_{nn}\\\end{bmatrix} \begin{bmatrix}x_{1}\\x_{2}\\\vdots\\x_{n}\\\end{bmatrix} =GG^{T}x= \begin{bmatrix}g_{11}&&&\\g_{21}&g_{22}&&\\\vdots&\vdots&\ddots&\\g_{n1}&g_{n2}&g_{n,n-1}&g_{nn}\\\end{bmatrix} \begin{bmatrix}g_{11}&g_{21}&\cdots&g_{n1}\\&g_{22}&\cdots&g_{n2}\\&&\ddots&\vdots\\&&&g_{nn}\\\end{bmatrix} \begin{bmatrix}x_{1}\\x_{2}\\\vdots\\x_{n}\\\end{bmatrix} =b= \begin{bmatrix}b_{1}\\b_{2}\\\vdots\\b_{n}\\\end{bmatrix}, (a_{ij}=a_{ji},i \neq j) Ax= ​a11​a21​⋮an1​​a12​a22​⋮an2​​⋯⋯⋱⋯​a1n​a2n​⋮ann​​ ​ ​x1​x2​⋮xn​​ ​=GGTx= ​g11​g21​⋮gn1​​g22​⋮gn2​​⋱gn,n−1​​gnn​​ ​ ​g11​​g21​g22​​⋯⋯⋱​gn1​gn2​⋮gnn​​ ​ ​x1​x2​⋮xn​​ ​=b= ​b1​b2​⋮bn​​ ​,(aij​=aji​,i=j)

!矩阵的GG^T分解，即A=GG^T
G(1,1) = SQRT(A(1,1))
DO i = 2,n
    G(i,1) = A(i,1) / G(1,1)
END DO
DO j = 2,n-1
    sum = A(j,j)
    DO k = 1,j-1
        sum = sum - G(j,k)**2
    END DO
    G(j,j) = SQRT(sum)
    DO i = j+1,n
        sum = A(i,j)
        DO k = 1,j-1
            sum = sum - G(i,k) * G(j,k)
        END DO
        G(i,j) = sum / G(j,j)
    END DO
END DO
sum = A(n,n)
DO k = 1,n-1
    sum = sum - G(n,k)**2
END DO
G(n,n) = SQRT(sum)
!原方程Ax=GG^Tx=b，先解Gy=b，再解G^Tx=y
y(1) = b(1) / G(1,1)
DO i = 2,n
    sum = b(i)
    DO k = 1,i-1
        sum = sum - G(i,k) * y(k)
    END DO
    y(i) = sum / G(i,i)
END DO
x(n) = y(n) / G(n,n)
DO i = n-1,1,-1
    sum = y(i)
    DO k = i+1,n
        sum = sum - G(k,i) * x(k)
    END DO
    x(i) = sum / G(i,i)
END DO

5 改进平方根法

A x = [ a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋱ ⋮ a n 1 a n 2 ⋯ a n n ] [ x 1 x 2 ⋮ x n ] = L D L T x = [ 1 l 21 1 ⋮ ⋮ ⋱ l n 1 l n 2 l n , n − 1 1 ] [ d 1 d 2 ⋱ d n ] [ 1 l 21 ⋯ l n 1 1 ⋯ l n 2 ⋱ ⋮ 1 ] [ x 1 x 2 ⋮ x n ] = b = [ b 1 b 2 ⋮ b n ] , ( a i j = a j i , i ≠ j ) Ax= \begin{bmatrix}a_{11}&a_{12}&\cdots&a_{1n}\\a_{21}&a_{22}&\cdots&a_{2n}\\\vdots&\vdots&\ddots&\vdots\\a_{n1}&a_{n2}&\cdots&a_{nn}\\\end{bmatrix} \begin{bmatrix}x_{1}\\x_{2}\\\vdots\\x_{n}\\\end{bmatrix} =LDL^{T}x= \begin{bmatrix}1&&&\\l_{21}&1&&\\\vdots&\vdots&\ddots&\\l_{n1}&l_{n2}&l_{n,n-1}&1\\\end{bmatrix} \begin{bmatrix}d_{1}&&&\\&d_{2}&&\\&&\ddots&\\&&&d_{n}\\\end{bmatrix} \begin{bmatrix}1&l_{21}&\cdots&l_{n1}\\&1&\cdots&l_{n2}\\&&\ddots&\vdots\\&&&1\\\end{bmatrix} \begin{bmatrix}x_{1}\\x_{2}\\\vdots\\x_{n}\\\end{bmatrix} =b= \begin{bmatrix}b_{1}\\b_{2}\\\vdots\\b_{n}\\\end{bmatrix}, (a_{ij}=a_{ji},i \neq j) Ax= ​a11​a21​⋮an1​​a12​a22​⋮an2​​⋯⋯⋱⋯​a1n​a2n​⋮ann​​ ​ ​x1​x2​⋮xn​​ ​=LDLTx= ​1l21​⋮ln1​​1⋮ln2​​⋱ln,n−1​​1​ ​ ​d1​​d2​​⋱​dn​​ ​ ​1​l21​1​⋯⋯⋱​ln1​ln2​⋮1​ ​ ​x1​x2​⋮xn​​ ​=b= ​b1​b2​⋮bn​​ ​,(aij​=aji​,i=j)

!矩阵的LDL^T分解，即A=LDL^T
DO j = 1,n
    U(1,j) = A(1,j)
END DO
D(1) = U(1,1)
DO j = 2,n
    L(j,1) = U(1,j) / U(1,1)
END DO
DO i = 2,n-1
    sum = A(i,i)
    DO k = 1,i-1
        sum = sum - l(i,k)**2 * D(k)
    END DO
    D(i) = sum
    DO j = i+1,n
        sum = A(j,i)
        DO k = 1,i-1
            sum = sum - L(j,k) * D(k) * L(i,k)
        END DO
        L(j,i) = sum / D(i)
    END DO
END DO
sum = A(n,n)
DO k = 1,n-1
    sum = sum - L(n,k)**2 * D(k)
END DO
D(n) = sum
!原方程Ax=LDL^Tx=b，先解Ly=b，再解Dz=y，最后解L^Tx=z
y(1) = b(1)
DO i = 2,n
    sum = b(i)
    DO k = 1,i-1
        sum = sum - L(i,k) * y(k)
    END DO
    y(i) = sum
END DO
x(n) = y(n) / D(n)
DO i = n-1,1,-1
    sum = y(i) / D(i)
    DO k = i+1,n
        sum = sum - L(k,i) * x(k)
    END DO
    x(i) = sum
END DO

6 追赶法

A x = [ b 1 c 1 a 2 b 2 c 2 ⋱ ⋱ ⋱ a n − 1 b n − 1 c n − 1 a n b n ] [ x 1 x 2 ⋮ x n − 1 x n ] = L U x = [ 1 l 2 1 ⋱ ⋱ l n − 1 1 l n 1 ] [ u 1 c 1 u 2 c 2 ⋱ ⋱ u n − 1 c n − 1 u n ] [ x 1 x 2 ⋮ x n − 1 x n ] = d = [ d 1 d 2 ⋮ d n − 1 d n ] Ax= \begin{bmatrix}b_{1}&c_{1}&&&\\a_{2}&b_{2}&c_{2}&&\\&\ddots&\ddots&\ddots&\\&&a_{n-1}&b_{n-1}&c_{n-1}\\&&&a_{n}&b_{n}\\\end{bmatrix} \begin{bmatrix}x_{1}\\x_{2}\\\vdots\\x_{n-1}\\x_{n}\\\end{bmatrix} =LUx= \begin{bmatrix}1&&&&\\l_{2}&1&&&\\&\ddots&\ddots&&\\&&l_{n-1}&1&\\&&&l_{n}&1\\\end{bmatrix} \begin{bmatrix}u_{1}&c_{1}&&&\\&u_{2}&c_{2}&&\\&&\ddots&\ddots&\\&&&u_{n-1}&c_{n-1}\\&&&&u_{n}\\\end{bmatrix} \begin{bmatrix}x_{1}\\x_{2}\\\vdots\\x_{n-1}\\x_{n}\\\end{bmatrix} =d= \begin{bmatrix}d_{1}\\d_{2}\\\vdots\\d_{n-1}\\d_{n}\\\end{bmatrix} Ax= ​b1​a2​​c1​b2​⋱​c2​⋱an−1​​⋱bn−1​an​​cn−1​bn​​ ​ ​x1​x2​⋮xn−1​xn​​ ​=LUx= ​1l2​​1⋱​⋱ln−1​​1ln​​1​ ​ ​u1​​c1​u2​​c2​⋱​⋱un−1​​cn−1​un​​ ​ ​x1​x2​⋮xn−1​xn​​ ​=d= ​d1​d2​⋮dn−1​dn​​ ​

PROGRAM main
    IMPLICIT NONE
    REAL(KIND = 8),DIMENSION(2:5) :: a = [2,-3,4,-5]
    REAL(KIND = 8),DIMENSION(5) :: b = [1,3,4,7,6]
    REAL(KIND = 8),DIMENSION(4) :: c = [2,1,2,1]
    REAL(KIND = 8),DIMENSION(5) :: d = [5,9,2,19,-4]
    REAL(KIND = 8),DIMENSION(2:5) :: l
    REAL(KIND = 8),DIMENSION(5) :: u
    REAL(KIND = 8),DIMENSION(5) :: x,y
    INTEGER(KIND = 4) :: i,n = 5
    u(1) = b(1)
    y(1) = d(1)
    DO i = 2,n
        l(i) = a(i) / u(i-1)
        u(i) = b(i) - l(i) * c(i-1)
        y(i) = d(i) - l(i) * y(i-1)
    END DO
    x(n) = y(n) / u(n)
    DO i = n-1,1,-1
        x(i) = (y(i) - c(i) * x(i+1)) / u(i)
    END DO
    WRITE(*,"(<n>F5.2)") x
END PROGRAM
wibibaboo
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
c语言消去法解线性方程组,高斯消元法解线性方程组（C++实现）
weixin_29593445的博客
05-24 1236
最近在学数值分析，正好学到求解线性方程组。就自己动手简单实现了一下。关于本算法的原理可以在《数值分析》第5版(李庆扬编)，对应于该书的P145页，详细讲解了公式。因本人时间有限，暂时不详细编辑公式，等空闲了再来重新补充。简要的说明下该算法的应用吧，高斯消元法在线性代数那门课肯定学过了，对于一般简单的3、4阶线性方程组，还可以进行纸上的笔运算，但是当数目过多，算起来就比较吃力了，所以借助于计算机实现...
MATLAB直接法和迭代法求解线性方程组
mamba_kitty的博客
09-05 1万+
用MATLAB来求解线性方程组，主要包括直接法和迭代法两类。直接法：用计算公式直接计算求出线性方程组解的方法。迭代法：用迭代公式通过迭代计算求出满足精度要求的线性方程组近似解的方法。（迭代法是一种逐次逼近线性方程组解的方法）
【计算方法】解线性方程组的直接法
m0_65787507的博客
11-15 1445
本文章主要适用于计算方法代码的实现参考，由于本人是python究极小白，为了实验课速成了一些内容，因此会包含较多的暴力解法orz，如有代码错误、可优化的地方欢迎各位大佬指出，感激不尽。 此外，本人制作本文的目的，主要是懒的将代码保存在本地中，且博客方便个人的复习。
计算方法--解线性方程组的直接法
Elsa的迷弟
03-17 4047
文章目录Gauss 消元法顺序高斯消元法总计算量主元素高斯消元法列主元素高斯消元法高斯-约当（Gauss-Jordan）消去法矩阵三角分解法直接三角分解法（LU分解、Doolittle分解）条件：分解结果计算顺序计算公式 Gauss 消元法 Gauss消元法较为简单，只会简单叙述。 顺序高斯消元法 通过对方程组的增广矩阵进行初等行变换将矩阵变为上三角矩阵。 再通过回代求得原方程组的解。 总计算量 13n3+n2−13n2\frac{1}{3}n^3+n^2-\frac{1}{3}n^231​n3+n2−31
解线性方程组——追赶法解三对角方程组 | 北太天元 or matlab
最新发布
以算法实现为主
04-22 1363
解线性方程组中的 追赶法解三对角方程组 算法、代码、及例子演示，使用软件为北太天元
数值计算实验|解线性方程组的消元法
wsmdbzd的博客
10-21 2024
一、实验目的 本实验主要涉及解线性方程组的直接法中的消元法和列主元消去法。通过上机计算使学生学会程序的录入和Matlab的使用与操作；通过计算结果的比较，使学生了解求线性方程组的精度不但与方法有关，而且与问题的性态有关。 二、实验内容 （1）算法 （2）程序 ●程序代码 function x=shiyan1(A,b) [n,n]=size(A); for k=1:n p(k)=k; end for k=1:n-1 %Ñ¡ÁÐÖ÷Ôª %选列主元 [temp,maxk]=max(abs(A(k:n
c语言crout分解法解线性方程组,crout分解法求解线性方程组解一 - wps.ppt
weixin_35832025的博客
05-24 701
crout分解法求解线性方程组解一 - wps第三章 线性方程组的解 概述 消元法 三角分解法 平方根法 向量与范数 方程组的性态与误差分析 迭代法 3.1 概述 大量实际计算问题＝>一组线性方程组＝>如何求解？ 1. 术语 非齐次线性方程组： 若记： 则： (1.1)式可表示为 Am×nx=b－－－线性方程组的矩阵表示 分类：据方程的个数与未知...
matlab sor解线性方程组,解线性方程组的SOR迭代法及其MATLAB实现.pdf
weixin_42467661的博客
03-17 1537
您所在位置：网站首页 > 海量文档&nbsp>&nbsp计算机&nbsp>&nbspmatlab解线性方程组的SOR迭代法及其MATLAB实现.pdf2页本文档一共被下载：次,您可全文免费在线阅读后下载本文档。 下载提示1.本站不保证该用户上传的文档完整性，不预览、不比对内容而直接下载产生的反悔问题本站不予受理。2....
解线性方程组的方法
热门推荐
Hello World
12-02 4万+
1、解线性方程组的方法大致可以分为两类：直接方法和迭代法。直接方法是指假设计算过程中不产生舍入误差，经过有限次运算可求得方程组的精确解的方法；迭代法是从解的某个近似值出发，通过构造一个无穷序列去逼近精确解的方法。 2、消去法： Gauss（高斯）消去法——是最基本的和最简单的直接方法，它由消元过程和回代过程构成，基本思想是：将方程组逐列逐行消去变量，转化为等价的上三角形方程组（消元过程）；然后按照方程组的相反顺序求解上三角形方程组，得到原方程组的解（回代过程）。 优缺点：简单易行，但是要求主元均不为0，.
java线性方程组求解_java解线性方程组
weixin_27889245的博客
02-12 1521
java解线性方程组 Java 解线性方程组 方法一：高斯消去法 import java.util.Scanner; public class Gauss { /*** @ 列主元高斯消去法*/ static double a[][]; static double b[]; static double x[]; static int n; static int n2; //记录换行的次数publi...
数值分析实验报告， 解线性方程组的直接方法
03-09
在数值分析中，解线性方程组的方法主要包括直接法和迭代法。本实验报告重点探讨了直接方法，即Gauss顺序消去法、Gauss列主元消去法以及追赶法，以解决不同类型线性方程组。 一、线性方程组的直接解法 1. Gauss顺序...
jiefangcheng.zip_直接法解线性方程组_迭代法解线性方程组
09-21
直接法通常适用于小型或结构简单的线性方程组，而迭代法则适用于大型且计算量大的系统。 直接法主要包括高斯消元法和列主元法。高斯消元法是通过行变换将系数矩阵转化为上三角形或对角形矩阵，然后通过回代求解未知...
解线性方程组的迭代法.zip
05-02
迭代法通过一系列近似解逐步逼近线性方程组的真实解，具有计算量小、易于编程实现的优点。 迭代法主要包括以下几种类型： 1. **雅可比迭代法**：雅可比迭代法适用于系数矩阵是对角占优的情况，即对于矩阵A中的每个...
解线性方程组的直接法matlab实现
01-21
MATLAB提供了多种直接法来解线性方程组，包括高斯消元法、LU分解、QR分解等。最常用的是`mldivide`（也称为“后除”运算符 `\`) 和 ` inv()` 函数。 1. `mldivide`：MATLAB的`\`运算符是最简单且高效的解法，它会...
墙角导热问题数值解
Aiden Lee's blog
11-30 3478
墙角导热问题数值解(1) 物理问题(2) 用热平衡法建立节点代数方程(2.1) 内节点(2.2) 外部平直边界节点(2.3) 外部角点(2.4) 内部角点(3) 高斯-赛德尔(Gauss-Seidel)迭代法(4) 显化节点方程(4.1) 等温边界条件(4.2) 对流边界条件(5) 导热量换热面积选取(6) FORTRAN迭代(6.1) 等温边界条件(6.2) 对流边界条件(7) MATLAB数据可视化 (1) 物理问题 已知一个建筑物墙角如图所示，其中墙体为二维、稳态、无内热源、常物性导热。现在要求用数
平板边界层内的流速分布实验
Aiden Lee's blog
03-19 2422
目录(1) 代码(2) 运行结果 (1) 代码 clc;clear; Rg = 287; %气体常数（J/(kg·K)）。 g = 9.8; %重力加速度（m/s^2）。 waterDensity = 1000; %水的密度（kg/m^3）。 %对已知实验参数的输入。 atmosphericPressure = input('请输入大气压：(Pa)'); temperature = input('请输入温度：(℃)'); KVC = input('请输入流体运动粘性系数：(10^-7m^2/s)');
对流换热实验
Aiden Lee's blog
03-19 1537
目录(1) 空气横掠单管强制对流换热实验(1.1) 代码(1.2) 运行结果(2) 水平管外自然对流换热实验(2.1) 代码(2.2) 运行结果 (1) 空气横掠单管强制对流换热实验 (1.1) 代码 clc;clear; d = 3.73e-3; l = 99.6e-3; tw = [40.57 42.41 44.27 46.48 49.72]; tf = [21.12 21.59 21.77 21.77 21.99]; deltaP = [213.5 180.3 144.0 108.5 74.4]; U
压力表校验及压力变送器标定实验
Aiden Lee's blog
04-02 1476
目录(1) 代码(2) 运行结果 (1) 代码 %压力表数据处理 clc;clear; %大气压(MPa) p0 = 0.096; %活塞式压力机标准压力值(MPa) pStd_Upstroke = [0 3 6 9 12]; pStd_Downstroke = [9 6 3 0]; %压力表第一组读数(MPa) p1_Upstroke = [0.0 3.2 6.2 9.2 12.2]; p1_Downstroke = [9.2 6.2 3.2 0.0]; %压力表第二组读数(MPa) p2_Upstrok
请举出一个具体的线性方程组进行求解，并对解线性方程组直接法与迭代法的比较分析
04-23
解这个线性方程组时，我们可以采用直接法或迭代法。 直接法包括高斯消元法和LU分解法，其中高斯消元法是较为常用的一种。高斯消元法的基本思想是将原方程组化为上三角矩阵，再通过回代求解得到解。高斯消元法的优点...

“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
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