【数值分析】LU分解解Ax=b,matlab自己编程实现

LU分解(直接三角分解,Doolittle分解)

A x = b    ,    A = L U Ax=b \,\,,\,\, A=LU Ax=b,A=LU
{ L y = b U x = y \begin{cases} Ly=b \\ Ux=y \end{cases} {Ly=bUx=y
矩阵 L {L} L 的对角元素为 1 {1} 1 ,矩阵 U {U} U 的第一行和 A {A} A 相同。
步骤:
1. 矩阵 L 的对角元素为 1 ,矩阵 U 的第一行和 A 相同。 2. 迭代    ,    j = 1 , 2 , ⋯ n − 1 算 L 的第 j 列    ,    L i , j = A i , j − ∑ r = 1 j − 1 L i , r U r , j U j , j , i = j + 1 , j + 2 , ⋯   , n 算 U 的第 j + 1 行    ,    U j + 1 , k = A j + 1 , k − ∑ r = 1 j L j + 1 , r U r , k L j + 1 , j + 1 , k = j + 1 , j + 2 , ⋯   , n 3. 回代    ,    y i = b i − ∑ j = 1 i − 1 L i , j y j , i = 1 , 2 , ⋯   , n x i = y i − ∑ j = i + 1 n x j ⋅ U i , j U i , i    ,    i = n , n − 1 , ⋯   , 1 \begin{align*} 1.& 矩阵 L 的对角元素为 1 ,矩阵U 的第一行和A相同。 \\ \\ 2. & 迭代 \,\,,\,\, j=1,2, \cdots n-1 \\ \\ &算L的第j列 \,\,,\,\, L_{i,j}= \frac{A_{i,j}- \sum_{r=1}^{j-1}L_{i,r}U_{r,j}}{U_{j,j}},i=j+1,j+2,\cdots ,n \\ \\ &算U的第j+1行 \,\,,\,\, U_{j+1,k}= \frac{A_{j+1,k}- \sum_{r=1}^{ j}L_{j+1,r}U_{r,k}}{L_{j+1,j+1}} ,k=j+1,j+2,\cdots ,n \\ \\ 3.& 回代 \,\,,\,\, \\ \\ & y_i= b_i- \sum_{j=1}^{ i-1}L_{i,j}y_j,i=1,2,\cdots ,n \\ \\ &x_i= \frac{y_i- \sum_{j=i+1}^{ n}x_j \cdot U_{i,j}}{U_{i,i}} \,\,,\,\, i=n,n-1, \cdots ,1 \end{align*} 1.2.3.矩阵L的对角元素为1,矩阵U的第一行和A相同。迭代,j=1,2,n1L的第j,Li,j=Uj,jAi,jr=1j1Li,rUr,j,i=j+1,j+2,,nU的第j+1,Uj+1,k=Lj+1,j+1Aj+1,kr=1jLj+1,rUr,k,k=j+1,j+2,,n回代,yi=bij=1i1Li,jyj,i=1,2,,nxi=Ui,iyij=i+1nxjUi,j,i=n,n1,,1
matlab实现

%% Ax=b例子
A = [16 -12 2 4;
    12 -8 6 10;
    3 -13 9 23;
    -6 14 1 -28];
b = [17 36 -49 -54]';
[x,L,U] = LUsolve(A,b)

%% LU分解解Ax=b
% 输入方阵A,向量b
% 输出解x,L、U矩阵
function [x,L,U] = LUsolve(A,b)
    n = size(A);
    L = eye(n);
    U(1,[1:n]) = A(1,[1:end]);
    for j = 1:n-1 % 对U是行号,对L是列号
        for i = j+1:n % 算L第i行j列
            L(i,j) = A(i,j);
            for r = 1:j-1
                L(i,j) = L(i,j)- L(i,r)*U(r,j);
            end
            L(i,j) = L(i,j)/U(j,j);
        end
        for k = j+1:n % 算U第j+1行k列
            U(j+1,k) = A(j+1,k);
            for r = 1:j
                U(j+1,k) = U(j+1,k)-L(j+1,r)*U(r,k);
            end
            U(j+1,k) = U(j+1,k)/L(j+1,j+1);
        end
    end
    % 回代
    for i = 1:n
        y(i) = b(i);
        for j = 1:i-1
            y(i) = y(i)-L(i,j)*y(j);
        end
    end
    for i=n:-1:1 
        x(i) = y(i);
        for j=n:-1:i+1
            x(i) = x(i)-U(i,j)*x(j);
        end
        x(i) = x(i)/U(i,i);
    end
    x = x';
end
  • 29
    点赞
  • 41
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是使用选主元 LU 分解稀疏矩阵 Ax=b 的 C 代码: ``` #include <stdio.h> #include <stdlib.h> #include <math.h> #define N 100 // 矩阵的最大维数 #define eps 1e-10 // 用于判断是否为零的阈值 typedef struct { int i, j; double val; } node; int n; // 矩阵的维数 node a[N * N]; // 稀疏矩阵存储结构 int ia[N + 1], ja[N * N + 1]; // 行和列指针 // 选主元 LU 分解函数 void lu_decomp(double *A, int *ipiv) { int i, j, k, p; double maxa, tmp; for (i = 0; i < n; i++) { ipiv[i] = i; } for (k = 0; k < n - 1; k++) { maxa = fabs(A[k * n + k]); p = k; for (i = k + 1; i < n; i++) { if (fabs(A[i * n + k]) > maxa) { maxa = fabs(A[i * n + k]); p = i; } } if (p != k) { for (j = 0; j < n; j++) { tmp = A[k * n + j]; A[k * n + j] = A[p * n + j]; A[p * n + j] = tmp; } i = ipiv[k]; ipiv[k] = ipiv[p]; ipiv[p] = i; } for (i = k + 1; i < n; i++) { A[i * n + k] /= A[k * n + k]; for (j = k + 1; j < n; j++) { A[i * n + j] -= A[i * n + k] * A[k * n + j]; } } } } // LU 分解函数 void lu_solve(double *A, int *ipiv, double *b, double *x) { int i, j; double sum; for (i = 0; i < n; i++) { sum = b[ipiv[i]]; for (j = 0; j < i; j++) { sum -= A[i * n + j] * x[j]; } x[i] = sum; } for (i = n - 1; i >= 0; i--) { sum = x[i]; for (j = i + 1; j < n; j++) { sum -= A[i * n + j] * x[j]; } x[i] = sum / A[i * n + i]; } } int main() { int i, j, k, cnt = 0; double A[N][N], b[N], x[N]; int ipiv[N]; // 读入矩阵和向量 scanf("%d", &n); for (i = 0; i < n; i++) { for (j = 0; j < n; j++) { scanf("%lf", &A[i][j]); if (fabs(A[i][j]) > eps) { a[cnt].i = i; a[cnt].j = j; a[cnt].val = A[i][j]; cnt++; } } } for (i = 0; i < n; i++) { scanf("%lf", &b[i]); } // 构造行和列指针 k = 0; for (i = 0; i <= n; i++) { ia[i] = k; for (j = 0; j < n; j++) { if (a[k].i == i) { ja[k] = a[k].j; k++; } } } // LU 分解 lu_decomp(a, ipiv); lu_solve(a, ipiv, b, x); // 输出结果 for (i = 0; i < n; i++) { printf("%lf ", x[i]); } return 0; } ``` 其中,稀疏矩阵存储结构使用了三元组表示法,同时构造了行和列指针。选主元 LU 分解代码实现和普通的 LU 分解类似,只是在选主元时需要额外的代码LU 分解代码也和普通的 LU 分解类似,只是需要传入行和列指针。

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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