matlab用矩阵分解求解线性方程组

一、 用列主元素高斯削去法求解下述线性方程组：

?x1?13x2?2x3?34x4?13?2x?6x?7x?10x??22?1234 ??10x?x?5x?9x?141234????3x1?5x2?15x4??36程序：

function x=gaussa(a)

m=size(a); n=m(1); x=zeros(n,1); for k=1:n-1

[c,i]=max(abs(a(k:n,k))); q=i+k-1; if q~=k

d=a(q,:);a(q,:)=a(k,:);a(k,:)=d end

for i=k+1:n

a(i,:)=a(i,:)-a(k,:)*a(i,k)/a(k,k) end end

for j=n:-1:1

x(j)=(a(j,n+1)-a(j,j+1:n)*x(j+1:n))/a(j,j) end

执行过程：

>> a=[1 13 -2 -34 13;2 6 -7 -10 -22;-10 -1 5 9 14; -3 -5 0 15 -36] a =

-10 -1 5 9 14 2 6 -7 -10

3.1 方程组的逆矩阵解法及其MATLAB程序

3.1.3 线性方程组有解的判定条件及其MATLAB程序 判定线性方程组Am?nX?b是否有解的MATLAB程序

function [RA,RB,n]=jiepb(A,b)

B=[A b];n=length(b); RA=rank(A); RB=rank(B);zhica=RB-RA; if zhica>0,

disp('请注意：因为RA~=RB，所以此方程组无解.') return end

if RA==RB if RA==n

disp('请注意：因为RA=RB=n，所以此方程组有唯一解.') else

disp('请注意：因为RA=RB

例3.1.4 判断下列线性方程组解的情况.如果有唯一解，则用表 3-2方法求解.

?3x1?4x2?5x3?7x4?0,?2x1?3x2?x3?5x4?0,?2x?3x?3x?2x?0,?3x?x?2x?7x?0,1234?1234(1) ? (2) ? ??4x1?11x2?13x3?16x4?0,?4x1?x2?3x3?6x4?0,???7x1?2x2?x3?3x4?0;?x1?2x2?4x3?7x4?0;?4x1?2x2?

高等代数课程设计,

**大学理学院

本科考查（课程论文）专用封面

学年学期：2019-2020学年第1学期

课程名称：高等代数

任课教师：**

论文/作业题目：《线性方程组及其矩阵解法》

年级专业：19数学类

姓名学号：************

提交时间：2019.12.15

评阅成绩：

评阅意见：

阅卷教师签名：2020年1月4日

高等代数课程设计,

运用矩阵解线性方程组

摘要

解方程是代数中一个基本的问题，对于多元一次方程组，用矩阵来求解及讨论其的是否有解，是否只有唯一解和多解之间的解的结构问题是一个相对简便和可行的办法。本文主要列出矩阵和多元线性方程组性质和概念，对其定理进行证明和讨论，然后找出定理的推论进行归纳总结。最后提出个人的思考与留下的疑问。

关键词：高等代数；线性方程组；矩阵；性质；证明；思考

Abstract

Solving equations is a basic problem in algebra. For multivariate linear equations, the matrix is used to solve and discuss whether there is a solution, whether there is only one

用Matlab学习线性代数 线性方程组与矩阵代数

实验目的：熟悉线性方程组的解法和矩阵的基本运算及性质验证。 Matlab命令：

本练习中用到的Matlab命令有：inv，floor，rand，tic，toc，rref，abs，max，round，sum，eye，triu，ones，zeros。

本练习引入的运算有：+，-，*，’，，\\。其中+和-表示通常标量及矩阵的加法和减法运算；*表示标量或矩阵的乘法；对所有元素为实数的矩阵，’运算对应于转置运算。若A为一个n?n非奇异矩阵(det!=0)且B为一个n?r矩阵，则运算A\\B等价于A?1B。 实验内容：

1． 用Matlab随机生成4?4的矩阵A和B。求下列指定的C,D,G,H，并确定那些矩阵是相等的。你可以利用Matlab计算两个矩阵的差来测试两个矩阵是否相等。

（1）C=A*B,D=B*A,G=(A’*B’)’,H=(B’*A’)’ C=H;D=G； （2）C=A’*B’,D=(A*B)’,G=B’*A’,H=(B*A)’ C=H;D=G； （3）C=inv(A*B),D=inv(A)*inv(B),G=inv(B*A),H=inv(B)*inv(A)

（4）

用Matlab学习线性代数 线性方程组与矩阵代数

实验目的：熟悉线性方程组的解法和矩阵的基本运算及性质验证。 Matlab命令：

本练习中用到的Matlab命令有：inv，floor，rand，tic，toc，rref，abs，max，round，sum，eye，triu，ones，zeros。

本练习引入的运算有：+，-，*，’，，\\。其中+和-表示通常标量及矩阵的加法和减法运算；*表示标量或矩阵的乘法；对所有元素为实数的矩阵，’运算对应于转置运算。若A为一个n?n非奇异矩阵(det!=0)且B为一个n?r矩阵，则运算A\\B等价于A?1B。 实验内容：

1． 用Matlab随机生成4?4的矩阵A和B。求下列指定的C,D,G,H，并确定那些矩阵是相等的。你可以利用Matlab计算两个矩阵的差来测试两个矩阵是否相等。

（1）C=A*B,D=B*A,G=(A’*B’)’,H=(B’*A’)’ C=H;D=G； （2）C=A’*B’,D=(A*B)’,G=B’*A’,H=(B*A)’ C=H;D=G； （3）C=inv(A*B),D=inv(A)*inv(B),G=inv(B*A),H=inv(B)*inv(A)

（4）

1. fsolve

求解非线性方程组 方程： F(x)=0

x是一个向量，F(x)是该向量的函数向量，返回向量值

2. 语法

x = fsolve(fun,x0)

x = fsolve(fun,x0,options) [x,fval] = fsolve(fun,x0) [x,fval,exitflag] = fsolve(...)

[x,fval,exitflag,output] = fsolve(...)

[x,fval,exitflag,output,jacobian] = fsolve(...)

3. 描述

fsolve用于寻找非线性系统方程组的零点。

x = fsolve(fun,x0)以x0为初始值，努力寻找在fun中描述的方程组。

x = fsolve(fun,x0,options) 以x0为初始值，按照指定的优化设置“options”努力寻找在fun中描述的方程组。使用optimset设置这些选项。

[x,fval] = fsolve(fun,x0)返回在解x处的目标函数fun的值 [x,fval,exitflag] = fsolve(...)返回exitflag表示退出条件。

[x,fval,exitflag,output]

第四章 线性方程组

1． 设A 为n 阶方阵，若2)(-=n A R ，则0=AX 的基础解系所含向量的个数是（ ）。

)(A 0个(即不存在) )(B 1个 )(C 2个 )(D n 个

2．如果n 元非齐次线性方程组b AX =的系数矩阵A 的秩小于n ，则（ ）。

)(A 方程组有无穷多个解 )(B 方程组有惟一解

)(C 方程组无解 )(D 不能断定解的情况

3．设33)(?=ij a A 满足条件：(1)ij ij A a =(3,2,1,=j i )，其中ij A 是元素ij

a 的代数余子式；(2) 133-=a ；(3) ||1A =，则方程组

b AX =，

T b )1,0,0(=的解是（ ）。

)(A T )2,5,3( )(B T )3,2,1( )(C T )1,0,0(- )(D T )1,0,1(-

4．设A 为n 阶奇异方阵，A 中有一元素ij a 的代数余子式0≠ij A ，则齐次线性方程组0=AX 的基础解系所含向量个数为（ ）。

)(A i 个 )(B j 个 )(C 1个 )(D n 个

数值分析第二次上机实习报告

——线性方程组迭代解法

一、问题描述

设 Hn = [hij ] ∈ Rn×n 是 Hilbert 矩阵, 即

hij=

对n = 2,3,4，…15, 1 i+j 1

1 x ∈Rn×n，及bn=Hnx，用SOR迭代法和共轭梯度法来求解，并与直取=

1

接解法的结果做比较。

二、方法描述

1. SOR迭代法

记H = D – L – U，SOR法的分量形式可以写成向量形式

x(k+1)=(1 ω)x(k)+ωD 1(b+Lx(k+1)+Ux(k))

(D ωL)x(k+1)=[(1 ω)D+ωU]x(k)+ωb

整理成

x(k+1)=Lwx(k)+ω(D ωL) 1b

其中，Lw为SOR法的迭代矩阵：

Lw=(D ωL) 1[(1 ω)D+ωU]

这相当于方程组Hx=b的系数矩阵分裂为H = M – N，其中

=M

N=1ω1(D ωL)

ω[(1 ω)D+ωU]

由此得到等价方程组x = M-1Nx+M-1b，利用它构造迭代法。

2. 共轭梯度法

梯度法通常的做法是先任意给定一个初始向量，然后确定一个搜索的方向和搜索步长，如此循环直到找到极小值。共轭梯度法是从整体来寻找最佳的搜索方向。它的第一步是取负梯度方向作为搜索方

线性方程组在现实中的应用

线性方程组在现实生活中的应用非常广泛的，不仅可以广泛地应用于工程学，计算机科学，物理学，数学，经济学，统计学，力学，信号与信号处理，通信，航空等学科和领域，同时也应用于理工类的后继课程，如电路、理论力学、计算机图形学、信号与系统、数字信号处理、系统动力学、自动控制原理等课程。 为了更好的运用这种理论，必须在解题过程中有意识地联系各种理论的运用条件，并根据相应的实际问题，通过适当变换所知，学会选择最有效的方法来进行解题，通过熟练地运用理论知识来解决数学得问题.

一、 线性方程组的表示

1.按照线性方程组的形式表示有三种 1）一般形式的表示

?a11x1?a12x2?...?a1nxn?b1??a21x1?a22x2?...?a2nxn?b2?...??ax?ax?...?ax?bn22nnnn?n11

2）向量形式：

x1?1?x2?2?...?xn?n??

3）矩阵形式的表示 ：

AX??,A???1,?2,...,?n?X??x1,x2,...,xn?T

?0特别地，当?AX???0时，AX??称为齐次线性方程组，而当?时，

称为非齐次线性方程组

2.按照次数分类又可分为两类 1）齐次线性方程组

常系数线性方程组基解矩阵的计算

董治军

（巢湖学院 数学系，安徽 巢湖 238000）

摘 要：微分方程组在工程技术中的应用时非常广泛的，不少问题都归结于它的求解问题，基解矩阵的存在和具体寻求是不同的两回事，一般齐次线性微分方程组的基解矩阵是无法通过积分得到的，但当系数矩阵是常数矩阵时，可以通过 方法求出基解矩阵，这时可利用矩阵指数expAt，给出基解矩阵的一般形式，本文针对应用最广泛的常系数线性微分方程组，结合微分方程，线性代数等知识，讨论常系数齐次线性微分方程的基解矩阵的几个一般的计算方法. 关键词；常系数奇次线性微分方程组；基解矩阵；矩阵指数

Calculation of Basic solution Matrix of Linear Homogeneous System with Constant

Coefficients

Zhijun Dong

(Department of Mathematics, Chaohu College Anhui, Chaohu)

Abstract: Differential equations application in engineering technology is very extensive