实验一用matlab求解线性方程组
实验 用matlab 求解线性方程组
第一节 线性方程组的求解 一、齐次方程组的求解
rref （A ） %将矩阵A 化为阶梯形的最简式
null （A ） %求满足AX ＝0的解空间的一组基，即齐次线性方程组的基
础解系
【例１】 求下列齐次线性方程组的一个基础解系，并写出通解：
我们可以通过两种方法来解： 解法1：
>> A=[1 -1 1 -1;1 -1 -1 1;1 -1 -2 2]; >> rref(A)
执行后可得结果： ans=
1 -1 0 0 0 0 -1 1 0 0 0 0 由最简行阶梯型矩阵，得化简后的方程
⎪⎩⎪
⎨⎧=+--=+--=-+-0
22004321
43214321x x x x x x x x x x x x ⎩⎨
⎧=-=-0
04321x x x x
取x2，x4为自由未知量，扩充方程组为
即
提取自由未知量系数形成的列向量为基础解系，记
所以齐次方程组的通解为
解法2： clear
A=[1 -1 1 -1;1 -1 -1 1;1 -1 -2 2];
B=null(A, 'r') % help null 看看加个‘r’是什么作用,若去掉
r ，是什么结果
执行后可得结果： B=
1 0 1 0 0 1 0 1 易见，可直接得基础解系
⎪⎪⎩⎪⎪⎨
⎧====4
4432221x x x x x x x x ⎥⎥⎥
⎥⎦⎤
⎢⎢⎢⎢⎣⎡+⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦
⎤⎢⎢⎢⎢⎣⎡1100001142
4321x x x x x x ,
00111⎥⎥⎥⎥⎦
⎤
⎢⎢⎢⎢⎣⎡=ε,
11002⎥⎥⎥⎥⎦
⎤⎢⎢⎢⎢⎣⎡=ε2
211εεk k x +=,
0111⎥
⎥⎥⎥⎤⎢⎢⎢⎢⎡=ε,
1002⎥
⎥⎥⎥⎤⎢⎢⎢⎢⎡=ε
所以齐次方程组的通解为
二、非齐次线性方程组的求解 Matlab 命令的基本格式：
X ＝A\b %系数阵A 满秩时，用左除法求线性方程组AX ＝b 的解
注意：A/B 即为AB -1, 而A\B 即为A -1B. C =[A,b];
D ＝rref(C) % 求线性方程组AX ＝b 的特解，即D 的最后一列元素
【例2】 求下列非齐次线性方程组的解：
解： clear
A=[5 6 0 0 0;1 5 6 0 0;0 1 5 6 0;0 0 1 5 6;0 0 0 1 5];
⎪⎪⎪⎩⎪
⎪⎪⎨⎧=+=++=++=++=+1
50
65065065165545
4354332121x x x x x x x x x x x x x 2
211εεk k x +=
b=[1;0;0;0;1];
format rational %采用有理数近似输出格式,
比较format short 看看
x=A\b
执行后可得所求方程组的解. 作业：
【第一题】 求下列非齐次线性方程组的通解.
A=[1 2 3 1;1 4 6 2;2 9 8 3;3 7 7 2] B=[3;2;7;12] format rational x=A\B x =
4 2/3 1/
-7/3
⎪⎪⎩⎪⎪⎨
⎧=+++=+++=+++=+++12
27737389222643324321432143214321x x x x x x x x x x x x x x x x
【第二题】计算工资问题
一个木工，一个电工，一个油漆工，三个人相互同意彼此装修他们自己的房子。
在装修之前，他们达成如下协议：
（1）每人总共工作十天（包括给自己家干活在内）；
（2）每人的日工资根据一般的市价在60~80元之间；
（3）每人的日工资数应使得每人的总收入与总支出相等。
下为他们协商后制定出的工作天数分配方案：
解：设在木工、电工和油漆工每天的工资数分别为x，y和z；
依题意得
8x=y+6z
5y=4x+z
7z=4x+4y
即为8x-y-6z=0
4x-5y+z=0
4x+4y-7z=0
clear
A=[8 -1 -6;4 -5 1 ;4 4 -7];
B=null(A, 'r')
B =
实验M ATLAB程式设计与应用
-----二维绘图部分
基本xy平面绘图命令
M ATLAB不但擅长于矩阵相关的数值运算，也适合用在各种科学的可视化表示（Scientific Visualization）。
本节将介绍MATLAB基本xy平面的一些绘图命令。
1.Plot作图plot是绘制一维曲线的基本函数，但在使用此函数之前，我们需先定义曲
线上每一点的x及y坐标。
下例可画出一条正弦曲线：
close all; %关闭所有的图形视窗
x=linspace(0, 2*pi, 100); % 100个点的x坐标
y=sin(x); % 对应的y坐标
plot(x,y);
若要画出多条曲线，只需将坐标对依次放入plot函数即可：plot(x, sin(x), x, cos(x))
若要改变颜色，在坐标对后面加上相关字串即可：
plot(x, sin(x), 'c', x, cos(x), 'g')
若要同时改变颜色及图线型态（Line style），也是在坐标对后面加上相关字串即可：plot(x, sin(x), 'co', x, cos(x), 'g*')
图形完成后，我们可用axis([xmin,xmax,ymin,ymax])函数来调整图轴的范围： axis([0, 6, , ]);
1
2
3
4
5
6
-1-0.8-0.6-0.4-0.200.20.40.60.81
对上述图形还可以加上各种注解与处理： xlabel('Input Value'); % x 轴注解 ylabel('Function Value'); % y 轴注解
title('Two Trigonometric Functions'); % 图形标题 legend('y = sin(x)','y = cos(x)'); % 图形注解 grid on; % 显示格线
-1-0.8-0.6-0.4-0.200.20.4
0.60.81Input Value
F u n c t i o n V a l u e
Two Trigonometric Functions
y = sin(x)y = cos(x)
此外，我们可用subplot来同时画出数个小图形于同一个视窗之中：
其语法为subplot(m,n,p)，其中m, n代表绘图成m * n个子图，m表示在y方向有m个图，n表示在x 方向有n个图，p 是代表第几个子图。
subplot(2,2,1); plot(x, sin(x));
subplot(2,2,2); plot(x, cos(x));
subplot(2,2,3); plot(x, sinh(x));
subplot(2,2,4); plot(x, cosh(x));
实验材料下载地址：
用户名：kly
密码：kly
数学\07级\09专。
MATLAB计算方法3解线性方程组计算解法
MATLAB计算方法3解线性方程组计算解法线性方程组是数学中的一个重要问题，解线性方程组是计算数学中的一个基本计算，有着广泛的应用。
MATLAB是一种功能强大的数学软件，提供了多种解线性方程组的计算方法。
本文将介绍MATLAB中的三种解线性方程组的计算方法。
第一种方法是用MATLAB函数“linsolve”解线性方程组。
该函数使用高斯消元法和LU分解法求解线性方程组，可以处理单个方程组以及多个方程组的情况。
使用该函数的语法如下：X = linsolve(A, B)其中A是系数矩阵，B是常数向量，X是解向量。
该函数会根据A的形式自动选择求解方法，返回解向量X。
下面是一个使用“linsolve”函数解线性方程组的例子：A=[12;34];B=[5;6];X = linsolve(A, B);上述代码中，A是一个2×2的系数矩阵，B是一个2×1的常数向量，X是一个2×1的解向量。
运行代码后，X的值为[-4.0000;4.5000]。
第二种方法是用MATLAB函数“inv”求解逆矩阵来解线性方程组。
当系数矩阵A非奇异（可逆）时，可以使用逆矩阵求解线性方程组。
使用“inv”函数的语法如下：X = inv(A) * B其中A是系数矩阵，B是常数向量，X是解向量。
该方法先计算A的逆矩阵，然后将逆矩阵与B相乘得到解向量X。
下面是一个使用“inv”函数解线性方程组的例子：A=[12;34];B=[5;6];X = inv(A) * B;上述代码中，A是一个2×2的系数矩阵，B是一个2×1的常数向量，X是一个2×1的解向量。
运行代码后，X的值为[-4.0000;4.5000]。
第三种方法是用MATLAB函数“mldivide”（或“\”）求解线性方程组。
该函数使用最小二乘法求解非方阵的线性方程组。
使用“mldivide”函数的语法如下：X=A\B其中A是系数矩阵，B是常数向量，X是解向量。
用matlab求解线性方程组
用matlab 解线性方程组电子科技大学摘要：利用matlab 软件编写程序，分别利用雅克比迭代法和高斯赛德尔迭代法、列主元高斯消去法，改进平方根法求解不同方程组，其中对于雅克比迭代法和高斯赛德尔迭代法在收敛条件相同的情况下，比较两者的迭代次数，对于，列主元高斯消去法和改进平方根法，要求解出方程组的根。
关键词：雅克比迭代法；高斯赛德尔迭代法；列主元高斯消去法；改进平方根法引言：众所周知，在数学物理方程中，当涉及到解方程组的时候，按照常规的计算方法计算量很大，这样，就涉及到了计算方法的问题，算法里面，很多涉及到矩阵转换，经过处理，可以让我们简便的计算根，而matlab 是一个处理矩阵方程组很便利的软件，下面就是用几种不同的方法解方程组。
正文：一、雅克比迭代法和高斯赛德尔迭代法 1雅可比迭代法原理： 设线性方程组b Ax =的系数矩阵A 可逆且主对角元素nn a ,...,a ,a 2211均不为零,令()nn a ,...,a ,a diag D 2211=并将A 分解成()D D A A +-= 从而(1)可写成 ()b x A D Dx +-= 令 11f x B x +=其中b D f ,A D I B 1111--=-=. 以1B 为迭代矩阵的迭代法(公式)()()111f x B x k k +=+称为雅可比(Jacobi)迭代法(公式),用向量的分量来表示,则为⎩⎨⎧[],...,,k ,n ,...,i x a ba xnij j )k (j j i iii)k (i21021111==∑-=≠=+其中()()()()()Tn x ,...x ,x x 002010=为初始向量.由此看出,雅可比迭代法公式简单,每迭代一次只需计算一次矩阵和向量的乘法.在电算时需要两组存储单元,以存放()k x 及()1+k x . 2高斯赛德尔迭代法原理由雅可比迭代公式可知,在迭代的每一步计算过程中是用的全部分量来计算的所有分量,显然在计算第i 个分量时，已经算出最新的分量，但没被利用。
MatLab解线性方程组
MatLab解线性方程组一文通(转帖)当齐次线性方程AX=0,rank(A)=r<n时,该方程有无穷多个解,怎样用MATLAB求它的一个基本解呢?用matlab 中的命令x=null(A, r )即可.其中:r=rank(A)A=[ 1 1 1 1 -3 -1 11 0 0 0 1 1 0-2 0 0 -1 0 -1 -2]用matlab 求解程序为:A=[1 1 1 1 -3 -1 1;1 0 0 0 1 1 0;-2 0 0 -1 0 -1 -2];r=rank(A);y=null(A, r )得到解为:y=[ 0 -1 -1 0-1 2 1 11 0 0 00 2 1 -20 1 0 00 0 1 00 0 0 1]其列向量为Ay=0的一个基本解MatLab解线性方程组一文通！-------------------作者：liguoy（2005-2-3）写在阅读本文前的引子。
一：读者对线性代数与Matlab 要有基本的了解；二：文中的通用exp.m文件，你须把具体的A和b代进去。
一：基本概念1．N级行列式A：|A|等于所有取自不同行不同列的n个元素的积的代数和。
2．矩阵B：矩阵的概念是很直观的，可以说是一张表。
3．线性无关：一向量组(a ,a ,…. a )不线性相关，即没有不全为零的数k ,k ,……kn使得：k1* a +k2* a +…..+kn*an=04. 秩：向量组的极在线性无关组所含向量的个数称为这个向量组的秩。
5．矩阵B的秩：行秩，指矩阵的行向量组的秩；列秩类似。
记：R(B)6．一般线性方程组是指形式： (1)其中x1,x2,…….xn为n个未知数，s为方程个数。
记：A*X=b7．性方程组的增广矩阵：=8. A*X=0 (2)二：基本理论三种基本变换：1，用一非零的数乘某一方程；2，把一个方程的倍数加到另一个方程；3互换两个方程的位置。
以上称初等变换。
消元法（理论上分析解的情况，一切矩阵计算的基础）首先用初等变换化线性方程组为阶梯形方程组，把最后的一些恒等式”0=0”（如果出现的话）去掉，1：如果剩下的方程当中最后的一个等式是零等于一非零数，那么方程组无解；否则有解，在有解的情况下，2：如果阶梯形方程组中方程的个数r等于未知量的个数，那么方程组有唯一的解，3：如果阶梯形方程组中方程的个数r小于是未知量的个数，那么方程组就有无穷个解。
专题4 使用MATLAB求解线性方程组的不同方法
Z = null(A) 求出 Ax=0 的基础解系后，将基础解系的向量正交单位化，存储在 Z 中. MATLAB 源代码如下： A=[1 2 2 1；2 1 -2 -2；1 -1 -4 -3]
A= 12 2 1 2 1 -2 -2 1 -1 -4 -3
Rank(A) Ans= 2 A=sym(A) A= [1,2,2,1] [2,1,-2,-2] [1,-1,-4,-3] null(A) ans= [2, 5/3] [-2,-4/3] [1, 0] [0, 1]
运行结果为： rank_A =
2 rank_B =
2 S_H =
-2
1
1
0
0
2
0
1
S_P =
0
1.7500
0
-0.5000
则该线性方程组有无穷多解为：
2 1 0
x
k1
1 0
k2
0 2
7 0
/
4
,
k1
,Leabharlann k2R 0 1 1/ 2
nulla?r?求系数矩阵为a的齐次线性方程组ax0的基础解系结果为有理数bnulla求出ax0的基础解系后将基础解系的向量正交单位化存储在zmatlab源代码如下
专题 4 使用 MATLAB 求解线性方程组的方法
x1 2 x2 2x3 x4 0
【例
1】求齐次方程组
2 x1
end end
x1 2x2 2x3 3x4 2 【例 1.3】使用 Matlab 求解方程组 2x1 4x2 3x3 4x4 5
matlab线性方程组数值求解实验报告
湖南大学电气与信息工程学院 《数值计算》课程 上机实验报告一. 实验目的：了解gauss 消去法和迭代法matlab 算法实现求任意方程组的根。
二. 实验内容：用gauss 消去法和迭代法求解下列线性方程组：263234323923321321321=++=++=++x x x x x x x x x1.求出gauss 消去法的上三角矩阵和方程组的解321,,x x x ，并在命令窗口显示；2.显示迭代法求解过程中所有结果（,,,,,,,,,321131*********NN N x x x x x x x x x ⋯⋯）要求求解精度达到10^-5.三. 算法介绍或方法基础1) 消去法：消元过程：设0)0(11≠a ，令乘数)0(11)0(11/a a m i i -=，做（消去第i 个方程组的i x ）操作1i m ×第1个方程+第i 个方程（i=2，3，.....n ）则第i 个方程变为1)1(2)1(2...i n in i b x a x a =++ 这样消去第2，3，。
，n 个方程的变元i x 后。
原线性方程组变为：⎪⎪⎪⎩⎪⎪⎪⎨⎧=++=++=++)1()1(2)1(2)1(2)1(22)1(22)0(1)0(11)0(11... . .... ...n n nn n n n n n b x a x a b x a x a b x a x a 这样就完成了第1步消元。
回代过程：在最后的一方程中解出n x ，得：)1()1(/--=n nn n n n a b x再将n x 的值代入倒数第二个方程，解出1-n x ，依次往上反推，即可求出方程组的解： 其通项为3,...1-n 2,-n k /)()1(1)1()1(=-=-+=--∑k kk nk j j k kj k kk a x abx高斯赛德尔迭代法：由雅可比迭代公式可知,在迭代的每一步计算过程中是用()k x的全部分量来计算()1+k x的所有分量,显然在计算第i 个分量()1+k ix 时,已经计算出的最新分量()()1111+-+k i k x ,...,x 没有被利用，从直观上看,最新计算出的分量可能比旧的分量要好些.因此，对这些最新计算出来的第1+k 次近似()1+k x 的分量()1+k jx 加以利用,就得到所谓解方程组的高斯—塞德（Gauss-Seidel ）迭代法.把矩阵A 分解成U L D A --= (6)其中()nn a ,...,a ,a diag D 2211=,U ,L --分别为A 的主对角元除外的下三角和上三角部分,于是,方程组(1)便可以写成 ()b Ux x L D +=-即 22f x B x +=其中()()b L D f ,U L D B 1212---=-= (7)以2B 为迭代矩阵构成的迭代法(公式)()()221f x B x k k +=+ (8)称为高斯—塞德尔迭代法(公式),用 量表示的形式为⎩⎨⎧[],...,,k ,n ,,i x a x a b a xi j n i j )k (j ij )k (j ij i ii)k (i21021111111==∑∑--=-=+=++ (9)由此看出,高斯—塞德尔迭代法的一个明显的优点是,在电算时,只需一组存储单元(计算出()1+k ix 后()k ix 不再使用,所以用()1+k ix 冲掉()k ix ,以便存放近似解.四.程序1)消去法：function x=gauss(A,b)n=length(b);A=[A,b];for k=1:(n-1)A((k+1):n,(k+1):(n+1))=A((k+1):n,(k+1):(n+1))... -A((k+1):n,k)/A(k,k)*A(k,(k+1):(n+1));A((k+1):n,k)=zeros(n-k,1);Aendx=zeros(n,1);x(n)=A(n,n+1)/A(n,n);for k=n-1:-1:1x(k,:)=(A(k,n+1)-A(k,(k+1):n)*x((k+1):n))/A(k,k);end2)迭代法：function EX()a=input('请输入系数矩阵a：');b=input('请输入矩阵b:');N=input('请输入最大迭代次数N：');esp=input('请输入近似解的误差限：');if any(diag(a))==0error('系数矩阵错误，迭代终止！')endD=diag(diag(a));X0=zeros(size(b));x1=0;x2=0;x3=0;X1=[x1;x2;x3];h=inv(D)*b;B=inv(D)*(D-a);B1=triu(B);B2=tril(B);k=1;fprintf('高斯-赛德尔迭代法');fprintf('第0次迭代得：')disp(X1');while k<=Nx1=h(1,1)+B1(1,:)*X0;X1=[x1;x2;x3];x2=h(2,1)+B1(2,:)*X0+B2(2,:)*X1;X1=[x1;x2;x3];x3=h(3,1)+B2(3,:)*X1;X1=[x1;x2;x3];if norm(X1-X0,inf)<espfprintf('已满足误差限。
用MATLAB做线性代数实验
2
0
, 2
5 3
, 3
1
3
, 4
1
4
, 5
1
2
。
3
6
0Hale Waihona Puke 73【程序如下】：
% (1)
A=[1 2 1 3;4 -1 5 6;1 -3 -4 7;1 2 1 1]' r=rank(A) [R,IP]=rref(A) % (2) A=[1 2 0 2 1;-2 -5 1 -1 1;0 -3 3 4 2;P3 6 0 -7 3] r=rank(A) [R,IP]=rref(A)
例如：
已知
A
1 3
2 4
,
B
1 1
2 0
，解矩阵方程
(1)
AX
B , (2) XA B 。
MATLAB 程序如下：
A=[1 2;3 4];
B=[1 2;-1 1];
X1=inv(A)*B % AX=B or
X1=A\B
X2=B*inv(A) % XA=B
X2=A/B
将 p(x) 分解为最简分式之和 q( x)
[p,q]=residue(a,b,r) 将简单分式之和合并为有理分式
例如，将有理分式
f
(x)
x2 x3 2x2 3x2
分解为最简分式之和的程序如下：
p=[1 2];
q=[1 2 3 2];
[a,b,r]=residue(p,q)
输出：a =
-0.2500 - 0.4725i
p=[1 -6 11 -6];
线性代数方程组的数值解法_百度文库
线性代数方程组的数值解法【实验目的】1. 学会用MATLAB 软件数值求解线性代数方程组，对迭代法的收敛性和解的稳定性作初步分析；2. 通过实例学习用线性代数方程组解决简化的实际问题。
【实验内容】【题目1】通过求解线性方程组A1x=b1和A2x=b2，理解条件数的意义和方程组的性态对解的影响。
其中A1是n阶范德蒙矩阵，即⎡1x0⎢1x1⎢A1=⎢⎢⎢⎣1xn-12x0x12 2xn-1n-1⎤ x0⎥ x1n-1⎥1,...,n-1 ，xk=1+0.1k，k=0,⎥ n-1⎥ xn-1⎥⎦A2是n阶希尔伯特矩阵，b1，b2分别是A1，A2的行和。
（1）编程构造A1（A2可直接用命令产生）和b1，b2；你能预先知道方程组A1x=和A2x=。
b2的解吗？令n=5，用左除命令求解（用预先知道的解可检验程序）b1（2）令n=5,7,9,…，计算A1，A2的条件数。
为观察它们是否病态，做以下试验：b1，b2不变，A1和A2的元素A1(n,n)，A2(n,n)分别加扰动ε后求解；A1和A2不变，b1，b2的分量b1(n)，分析A和b的微小扰动对解的影响。
b2(n)分别加扰动ε求解。
ε取10-1010，-8，10-6。
（3）经扰动得到的解记做x~，计算误差-x~x，与用条件数估计的误差相比较。
1.1构造A1，A2和b1，b2首先令n=5，构造出A1，A2和b1，b2。
首先运行以下程序，输出A1。
运行以下程序对A1,A2求行和：由于b1，b2分别是A1，A2的行和，所以可以预知x1=运行下列程序，用左除命令对b1，b2进行求解：得到以下结果： T。
x2=(1,1, ,1)1.2 计算条件数并观察是否为病态1.不加扰动，计算条件数。
运行以下程序：由此可知，A1，A2的条件数分别是3.574∗10, 4,766∗10。
2.b1，b2不变，A1(n,n)，A2(n,n)分别加扰动（1）n=5时设x11,x12,x13分别为A1添加扰动10−10，10−8,10−6后的解。
利用Matlab求解线性方程组
利⽤Matlab求解线性⽅程组利⽤⾼斯消元法编写了⼀个能够计算线性⽅程组，⽆解，有唯⼀解，⽆穷多解情况的matlab代码。
程序说明：变量n1表⽰系数矩阵或者增⼴矩阵的列数。
当增⼴矩阵的秩与系数矩阵的秩相等时（⽅程有唯⼀解时），n1表⽰系数矩阵的列数。
当⽅程组⽆解或者有⽆数多解时，n1表⽰增⼴矩阵的列数。
处理办法为：if sum(C)~=num1&&j==n1&&flag1==0%系数矩阵在消元过程中，若出现对⾓线及其⼀下元素均为0时，将n1变为增⼴矩阵的列数。
n1=n1+1;%在j等于系数矩阵的列时，n1增加1,变为增⼴矩阵的列。
flag1=1;%flag1保证if内的语句，只执⾏1次。
end当j执⾏到系数矩阵的列n1，且sum(C)~=num1（即系数消元过程中，出现了对⾓线及其⼀下元素均为0，如图1所⽰）时，将n1+1.图1function x=liner_equ_v2(A,b)%该函数⽤于求解线性⽅程组%输⼊参数,A:⽅程组的系数矩阵，b:⽅程组的常数向量（列向量）%输出参数,x:⽅程组的解%时间，2021.10.3%版权所有⼈，zsy%%使⽤实例% A=[1,1,-3,-1;% 3,-1,-3,4;% 1,5,-9,-8];% b=[1;4;0];B=[A,b];%增⼴矩阵[m,n]=size(B);num1=0;for i=1:mnum1=num1+i;endC=zeros(1,n);i=1;j=1;n1=n-1;%系数矩阵或增⼴矩阵的列数flag1=0;while j<=n1if B(i,j)~=0B(i,:)=B(i,:)/B(i,j);for k=i+1:mB(k,:)=B(k,:)-B(k,j)*B(i,:);endC(1,j)=i;if sum(C)~=num1&&j==n1&&flag1==0%系数矩阵在消元过程中，若出现对⾓线及其⼀下元素均为0时，将n1变为增⼴矩阵的列数。
MATLAB试验报告线性方程组求解
「-「
f3)
f0)
f2)
f-1)
x=
2
,x=
4
,x=
10
,x=
7
,x=
3
1
3
2
2
3
11
4
3
5
2
\^)
V37
R3的一组基。
生成R3,从x,x,x,x,x中找出
"-4
设A = 7
11
3 12、
-11 0.分别用poly、roots和eig计算A的特征值.
12 3,
7.判断下列矩阵是否相似（提示：用Jordan标准型）？
,
壬式。
及rref函数，计算下列线性方程组的
x-3x=0
5x+x=8b)
-x+4x=2
2 3
：1
4,%=10
27 V117
是线性相关的.
戋性无关的
生方程组的通解。
至解
=2
二10
8
来计算A-1的第三列，并将结果
通解
2x+x-3x=0
4x+5x+x=8
2x+4x+4x=8
1 1 2 3
实验序号：实验2
实验项目名称：线性方程组求解
>> x1=det(D1)/det(D);x2=det(D2)/det(D);
>> x1,x2
x1 =
-1
Байду номын сангаас>> a=[2,3,-1;5,1,4];
>> rref(a)
f2 0 0)
f2 0
A=
0 4 0
利用matlab解线性方程组
数值计算实验——解线性方程组西南交通大学2012级茅7班20123257 陈鼎摘要本报告主要介绍了基于求解线性方程组的高斯消元法和列主消元法两种数值分析方法的算法原理及实现方法。
运用matlab数学软件辅助求解。
实验内容1．编写用高斯消元法解线性方程组的MATLAB程序，并求解下面的线性方程组，然后用逆矩阵解方程组的方法验证。
2．编写用列主消元法解线性方程组的MATLAB程序，并求解下面的线性方程组，然后用逆矩阵解方程组的方法验证。
给定方程组如下：①0.325x1+2.564x2+3.888x3+5x4=1.521②-1.548x1+3.648x2+4.214x3-4.214x4=2.614③-2.154x1+1.647x2+5.364x3+x4=3.978④0x1+2.141x2-2.354x3-2x4=4.214A.高斯消元法一、算法介绍高斯消元法是一种规则化的加减消元法。
基本思想是通过逐次消元计算把需要求解的线性方程组转化成为上三角方程组，即把现形方程组的系数矩阵转化为上三角矩阵，从而使一般线性方程组的求解转化为等价的上三角方程组的求解。
二、matlab程序function [RA,RB,n,X]=gaus(A,b)B=[A b]; n=length(b); RA=rank(A);RB=rank(B);zhica=RB-RA;if zhica>0,disp(‘因为RA~=RB，所以此方程组无解.')returnendif RA==RBif RA==ndisp(‘因为RA=RB=n，所以此方程组有唯一解.')X=zeros(n,1); C=zeros(1,n+1);for p= 1:n-1for k=p+1:nm= B(k,p)/ B(p,p); B(k,p:n+1)= B(k,p:n+1)-m* B(p,p:n+1);endendb=B(1:n,n+1);A=B(1:n,1:n); X(n)=b(n)/A(n,n);for q=n-1:-1:1X(q)=(b(q)-sum(A(q,q+1:n)*X(q+1:n)))/A(q,q);endelsedisp(‘因为RA=RB<n，所以此方程组有无穷多解.')endend三、实验过程与结果输入的量：系数矩阵A和常系数向量b；输出的量：系数矩阵A和增广矩阵B的秩RA、RB，方程中未知量的个数n和有关方程组解X及其解的信息。