Gauss-Jordan消去法中完全选主元法求解线性方程组

最新推荐文章于 2024-04-20 11:02:39 发布
最新推荐文章于 2024-04-20 11:02:39 发布
阅读量4.5k 收藏 3
点赞数 1
分类专栏： 矩阵求解算法
本文介绍了一种使用完全主元法（Gauss-Jordan消去法的一种变体）来求解线性方程组的方法。通过在每一步选择系数矩阵中绝对值最大的元素作为主元，并通过初等行变换将其置于主对角线上，可以有效地避免数值计算中的误差累积。文章详细展示了算法步骤，并给出具体实例，最后提供了完整的Java实现代码。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Gauss-Jordan消去法中完全选主元法求解线性方程组

分类： 数值分析 2007-12-01 09:50 1245人阅读 评论(0) 收藏 举报
output matrix 算法 string class
算法名称： 完全主元法
 
算法描述：
 
1.       在系数矩阵A 中找到绝对值最大的数作为主元，并记录它的列号col ，行号row ，将第col 行与第row 行交换，即将此主元经过一次初等行变换放到主对角线上。
2.       移动过后，主元所在行每个元除以主元的值，使主元所在位置值为1 。
3.       进行初等行变换，使得主元所在列的其他元为0 ，主元所在行不变。
4.       返回1 进行迭代，迭代总次数恰好为A 的行数。
 
注 ：每次初等行变换都要求增广阵 b 同时进行相应变换。
 
实际例子
 
Coefficient matrix:
 | 0.0 2.0 0.0 1.0 | 0.0 |
 | 2.0 2.0 3.0 2.0 | -2.0 |
 | 4.0 -3.0 0.0 1.0 | -7.0 |
 | 6.0 1.0 -6.0 -5.0 | 6.0 |
-----------------------------------------------
After 1 time(s) elimination:
 | 0.0 2.0 0.0 1.0 | 0.0 |
 | 5.0 2.5 0.0 -0.5 | 1.0 |
 | -1.0 -0.16666666666666666 1.0 0.8333333333333333 | -1.0 |
 | 4.0 -3.0 0.0 1.0 | -7.0 |
-----------------------------------------------
After 2 time(s) elimination:
 | 1.0 0.5 0.0 -0.1 | 0.2 |
 | 0.0 2.0 0.0 1.0 | 0.0 |
 | 0.0 0.33333333333333337 1.0 0.7333333333333333 | -0.8 |
 | 0.0 -5.0 0.0 1.4 | -7.8 |
-----------------------------------------------
After 3 time(s) elimination:
 | 1.0 0.0 0.0 0.03999999999999998 | -0.5800000000000001 |
 | -0.0 1.0 -0.0 -0.27999999999999997 | 1.56 |
 | 0.0 0.0 1.0 0.8266666666666667 | -1.3200000000000003 |
 | 0.0 0.0 0.0 1.56 | -3.12 |
-----------------------------------------------
After 4 time(s) elimination:
 | 1.0 0.0 0.0 0.0 | -0.5000000000000001 |
 | 0.0 1.0 0.0 0.0 | 1.0 |
 | 0.0 0.0 1.0 0.0 | 0.33333333333333304 |
 | 0.0 0.0 0.0 1.0 | -2.0 |
-----------------------------------------------
The final solution matrix:
 | 1.0 0.0 0.0 0.0 | -0.5000000000000001 |
 | 0.0 1.0 0.0 0.0 | 1.0 |
 | 0.0 0.0 1.0 0.0 | 0.33333333333333304 |
 | 0.0 0.0 0.0 1.0 | -2.0 |
-----------------------------------------------

代码

package  com.nc4nr.chapter02.guassj;

 public   class  GuassJ  {
    
    // 4 * 4 coefficient matrix a
    double[][] a = {
            {0.0, 2.0, 0.0, 1.0},
            {2.0, 2.0, 3.0, 2.0},
            {4.0, -3.0, 0.0, 1.0},
            {6.0, 1.0, -6.0, -5.0}
    };
    
    // 4 * 1 coefficient matrix b
    double[][] b = {
            {0.0},
            {-2.0},
            {-7.0},
            {6.0}
    };
    
    private void gaussj(double[][] a, int anrow, 
                        double[][] b, int bncol) {
        int icol = 0, irow = 0;
        double big, dum, pivinv;
        int n = anrow;
        int m = bncol;
        int[] indxr = new int[n], 
                indxc = new int[n], 
                ipiv = new int[n];
        System.out.println("Coefficident matrix :");
        output(a,4,b,1);
        for (int i = 0; i < n; i++) ipiv[i] = 0;
        for (int i = 0; i < n; i++) {
            big = 0.0;
            for (int j = 0; j < n; j++) {
                if (ipiv[j] != 1) {
                    for (int k = 0; k < n; k++) {
                        if (ipiv[k] == 0) {
                            if (Math.abs(a[j][k]) >= big) {
                                big = Math.abs(a[j][k]);
                                irow = j;
                                icol = k;
                            }
                        }
                    }
                }
            }
            ipiv[icol]= ipiv[icol] + 1;
            if (irow != icol) {
                for (int l = 0; l < n; l++) {
                    double mid = a[irow][l];
                    a[irow][l] = a[icol][l];
                    a[icol][l] = mid;
                }
                for (int l = 0; l < m; l++) {
                    double mid = b[irow][l];
                    b[irow][l] = b[icol][l];
                    b[icol][l] = mid;
                }
            }
            indxr[i] = irow;
            indxc[i] = icol;
            if (a[icol][icol] == 0.0) System.out.println("gaussj: Singular Matrix");
            pivinv = 1.0 / a[icol][icol];
            a[icol][icol] = 1.0;
            for (int l = 0; l < n; l++) {
                if (l != icol) {
                    a[icol][l] *= pivinv;
                }
            }
            for (int l = 0; l < m; l++) b[icol][l] *= pivinv;
            for (int ll = 0; ll < n; ll++) {
                if (ll != icol) {
                    dum = a[ll][icol];
                    a[ll][icol]=0.0;
                    for (int l = 0; l < n; l++) {
                        if (l != icol) {
                            a[ll][l] -= a[icol][l]*dum;
                        }
                    }
                    for (int l = 0; l < m; l++) b[ll][l] -= b[icol][l]*dum;
                }
            }
            System.out.println("After " + (i + 1) + " time(s) elimination:");
            output(a,4,b,1); 
        }                    
        for (int l=n-1;l>=0;l--) {
            if (indxr[l] != indxc[l]) {
                for (int k = 0; k < n; k++) {
                    double mid = a[k][indxr[l]];
                    a[k][indxr[l]] = a[k][indxc[l]];
                    a[k][indxc[l]] = mid;
                }
            }
        }
        System.out.println("The final solution matrix:");
        output(a,4,b,1);
    }
    
    private void output(double a[][], int anrow, double b[][], int bncol) {
        for (int i = 0; i < anrow; i++) {
            System.out.println(" | " + a[i][0] + " " + 
                    a[i][1] + " " + 
                    a[i][2] + " " + 
                    a[i][3] + " | " + b[i][0] + " | ");
        }
        System.out.println("-----------------------------------------------");
    }
    
    public GuassJ() {
        gaussj(a, 4, b, 1);
    }
    
    public static void main(String[] args) {
        new GuassJ();
    }

}

 

线性代数 --- Gauss消元的部分主元法和完全主元法
松下J27录放机
05-18 8120
Gauss消元的部分主元法和完全主元法
选主元的高斯-约旦（Gauss-Jordan）消元法解线性方程组/求逆矩阵
weixin_30532973的博客
01-05 889
做数据结构课设时候查的资料，主要是看求逆矩阵方面的知识的。 选主元的高斯-约当（Gauss-Jordan）消元法在很多地方都会用到，例如求一个矩阵的逆矩阵、解线性方程组（插一句：LM算法求解的一个步骤），等等。它的速度不是最快的，但是它非常稳定（来自网上的定义：一个计算方法，如果在使用此方法的计算过程中，舍入误差得到控制，对计算结果影响较小，称此方法为数值稳定的），同时它的求解过程也比较清晰...
Gauss-Jordan 消元法 解方程组
zhangxaochen的专栏
09-26 5712
原文链接：http://blog.csdn.net/zhangxaochen/article/details/8020668 书上的例程： 看这里： http://is.gd/VoBVUJ void NR::gaussj(Mat_IO_DP &a, Mat_IO_DP &b){ int i,icol,irow,j,k,l,ll; DP big,dum,pivinv; int
计算方法Gauss-Jordan消去法求线性方程组的解
野渡无人
04-08 4430
function x=GaussJordan(A,b)% 用Gauss-Jordan消去法求线性方程组的解% A为系数矩阵(要求解惟一，则必须为满秩方阵 n*n),b为右值 n*1% x为所求的根%作者：野渡无人% 最后修改日期：2008.3.27% 例如教材45页例3.1：% A=[1 4 -5;1 3 -2;6 -1 18], b=[3 2 2]% x=GaussJordan(A,b
求解线性方程组--全主元消去法
古的博客
08-27 3026
求解线性方程组--全主元消去法。 源代码用C++实现~~这里采用的是数值分析里的算法。 代码在VC6.0下编译通过，经测试没大问题。 /* 求解线性方程组--全主元消去法 */ #include &lt;iostream&gt; using namespace std; /* 二维数组动态分配模板 */ template &lt;class T&gt; T** Allocation2D...
求解线性方程组之Gauss_Jordan消去法
u011378809的专栏
07-22 1304
//具有最大主元素的Gauss_Jordan消去法求解线性方程组 #include #include #include using namespace std; class jordan { private:  int i, j, k, n, flag, scani, scanj, *row, *col;  double eps, pivot, aijcolk, *x, *
高斯消去法、列主元消去、全主元消去法解线性方程组和Gauss-Jordan消元法求矩阵
07-12
**Gauss-Jordan消元法**，也称为高斯-乔丹消元法，是一种更直接的求解线性方程组的方法。它将高斯消去法和矩阵的逆运算结合在一起，通过行初等变换将系数矩阵与单位矩阵一同变为单位阵，从而直接得到矩阵的逆，进而...
基于高斯消去法解线性方程组（MPI）
11-22
### 基于高斯消去法解线性方程组（MPI） #### 一、基本原理 在数学计算领域，解决线性方性组问题是一个常见且重要的任务。其中，高斯消去法是一种非常有效的方法。这种方法的核心是通过一系列变换将原线性方程组...
xianxingfangchengzu.rar_GAUSS ELIMINATION_Gauss-Jordan_Jordan_ma
09-20
3. **高斯-赛德尔迭代法（Gauss-Seidel Iteration）**：这是一种迭代求解线性方程组的方法，它比简单的高斯消去更高效，因为每次迭代时都会更新所有未知数的估计值，而不是只更新一部分。"Gaussseidel.m"是实现这个...
GaussJordan解线性方程组-matlab
12-19
matlab 编的，GaussJordan解线性方程组，没有用内部函数，方便使用
三种消元法（全主元、Gauss消去法、列主元）
04-23
三种消元法（全主元、Gauss消去法、列主元）三种消元法（全主元、Gauss消去法、列主元）三种消元法（全主元、Gauss消去法、列主元）三种消元法（全主元、Gauss消去法、列主元）
全主元法解方程组
06-04
这是数值计算第二章的第三个程序---全主元法解方程组。
全主元高斯消元法
12-28
c++写的全主元高斯消元法，代码清晰易懂，带有详细注释。
全选主元高斯消去法
02-14
求解方程组SUBROUTINE AGAUS(A,B,N,X,L,JS) DIMENSION A(N,N),X(N),B(N),JS(N) DOUBLE PRECISION A,B,X,T
矩阵的内涵! 对于逆矩阵的物理含义有帮助！
11-20 8058
如果不熟悉线性代数的概念，要去学习自然科学，现在看来就和文盲差不多。”，然而“按照现行的国际标准，线性代数是通过公理化来表述的，它是第二代数学模型，这就带来了教学上的困难。” * 矩阵究竟是什么东西？向量可以被认为是具有n个相互独立的性质（维度）的对象的表示，矩阵又是什么呢？我们如果认为矩阵是一组列（行）向量组成的新的复合向量的展开式，那么为什么这种展开式具有如此广泛的应用？特别是，为什么偏偏二
解线性方程组——直接解法：(Gauss)高斯消去法、列主元、全主元 | 北太天元 or matlab
最新发布
以算法实现为主
04-20 5144
线性方程组的直接解法:(Gauss)高斯消去法、列主元、全主元 。 主要以代码实现为主，使用软件：北太天元
计算方法-全主元高斯消元法解线性方程组（Matlab）
热门推荐
code_runner
09-23 1万+
高斯全主元消去法： 对于线性方程组 ，全选主元就是在 矩阵中选取绝对值最大的元素放在 的位置，然后进行消元，第二步是在 阶矩阵中重复上述步骤。
全主元高斯消去法求解线性方程组
zhutou1280的博客
11-28 1万+
本次采用全主元求解线性方程组，比上次的列主元消去法http://blog.csdn.net/qq_26025363/article/details/53044843更加的精确，上次列主元只是选出列中最大的那个数，这次选出行、列中最大的那个数当作主元，无疑增加了可靠性。 本次的算法是完全不同的算法，本次考虑了很多东西，节省了很多空间。输入n*n阶矩阵，和n阶向量，本次算法会改变输入矩阵和输出矩阵的值
使用Gauss消去法解决线性方程组的C程序实现
Gauss消去法是一种基本的数值线性代数方法，用于求解线性方程组。在数学中，一组线性方程可以表示为矩阵形式AX=B，其中A是系数矩阵，X是未知数向量，B是常数项向量。Gauss消去法通过一系列行操作（如行交换、行倍加...
评论 1
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