列主元素消去法

Lab06．Gauss 列主元素消去法实验【实验目的和要求】1．使学生深入理解并掌握Gauss 消去法和Gauss 列主元素消去法步骤； 2．通过对Gauss 消去法和Gauss 列主元素消去法的程序设计，以提高学生程序设计的能力；3．对具体问题，分别用Gauss 消去法和Gauss 列主元素消去法求解。

通过对结果的分析比较，使学生感受Gauss 列主元素消去法优点。

【实验内容】1．根据Matlab 语言特点，描述Gauss 消去法和Gauss 列主元素消去法步骤。

2．编写用不选主元的直接三角分解法解线性方程组Ax=b 的M 文件。

要求输出Ax=b 中矩阵A 及向量b ，A=LU 分解的L 与U ，det A 及解向量x 。

3．编写用Gauss 列主元素消去法解线性方程组Ax=b 的M 文件。

要求输出Ax=b 中矩阵A 及向量b 、PA=LU 分解的L 与U 、det A 及解向量x ，交换顺序。

4．给定方程组(1) ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--11134.981.4987.023.116.427.199.103.601.3321x x x(2) ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡----15900001.582012151********.23107104321x x x x 先用编写的程序计算，再将(1)中的系数3.01改为3.00，0.987改为0.990；将(2)中的系数2.099999改为2.1，5.900001改为9.5,再用Gauss 列主元素消去法解，并将两次计算的结果进行比较。

【实验仪器与软件】1．CPU 主频在1GHz 以上，内存在128Mb 以上的PC ；2．Matlab 6.0及以上版本。

实验讲评：实验成绩：评阅教师：200 年 月 日Lab06．Gauss 列主元素消去法实验第一题：1、算法描述：Ⅰ、Gauss 消去法由书上定理5可知 设Ax=b ，其中A ∈R^(n(1)如果()0(1,2,....,1)k kka k n ≠=-，则可通过高斯消去法将Ax=b 约化为等价的 角形线性方程组，且计算公式为：① 消元计算（k=1,2，….，n-1）()()(1)()()(1)()()/,1,...,,,,1,...,,,1,...,.k k ik ik kk k k k ij ij ik kj k k k iiik k m a a i k n a a m a i j k n b b m b i k n ++==+=-=+=-=+② 回带公式()()()()()1/,()/,1,...,2,1.n n n n nn ni i i i iii j ii j i x b a x ba x a i n =+==-=-∑（2）如果A 为非奇异矩阵，则可通过高斯消去法将方程组Ax=b 约化方程组为上三角矩阵以上消元和回代过程总的乘除法次数为332333nn nn +-≈，加减法次数为32353263nnn n+-≈以上过程就叫高斯消去法。

2012-2013（1）专业课程实践论文列主元素消去法范 宁：0818180102，R 数学08-1班夏之秋：0818180110，R 数学08-1班一、算法理论列主元素消去法既是选主元高斯消去法的一种，也是实际计算中常用的部分选主元消去法。

列主元素消去法则是对完全主元素消去法的又一次改进。

列主元素消去法在完全主元素消去法的基础上减少了在选主元素时所要花费的一定的计算时间。

设有线性方程组其中，A 为非奇异矩阵。

方程组的增广矩阵为首先在A 的第1列选取绝对值最大的元素作为主元素，即选择然后交换A 的第1行及第1i 行（交换后增广矩阵为简单起见仍记为]b ,[A ，其元素仍记为i j i b a ,）。

经过第1次消元计算得到及原方程组等价的方程组其中上述过程可记为 ]2[)2()2(]b ,[]b ,[A A →重复上述计算过程，现假设已完成第1-k 步的选主元素过程，交换两行并进行消元计此时]b ,[A 约化为其中)(k A 的元素仍记为j i a ，)(b k 的元素仍记为i b .第k 步选主元素（在)(k A 右下角方阵的第1列内选），即确定k i ，使 0max ,≠=≤≤ik n i k k i a a k交换]b ,[)()(k K A 第k 行及)1,,2,1(-=n k i k 行的元素，再进行消元计算，最后将原线性方程组化为回代可求解得 ⎪⎩⎪⎨⎧-=-==∑+=)1,2,,1(/)(/1 n i a x a b x a b x iin i j j ij i i nnn n二、算法框图三、算法程序#include <stdio.h>#include<conio.h>#include <math.h>#include <stdlib.h>#define max_dimension 20int n;static float a[max_dimension][max_dimension]; static float b[max_dimension];static float x[max_dimension];void main()int i;int j;int d;int row;float temp;float known_items;float l[max_dimension][max_dimension]; system("cls");printf("Please Input Matrix jieshu :");scanf("%d",&n);printf("\n");printf("Please Input Matrix Factors : ");printf("\n");for (i=0; i<n; i++)printf("input di %d hang dezhi:",i+1);for (j=0; j<n; j++)scanf("%f",&a[i][j]);printf("\n");printf("Please Input Changshu xiang: ");for (i=0; i<n; i++)scanf("%f",&b[i]);printf("The Augmented(zenguang) Matrix is :\n\n"); for (i=0; i<n; i++)for (j=0; j<n; j++)printf("%f",a[i][j]);printf("%f",b[i]);printf("\n");printf("\n");for (d=0; d<n-1;d++)row=d;for (i=d+1; i<n; i++)if(fabs(a[i][d])>fabs(a[row][d]))row=i;if (row!=d)for (j=d;j<n; j++)temp=a[row][j];a[row][j]=a[d][j];a[d][j]=temp;temp=b[row];b[row]=b[d];b[d]=temp;for (i=d+1; i<n; i++)l[i][d]=-a[i][d]/a[d][d];for (j=d;j<n; j++)a[i][j]=a[i][j]+a[d][j]*l[i][d];b[i]=b[i]+b[d]*l[i][d];printf("The shangsanjiaozenguang Matrix after predigestion is:\n\n");for (i=0; i<n; i++)for (j=0; j<n; j++)printf("%f",a[i][j]);printf("%f",b[i]);printf("\n");printf("\n");for (i=n-1; i>-1; i--)known_items=0;for (j=1; j<n-i; j++)known_items=known_items+a[i][i+j]*x[i+j];x[i]=(b[i]-known_items)/a[i][i];printf("The Root X is :\n\n");for (i=0; i<n; i++)printf("%.5f ",x[i]);printf("\n\n");getch();四、算法实现例1. 求解方程组：用四位浮点数进行计算，精确解舍入到四位有效数字为解：运行程序(1)显示 Please Input Matrix jieshu：输入的值为3，回车。

实验一姓名：专业：班级：实验题目：解线性方程组的直接法日期：一、实验目的及意义1)掌握Gausum消去法及Gausum列主元消去法，能用这两种方法求解方程组。

2)掌握追赶法;3)掌握高斯消去法进行到底的条件；4)了解选主元素高斯消去法的优点。

二、实验重点及难点1)列主元素消去法2）矩阵的ＬＵ分解三、实验条件1）每人一台计算机2）应用软件：Matlab四、实验要求1）验证Gausum列主元消去法2）设计LU分解法程序3）设计追赶法程序五、实验内容1)补充程序，使程序完整，用列主元素消去法解方程组⎪⎪⎪⎭⎫⎝⎛=⎪⎪⎪⎭⎫⎝⎛⎪⎪⎪⎭⎫⎝⎛2/52/11931423222321xxx。

function x=Gaussumxiaoqufa(A,b)% 用Gauss列主元消去法解线性方程组Ax=b n=length(b);x=zeros(n,1);c=zeros(1,n);% 寻找最大主元t=0;for i=1:n-1max=abs(A(i,i));m=i;for j=i+1:nif max<abs(A(j,i)) max=abs(A(j,i)); m=j; end end if m~=ifor k=1:nc(k)=A(i,k); A(i,k)=A(m,k); A(m,k)=c(k); end t=b(i); b(i)=b(m); b(m)=t; endfor k=i+1:n for j=i+1:nA(k,j)=A(k,j)-A(i,j)*A(k,i)/A(i,i); endb(k)=b(k)-b(i)*A(k,i)/A(i,i); A(k,i)=0; end end % 回代求解x(n)=b(n)/A(n,n); for i=n-1:-1:1 sum=0; for j=i+1:nsum=sum+A(i,j)*x(j); endx(i)=(b(i)-sum)/A(i,i); end2）补充程序，使程序完整，用LU 分解法解方程组⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎭⎫ ⎝⎛2/52/11931423222321x x x 。

实验名称：列主元消去法解方程组1 引言我们知道，高斯消去法是一个古老的解线性方程组的方法。

而在用高斯消去法解Ax=b时，其中设A为非奇异矩阵，可能出现的情况，这时必须进行带行交换的高斯消去法。

但在实际计算中即使但其绝对值很小时，用作除数，会导致中间结果矩阵元素数量级严重增长和舍入误差的扩散，使得最后的结果不可靠。

因此，小主元可能导致计算的失败，我们应该避免采用绝对值很小的主元素。

为此，我们在高斯消去法的每一步应该在系数矩阵或消元后的低阶矩阵中选取绝对值最大的元素作为主元素，保持乘数，以便减少计算过程中舍入误差对计算解的影响。

一种方式是完全主元消去法，这种消去法是在每次选主元时，选择为主元素。

这种方法是解低阶稠密矩阵方程组的有效方法，但这种方法在选取主元时要花费一定的计算机时间。

实际计算中我们常采用部分选主元的的消去法。

列主元消去法即在每次选主元时，仅依次按列选取绝对值最大的元素作为主元素，且仅交换两行，再进行消元计算。

2 实验目的和要求运用matlab编写一个.m文件，要求用列主元消去法求解方程组（实现PA=LU）：要求输出以下内容：（1）计算解x；（2） L,U；（3）整形数组IP（i）（i=1,2，…，n-1）（记录主行信息）3 算法原理与流程图（1）算法原理设有线性方程组Ax=b，其中设A为非奇异矩阵。

方程组的增广矩阵为第1步（k=1）：首先在A的第一列中选取绝对值最大的元素，作为第一步的主元素:，然后交换（A，b）的第1行与第i1行元素，再进行消元计算。

设列主元素消去法已经完成第1步到第k-1步的按列选主元，交换两行，消元计算得到与原方程组等价的方程组第k步计算如下：对于k=1，2，…，n-1（1）按列选主元：即确定ik使（2）如果，则A为非奇异矩阵，停止计算。

（3）如果ik≠k，则交换[A，b]第ik行与第k行元素。

（4）消元计算消元乘数满足:（5）回代求解计算解在常数项b(n)内得到。

高斯列主元消去法2.3高斯列主元消去法解线性方程组一：问题的提出我们都知道，高斯列主元素消去法是计算机上常用来求解线性方程组的一种直接的方法。

就是在不考虑舍入误差的情况下，经过有限步的四则运算可以得到线性方程组的准确解的一类方法。

实际运算的时候因为只能有限小数去计算，因此只能得到近似值。

在实际运算的时候，我们很多时候也常用高斯消去法。

但是高斯消去法在计算机中运算的时候常会碰到两个问题。

1．一旦遇到一些主元等于0，消元过程便无法进行下去。

2．在长期使用中还发现，即使消元过程能进行下去，但是当一些主元的绝对值很小时，求解出的结果与真实结果相差甚远。

为了避免高斯消去法消元过程中出现的上述两个问题，一般采用所谓的选择主元法。

其中又可以分为列选主元和全面选主元两种方法。

目前计算机上常用的按列选主元的方法。

因此我在这里做的也是列选主元高斯消去法。

二、算法的基本思想大家知道，如果一个线性方程组的系数矩阵是上三角矩阵时，即这种方程组我们称之为上三角方程组，它是很容易求解的。

我们只要把方程组的最下面的一个方程求解出来，在把求得的解带入倒数第二个方程，求出第二个解，依次往上回代求解。

然而，现实中大多数线性方程组都不是上面所说的上三角方程组，所以我们有可以把不是上三角的方程通过一定的算法化成上三角方程组，由此我们可以很方便地求出方程组的解。

高斯消元法的目的就是把一般线性方程组简化成上三角方程组。

于是高斯消元法的基本思想是：通过逐次消元将所给的线性方程组化为上三角形方程组，继而通过回代过程求解线性方程组。

三、算法的描述1、设有n元线性方程组如下：＝2、第一步：如果a11!=0,令li1= ai1/a11, I= 2,3,……,n用（-li1）乘第一个方程加到第i个方程上,得同解方程组：a(1)11a(1)12...a(1)1nx1b(1)1a(1)21a(1)22...a(1)2nx2b(1)2 .......=.a(1)n-11 a(1)n-12 . .a(1)n-1nxn-1b(1)n-1a(1)n1a(1)n2. . . a(1)nnxnb(1)n简记为：A(2)x=b(2)其中a(2)ij = a(1)ij – li1 a(1)1j ,I ,j = 2,3,..,nb(2)I = b(1)I – li1 b(1)1 ,I = 2,3,...,n第二步：如果a(2)22!=0,令li2= a（2）i2/a（2）22, I= 3,……,n依据同样的原理，对矩阵进行化间（省略），依次下去，直到完成！最后，得到上三角方程组：a(1)11a(1)12...a(1)1nx1b(1)1a(1)22 ...a(1)2nx2b(1)2 .......=.. .a(n-1)n-1nxn-1b(n-1)n-1. . . a(n)nnxnb(n)n简记为：A(n)x=b(n)最后从方程组的最后一个方程进行回代求解为：n = b(n) / a(n)nni = ( b(k)k - a(k)kjxj ) / a(k)kk以上为高斯消去法的基本过程。

不定方程组的通解一、引言在数学中，方程是研究数量关系的基本工具之一。

方程可以分为线性方程和非线性方程两大类。

而不定方程组则是非线性方程组的一个重要分支。

不定方程组是指含有未知数的多个方程的集合，其解满足所有这些方程。

本文将介绍不定方程组的通解及其求解方法。

首先会对不定方程组进行定义和分类，并介绍一些常见的不定方程组问题。

然后会详细介绍如何求解一般形式的不定方程组，并给出具体示例。

最后会总结本文所介绍的内容，并展望不定方程组在数学中的应用。

二、定义和分类2.1 定义不定方程组是指含有未知数的多个方程的集合，其解满足所有这些方程。

2.2 分类根据未知数和系数之间的关系，不定方程组可以分为以下几类：2.2.1 线性不定方程组线性不定方程组是指所有未知数都只有一次幂，并且系数都是常数的情况。

例如：3x + 4y = 75x - 2y = 12.2.2 二次不定方程组二次不定方程组是指至少有一个未知数的平方项，并且系数可以是常数或者其他未知数的情况。

例如：x^2 + y^2 = 25x^2 - y = 72.2.3 指数不定方程组指数不定方程组是指至少有一个未知数的指数项，并且系数可以是常数或者其他未知数的情况。

例如：3^x + 4^y = 135^x - 2^y = 9三、求解方法3.1 线性不定方程组的通解求解方法线性不定方程组的通解求解方法主要有以下几种：3.1.1 列主元素消去法列主元素消去法是线性代数中常用的一种求解线性方程组的方法。

通过选取系数矩阵中每一列中绝对值最大的元素作为主元，然后进行消去操作，最终得到行简化阶梯形矩阵。

根据行简化阶梯形矩阵可以直接得到线性方程组的通解。

3.1.2 克拉默法则克拉默法则是一种利用行列式求解线性方程组的方法。

通过构造增广矩阵，并计算系数矩阵和常数向量的行列式，可以得到线性方程组的解。

3.1.3 矩阵求逆法矩阵求逆法是一种利用矩阵的逆求解线性方程组的方法。

通过将系数矩阵和常数向量构造成增广矩阵，然后求出系数矩阵的逆矩阵，最后将逆矩阵与常数向量相乘，可以得到线性方程组的解。

Guass列选主元消去法和三⾓分解法 最近数值计算学了Guass列主消元法和三⾓分解法解线性⽅程组，具体原理如下：1、Guass列选主元消去法对于AX =B1）、消元过程：将（A|B）进⾏变换为，其中是上三⾓矩阵。

即：k从1到n-1a、列选主元选取第k列中绝对值最⼤元素作为主元。

b、换⾏c、归⼀化d、消元2）、回代过程：由解出。

2、三⾓分解法（Doolittle分解）将A分解为如下形式由矩阵乘法原理a、计算U的第⼀⾏，再计算L的第⼀列b、设已求出U的1⾄r-1⾏，L的1⾄r-1列。

先计算U的第r⾏，再计算L的第r列。

a）计算U的r⾏b）计算L的r列C#代码： 代码说明：Guass列主消元法部分将计算出来的根仍然储存在增⼴矩阵的最后⼀列，⽽Doolittle分解，将分解后的结果也储存⾄原来的数组中，这样可以节约空间。

using System;using System.Windows.Forms;namespace Test{public partial class Form1 : Form{public Form1(){InitializeComponent();}private void Cannel_Button_Click(object sender, EventArgs e){this.textBox1.Clear();this.textBox2.Clear();this.textBox3.Clear();boBox1.SelectedIndex = -1;}public double[,] GetNum(string str, int n){string[] strnum = str.Split(' ');double[,] a = new double[n, n + 1];int k = 0;for (int i = 0; i < n; i++){for (int j = 0; j < strnum.Length / n; j++){a[i, j] = double.Parse((strnum[k]).ToString());k++;}}return a;}public void Gauss(double[,] a, int n){int i, j;SelectColE(a, n);for (i = n - 1; i >= 0; i--){for (j = i + 1; j < n; j++)a[i, n] -= a[i, j] * a[j, n];a[i, n] /= a[i, i];}}//选择列主元并进⾏消元public void SelectColE(double[,] a, int n){int i, j, k, maxRowE;double temp; //⽤于记录消元时的因数for (j = 0; j < n; j++){maxRowE = j;for (i = j; i < n; i++)if (System.Math.Abs(a[i, j]) > System.Math.Abs(a[maxRowE, j]))maxRowE = i;if (maxRowE != j)swapRow(a, j, maxRowE, n); //与最⼤主元所在⾏交换//消元for (i = j + 1; i < n; i++){temp = a[i, j] / a[j, j];for (k = j; k < n + 1; k++)a[i, k] -= a[j, k] * temp;}}return;}public void swapRow(double[,] a, int m, int maxRowE, int n){int k;double temp;for (k = m; k < n + 1; k++){temp = a[m, k];a[m, k] = a[maxRowE, k];a[maxRowE, k] = temp;}}public void Doolittle(double[,] a, int n){for (int i = 0; i < n; i++){if (i == 0){for (int j = i + 1; j < n; j++)a[j, 0] = a[j, 0] / a[0, 0];}else{double temp = 0, s = 0;for (int j = i; j < n; j++){for (int k = 0; k < i; k++){temp = temp + a[i, k] * a[k, j];}a[i, j] = a[i, j] - temp;}for (int j = i + 1; j < n; j++){for (int k = 0; k < i; k++){s = s + a[j, k] * a[k, i];}a[j, i] = (a[j, i] - s) / a[i, i];}}}}private void Exit_Button_Click(object sender, EventArgs e){this.Close();}private void Confirm_Button_Click(object sender, EventArgs e){if (this.textBox2.Text.Trim().ToString().Length == 0){this.textBox2.Text = this.textBox1.Text.Trim();}else{this.textBox2.Text = this.textBox2.Text + "\r\n" + this.textBox1.Text.Trim();}this.textBox1.Clear();}private void Calculate_Button_Click(object sender, EventArgs e){string str = this.textBox2.Text.Trim().ToString();string myString = str.Replace("\n", " ").Replace("\r", string.Empty);double[,] a = new double[this.textBox2.Lines.GetUpperBound(0) + 1, this.textBox2.Lines.GetUpperBound(0) + 2];a = GetNum(myString, this.textBox2.Lines.GetUpperBound(0) + 1);if (boBox1.Text == "Guass列主消元法"){Gauss(a, this.textBox2.Lines.GetUpperBound(0) + 1);for (int i = 0; i < this.textBox2.Lines.GetUpperBound(0) + 1; i++){this.textBox3.Text = this.textBox3.Text + "\r\nX" + (i + 1) + "=" + a[i, this.textBox2.Lines.GetUpperBound(0) + 1]; }}else if (boBox1.Text == "Doolittle三⾓分解法"){this.textBox3.Enabled = true;Doolittle(a, this.textBox2.Lines.GetUpperBound(0) + 1);bel3.Text = "分解后的结果：";this.textBox3.Clear();this.textBox3.Text += "L矩阵：\r\n";for (int i = 0; i < this.textBox2.Lines.GetUpperBound(0) + 1; i++) {for (int j = 0; j < this.textBox2.Lines.GetUpperBound(0) + 1; j++) {if (j < i){this.textBox3.Text += a[i, j].ToString() + "\t";}else if (i == j){this.textBox3.Text += "1\t";}else{this.textBox3.Text += "0\t";}}this.textBox3.Text += "\r\n";}this.textBox3.Text += "\r\nU矩阵：\r\n";for (int i = 0; i < this.textBox2.Lines.GetUpperBound(0) + 1; i++) {for (int j = 0; j < this.textBox2.Lines.GetUpperBound(0) + 1; j++) {if (j >= i){this.textBox3.Text += a[i, j].ToString() + "\t";}else{this.textBox3.Text += "0\t";}}this.textBox3.Text += "\r\n";}}}private void textBox1_KeyDown(object sender, KeyEventArgs e){if (e.KeyCode == Keys.Enter){if (this.textBox1.Text.Trim().ToString().Length == 0){Calculate_Button_Click(sender, e);}else{Confirm_Button_Click(sender, e);}}}private void button1_Click(object sender, EventArgs e){this.textBox2.Enabled = true;}}} 运⾏截图： ⾄此完毕。

实验报告课程名称：___计算方法_________________指导老师：________________成绩：__________________ 实验名称：___列主元消去法________实验类型：________________同组学生姓名：__________ 一、实验目的和要求（必填） 二、实验内容和原理（必填） 三、主要仪器设备（必填） 四、操作方法和实验步骤 五、实验数据记录和处理 六、实验结果与分析（必填） 七、讨论、心得一、问题描述对于一般的线性方程组，只要把方程组化成了等价的三角形方程组，求解过程就很容易完成，Gauss 消去法就是将一般的线性方程组等价地变换为一个上三角方程组，然后用回代法求解。

但是如果在消元过程中，发现某个约化主元a kk （k ）=0，则第k 次消元就无法进行。

此外，即使所有约化主元全不为零，虽然可以完成方程组的求解，但是小主元的存在使计算结果误差较大。

因此，为了减少计算过程中舍入误差对解的影响，在每次消元前，应选择绝对值尽可能大的元作为约化的主元。

我们称这种消元法为主元消元法。

如果在子块的第一列中选取主元，则相应的方法称为列主元消元法。

二、相关公式设有线性方程组b =Ax其中，A 为非奇异矩阵。

方程组的增广矩阵为⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=n nnn n k i n n b a a a a b a a a b a a a A212222211112111]b ,[ 首先在A 的第1列选取绝对值最大的元素作为主元素，即选择0max 111,1≠=≤≤i ni i a a然后交换A 的第1行与第1i 行（交换后增广矩阵为简单起见仍记为]b ,[A ，其元素仍记为i j i b a ,）。

经过第1次消元计算得到与原方程组等价的方程组 (2))2(b x =A其中⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=)2()2(2)1(1)2()2()2(2)2(2)2(22)1(1)1(12)1(11)2(b n nn n nn b b b a a a a a a a A， 上述过程可记为 ]2[)2()2(]b ,[]b ,[A A →重复上述计算过程，现假设已完成第1-k 步的选主元素过程，交换两行并进行消元计 此时]b ,[A 约化为⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=)()()()()()()2(2)2(2)2(22)1(1)1(1)1(12)1(11)()(]b ,[k n k nnk nk k k k knk kk nn k k b a a b a a b a a b a a a A其中)(k A 的元素仍记为j i a ，)(b k 的元素仍记为i b .第k 步选主元素（在)(k A 右下角方阵的第1列内选），即确定k i ，使 0max ,≠=≤≤ik ni k k i a a k交换]b ,[)()(k K A 第k 行与)1,,2,1(-=n k i k 行的元素，再进行消元计算，最后将原线性方程组化为⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡n n nn n n b b b x x x a a a a a a 212122211211回代可求解得 ⎪⎩⎪⎨⎧-=-==∑+=)1,2,,1(/)(/1 n i a x a b x a b x iini j j ij i i nn n n三、Matlab程序function[x,flag]=Gauss(A,b)[n,m]=size(A);nb=length(b);if n~=merror('A²»ÊÇ·½Õó')return;endif m~=nberror('bµÄ³¤¶È²»µÈÓÚAµÄ½×Êý')return;endflag='OK';x=zeros(n,1);for k=1:n-1max=0;for i=k:nif abs(A(i,k))>maxmax=abs(A(i,k));r=i;endendif max<1e-10flag='failure';return;endif r>kfor j=k:nz=A(k,j);A(k,j)=A(r,j);A(r,j)=z;endz=b(k);b(k)=b(r);b(r)=z;endfor i=k+1:nm=A(i,k)/A(k,k);for j=k:nA(i,j)=A(i,j)-m*A(k,j);endb(i)=b(i)-m*b(k);endendif abs(A(n,n))<1e-10flag='failure';return;endfor k=n:-1:1for j=k+1:nb(k)=b(k)-A(k,j)*x(j);endx(k)=b(k)/A(k,k);endx(k)=b(k)/A(k,k);vpa(x)digits(5)end四、验算1 1 1 6取A= 0 2 -3 B= -50 -4 -1 -11运算正确五、实验心得通过这次实验，我更加深入的了解了课本上关于列主元消去法的知识。

列主元素消去法列主元素消去法（Gauss-Jordan 消元法）是一种线性代数中常用的消元方法，用于求解线性方程组的解。

这种方法的基本思想是，将线性方程组的增广矩阵通过一系列的初等变换，化为一个阶梯矩阵或行简化阶梯矩阵，从而得到线性方程组的解。

具体步骤如下：构造增广矩阵，即将系数矩阵和常数矩阵组合成一个矩阵。

将增广矩阵转化为一个上三角矩阵（也叫阶梯矩阵）。

反向消元，将阶梯矩阵转化为一个行简化阶梯矩阵。

根据简化矩阵求解方程组。

这种方法的优点是计算简单、容易理解，且可避免误差的积累。

但是，如果矩阵的规模较大，运算量会很大，计算时间较长。

此时可以使用更高效的算法，如LU分解、QR分解等。

假设有一个 $n$ 个未知量和 $n$ 个方程的线性方程组，可以写成矩阵形式如下：$Ax = b$其中，$A$ 是一个 $n \times n$ 的系数矩阵，$x$ 是一个 $n \times 1$ 的未知量向量，$b$ 是一个 $n \times 1$ 的常数向量。

为了求解 $x$，可以将方程组的增广矩阵表示如下：$\begin{bmatrix} a_{11} & a_{12} & a_{13} & \cdots & a_{1n} & b_{1} \ a_{21} & a_{22} & a_{23} & \cdots & a_{2n} & b_{2} \ \vdots & \vdots & \vdots & \ddots & \vdots & \vdots \ a_{n1} & a_{n2} & a_{n3} & \cdots & a_{nn} & b_{n} \end{bmatrix}$ 其中，$a_{ij}$ 表示矩阵的第 $i$ 行第 $j$ 列的元素。