MATLAB怎么求解线性方程组? 附完整代码和案例

2025-01-11 16:17:14 脚本之家

线性方程组的直接解法方法很多，包括Gauss消去法、选主元消去法、平方根法和追赶法等等。但是在MATLAB中，可以直接利用“\”或者“/”来解决问题。这两种方法的内部包含非常多的自适应算法，比如对超定方程使用最小二乘法；对欠定方程给出误差范数最小的一个解；对三对角阵方程组使用追赶法。

MathWorks MATLAB R2024b MacOS Apple Silicon/Inter 中文正式免费版

类型：商业效率
大小：18.0GB
语言：简体中文
时间：2024-09-13

查看详情

一. 直接求解：矩阵除法

对线性方程 A*X=B 求解，MATLAB调用格式如下：

x=A\B

调用此函数时，矩阵A、B必须具有相同的行数。如果矩阵A没有正确缩放或者接近奇异矩阵，运行代码时，MATLAB就会显示警告信息。

对矩阵A可以分成如下三种情况：

如果A是标量，那么A\B就等同于A.\B
如果A是 $n\times n$ 方阵，B是n行矩阵，那么A\B就是方程A*X=B的解
如果A是 $m\times n$ 矩阵，而且 $m\neq n$ ，B是m行矩阵，那么A\B返回方程组A*X=B的最小二乘解

例题1

解如下方程：

解：

MATLAB代码如下：

clc;clear;
A=[0.4096 0.1234 0.3678 0.2943;0.2246 0.3872 0.4015 0.1129;
    0.3645 0.1920 0.3781 0.0643;0.1784 0.4002 0.2786 0.3927];
b=[0.4043;0.1150;0.4240;-0.2557];
x=A\b;
x' %将结果输出为行向量

运行结果：

ans =

0.332683779325239
-1.412140862756104
1.602847655449206
-0.500293786006566

例题2

A为4阶的幻方矩阵，求解线性方程组Ax=b。b的表达式如下：

$b=\begin{bmatrix}34\\34\\34\\34 \end{bmatrix}$

备注：幻方矩阵的定义：如果一个数组具有相同行列且每行，每列和对角线上的和都一样，则成这些数组则成为魔方矩阵，又叫幻方矩阵。

解：

MATLAB代码如下：

clc;clear;
A=magic(4); %生成四阶的幻方矩阵
b=[34;34;34;34];
x=A\b;
x'

运行结果：

ans =

0.980392156862745
0.941176470588235
1.058823529411765
1.019607843137255

分析：

4阶的幻方矩阵是奇异矩阵，奇异矩阵也能求解，但是MATLAB会生成警告，警告信息如下：

警告: 矩阵接近奇异值，或者缩放错误。结果可能不准确。RCOND = 4.625929e-18。;

例题3

对线性方程组Ax=b进行求解，并分析是否有误差。A，b矩阵如下：

$A=\begin{bmatrix}1&2&0\\0&4&3 \end{bmatrix}$ ， $b=\begin{bmatrix}8\\18 \end{bmatrix}$

解：

MATLAB代码如下：

clc;clear;
A=[1 2 0;0 4 3];
b=[8;18];
x=A\b
E=norm(b-A*x) %求范数误差

运行结果：

x =

0
3.999999999999997
0.666666666666670

E =

7.160723346098895e-15

分析：此方程属于欠定方程，MATLAB采用最小二乘法进行求解，所以会出现误差

另外最后举一个利用稀疏矩阵对简单线性方程组Ax=B进行求解。

MATLAB代码：

clc;clear;
A=sparse([0 2 0 1 0;4 -1 -1 0 0;0 0 0 3 -6;-2 0 0 0 2;0 0 4 2 0]);%稀疏矩阵
B=sparse([8;-1;-18;8;20]); %稀疏矩阵
x=A\B
E1=norm(B-A*x) %范数误差

运行结果：

x =

(1,1) 1.000000000000000
(2,1) 2.000000000000000
(3,1) 3.000000000000000
(4,1) 4.000000000000001
(5,1) 5.000000000000001

E1 =

4.189529226675416e-15

二. 直接求解：判断求解

给定矩阵A,B如下：

形成解的判定矩阵C如下：

$C=\begin{bmatrix}a_{11}&a_{12}&\cdots&a_{1n}&b_{11}&b_{12}&\cdots&b_{1p}\\ a_{21}&a_{22}&\cdots&a_{2n}&b_{21}&b_{22}&\cdots&b_{2p}\\ \vdots&\vdots&\ddots&\vdots&\vdots&\vdots&\ddots&\vdots\\ a_{m1}&a_{m2}&\cdots&a_{mn}&b_{m1}&b_{m2}&\cdots&b_{mp} \end{bmatrix}$

线性方程组有解的判断定理将分成三种情况：

2.1 m=n且rank(A)=rank(C)=n

此时，方程组有唯一的解 $x=A^{-1}B$

例题4

求解如下方程组：

$\begin{bmatrix}1&2&3&4\\ 4&3&2&1\\ 1&3&2&4\\ 4&1&3&2 \end{bmatrix}X=\begin{bmatrix}5&1\\4&2\\3&3\\2&4 \end{bmatrix}$

解：

MATLAB代码如下：

clc;clear;
A=[1 2 3 4;4 3 2 1;1 3 2 4;4 1 3 2];
B=[5 1;4 2;3 3;2 4];
C=[A B];
%判定前提条件
rank_A=rank(A)
rank_C=rank(C)
%求解
x1=inv(A)*B
%计算范数误差
E1=norm(A*x1-B)
%计算精确解
x2=inv(sym(A))*B
%计算范数误差
E2=norm(A*x2-B)

运行结果：

rank_A =4
rank_C = 4

x1 =

-1.800000000000000 2.399999999999999
1.866666666666666 -1.266666666666667
3.866666666666667 -3.266666666666667
-2.133333333333333 2.733333333333333

E1 =7.291088482824584e-15

x2 =

[ -9/5, 12/5]
[28/15, -19/15]
[ 58/15, -49/15]
[ -32/15, 41/15]

E2 =0

2.2 rank(A)=rank(C)=r<n

此时方程组有无穷多个解。将原方程组可以转化为对应的齐次方程组的解，形式如下：

$\hat x=\alpha_1x_1+\alpha_2x_2+\ldots+\alpha_{n-r}x_{n-r},\quad \alpha_i,i=1,2,\cdots,n-r$

此时需要求取A矩阵的化零矩阵，MATLAB格式如下：

Z=null(A)

或者求取A矩阵的化零矩阵的规范形式，MATLAB格式如下：

Z=null(A,'r')

例题5

求解以下方程组:

$\begin{bmatrix}1&2&3&4\\ 2&2&1&1\\ 2&4&6&8\\ 4&4&2&2 \end{bmatrix}X=\begin{bmatrix}1\\3\\2\\6 \end{bmatrix}$

解：

MATLAB代码如下：

clc;clear;
A=[1 2 3 4;2 2 1 1;2 4 6 8;4 4 2 2];
B=[1;3;2;6];
C=[A B];
%判断可解性
rank=[rank(A),rank(C)]
%求解出规范化的化零空间
Z=null(sym(A))
%求特解
x0=sym(pinv(A)*B)
%验证得出的解
a1=randn(1);
a2=rand(1); %a1和a2是不同分布的随机数
x1=a1*Z(:,1)+a2*Z(:,2)+x0;
E=norm(double(A*x1-B))
%将通解表示出来
syms a3 a4;
x2=a3*Z(:,1)+a4*Z(:,2)+x0

运行结果：

rank =2

分析：说明有解，且解不止一个

Z =

[ 2, 3]
[ -5/2, -7/2]
[ 1, 0]
[ 0, 1]

分析：此结果可以解释为，如下等式：

$\begin{bmatrix}x_1\\x_2\\x_3\\x_4 \end{bmatrix}=\begin{bmatrix}2&3\\-2.5&-3.5\\1&0\\0&1 \end{bmatrix}\begin{bmatrix}x_3\\x_4 \end{bmatrix}$

x0 =

125/131
96/131
-10/131
-39/131

E =0

分析：此方法求出的结果没有误差

x2 =

2*a3 + 3*a4 + 125/131
96/131 - (7*a4)/2 - (5*a3)/2
a3 - 10/131
a4 - 39/131

分析：此结果可以写成通式如下：

$\begin{bmatrix}x_1\\x_2\\x_3\\x_4 \end{bmatrix}=a_3\begin{bmatrix}2\\-2.5\\1\\0 \end{bmatrix}+a_4\begin{bmatrix}3\\-3.5\\0\\1 \end{bmatrix}+\begin{bmatrix}0.9542\\0.7328\\-0.0763\\-0.2977 \end{bmatrix}$

2.3 $rank(A)\leq rank(C)$

此时只能采用摩尔-彭罗斯（Moore-Penrose）广义逆求解出其最小二乘法，MATLAB格式如下：

x=pinv(A)*B

这种方法只能使误差范数测度||Ax-B||取的最小值，并不能完全符合原始的代数方程。

三. 矩阵求逆解线性方程组

通过反转系数矩阵A，也可以实现对线性方程组Ax=b的求解。不幸的是，与之前反斜杠计算的方法相比，此方法的运算速度会更慢，残差也相对较大。但其实，它也有它的优点，我们来看一道例题。

例题 6

利用八阶的幻方矩阵，来比较MATLAB中x1=A\b和x2=pinv(A)*b两种求解方法的精确度。

解：

MATLAB代码如下：

clc;clear;
A=magic(8);
A1=A(:,1:6); %行数全取，列数保留1~6列，具体原因见"分析"
rank_A1=rank(A1)
b=260*ones(8,1); %260是原A矩阵的幻数和
%使用反斜杠法求解
x1=A1\b
norm_x1=norm(x1)
E1=norm(A1*x1-b)
%使用pinv()函数求解
x2=pinv(A1)*b
norm_x2=norm(x2)
E2=norm(A1*x2-b)

运行结果：

rank_A1 =3

警告: 秩亏，秩 = 3，tol = 1.882938e-13。

（由于A1矩阵非方阵，所以运算秩时矩阵出现警告，与矩阵秩相关的介绍可以看以下文章）

基于MATLAB的矩阵性质：行列式，秩，迹，范数，特征多项式与矩阵多项式_唠嗑！的博客-CSDN博客

x1 =

2.999999999999998
4.000000000000000
0
0
1.000000000000002
0

norm_x1 =5.099019513592784
E1 =1.392373714442771e-13

x2 =

1.153846153846151
1.461538461538463
1.384615384615385
1.384615384615383
1.461538461538461
1.153846153846153

norm_x2 =3.281650616569467
E2 =4.019436694230464e-13

分析：

（1）将A矩阵转换为A1，因为当只有六列时，方程仍然是一致的，依旧存在解，而且解并非全由1组成。另外，由于矩阵低秩，所以会有无数个解。
（2）根据范数误差计算的结果，两种求解方法精度一致

（3）解x1的特殊之处在于它只有三个非零元素；解x2的特殊之处在于它的norm(x2)非常小

栏目导航

MATLAB怎么求解线性方程组? 附完整代码和案例

一. 直接求解：矩阵除法

例题1

解：

例题2

解：

例题3

解：

二. 直接求解：判断求解

例题4

解：

例题5

解：

三. 矩阵求逆解线性方程组

例题 6

解：