运用Doolitle分解法解线性方程组

简介: 运用Doolitle分解法解线性方程组
#include<stdio.h>
const int maxn=1100;
double b[maxn],x[maxn],y[maxn];
double a[1100][1100];
double l[1100][1100];
double u[1100][1100];
int n;
int main(){
    scanf("%d",&n);
    for(int i=1;i<=n;i++)
        for(int j=1;j<=n;j++)
            scanf("%lf",&a[i][j]);
    for(int i=1;i<=n;i++) scanf("%lf",&b[i]);
    for(int i=1;i<=n;i++)
        l[i][i]=1;
    for(int k=1;k<=n;k++){
        if(k==1){
            for(int j=1;j<=n;j++) u[1][j]=a[1][j];   
            for(int i=2;i<=n;i++) l[i][1]=a[i][1]/u[1][1];
        }
        else{
            for(int j=k;j<=n;j++){
                double tmp=0;
                for(int s=1;s<=k-1;s++)
                    tmp+=l[k][s]*u[s][j];
                u[k][j]=a[k][j]-tmp;
            }
            for(int i=k+1;i<=n;i++){
                double tmp=0;
                for(int s=1;s<=k-1;s++)
                    tmp+=l[i][s]*u[s][k];
                l[i][k]=(a[i][k]-tmp)/u[k][k];
            }
        }
    }
    y[1]=b[1];
    for(int k=2;k<=n;k++){
        double tmp=0;
        for(int s=1;s<=k-1;s++)
            tmp+=l[k][s]*y[s];
        y[k]=b[k]-tmp;
    }
    x[n]=y[n]/u[n][n];
    for(int k=n-1;k;k--){
        double tmp=0;
        for(int s=k+1;s<=n;s++)
            tmp+=u[k][s]*x[s];
        x[k]=(y[k]-tmp)/u[k][k];
    }
    for(int i=1;i<=n;i++){
        for(int j=1;j<=n;j++) printf("%.6f ",l[i][j]);
        puts("");
    }
    for(int i=1;i<=n;i++){
        for(int j=1;j<=n;j++) printf("%.6f ",u[i][j]);
        puts("");
    }
    for(int i=1;i<=n;i++) printf("y[%d]=%.6f\n",i,y[i]);
    for(int i=1;i<=n;i++) printf("x[%d]=%.6f\n",i,x[i]);
    return 0;
}
/*
3
1 2 -1
1 -1 5
4 1 -2
3 0 2
*/
目录
相关文章
|
23天前
|
机器学习/深度学习 搜索推荐 数据挖掘
R语言矩阵特征值分解(谱分解)和奇异值分解(SVD)特征向量分析有价证券数据
R语言矩阵特征值分解(谱分解)和奇异值分解(SVD)特征向量分析有价证券数据
|
9月前
|
机器学习/深度学习 决策智能
矩阵分析 (五) 矩阵的分解
矩阵分析 (五) 矩阵的分解
|
11月前
|
人工智能
|
11月前
|
机器学习/深度学习 Python
二阶常系数非齐次线性微分方程的通解
二阶常系数非齐次线性微分方程的通解
二阶常系数齐次线性微分方程的通解
二阶常系数齐次线性微分方程的通解
|
人工智能 移动开发 算法
初等变换法求解线性方程组
初等变换法求解线性方程组
矩阵分析:正定矩阵
矩阵分析:正定矩阵
97 0
矩阵分析:正定矩阵
矩阵分析:特征值分解
矩阵分析:特征值分解
183 0
矩阵分析:特征值分解