我需要使用C、Objective-C或者(如果需要)C++来编写程序解决一组线性方程组。
以下是一个方程组的例子:
-44.3940 = a * 50.0 + b * 37.0 + tx
-45.3049 = a * 43.0 + b * 39.0 + tx
-44.9594 = a * 52.0 + b * 41.0 + tx
根据此,我想获得a
、b
和tx
的最佳近似值。
我需要使用C、Objective-C或者(如果需要)C++来编写程序解决一组线性方程组。
以下是一个方程组的例子:
-44.3940 = a * 50.0 + b * 37.0 + tx
-45.3049 = a * 43.0 + b * 39.0 + tx
-44.9594 = a * 52.0 + b * 41.0 + tx
根据此,我想获得a
、b
和tx
的最佳近似值。
-44.3940 = 50a + 37b + c (A)
-45.3049 = 43a + 39b + c (B)
-44.9594 = 52a + 41b + c (C)
(A-B): 0.9109 = 7a - 2b (D)
(B-C): 0.3455 = -9a - 2b (E)
(D-E): 1.2564 = 16a (F)
(F/16): a = 0.078525 (G)
Feed G into D:
0.9109 = 7a - 2b
=> 0.9109 = 0.549675 - 2b (substitute a)
=> 0.361225 = -2b (subtract 0.549675 from both sides)
=> -0.1806125 = b (divide both sides by -2) (H)
Feed H/G into A:
-44.3940 = 50a + 37b + c
=> -44.3940 = 3.92625 - 6.6826625 + c (substitute a/b)
=> -41.6375875 = c (subtract 3.92625 - 6.6826625 from both sides)
所以你最终得到:
a = 0.0785250
b = -0.1806125
c = -41.6375875
如果你将这些值插回到A、B和C中,你会发现它们是正确的。 7a + 2b = 50
14a + 4b = 100
它们是同一个方程乘以二,因此您无法从中得出解-将第一个乘以二然后减去会留下真实但无用的陈述:
0 = 0 + 0
以下是一些 C 代码的示例,可以解决你在问题中提到的同时方程。首先是必要的类型、变量、支持输出等式的函数,以及 main
的开头:
#include <stdio.h>
typedef struct { double r, a, b, c; } tEquation;
tEquation equ1[] = {
{ -44.3940, 50, 37, 1 }, // -44.3940 = 50a + 37b + c (A)
{ -45.3049, 43, 39, 1 }, // -45.3049 = 43a + 39b + c (B)
{ -44.9594, 52, 41, 1 }, // -44.9594 = 52a + 41b + c (C)
};
tEquation equ2[2], equ3[1];
static void dumpEqu (char *desc, tEquation *e, char *post) {
printf ("%10s: %12.8lf = %12.8lfa + %12.8lfb + %12.8lfc (%s)\n",
desc, e->r, e->a, e->b, e->c, post);
}
int main (void) {
double a, b, c;
接下来,将三元方程组缩减为二元方程组:
// First step, populate equ2 based on removing c from equ.
dumpEqu (">", &(equ1[0]), "A");
dumpEqu (">", &(equ1[1]), "B");
dumpEqu (">", &(equ1[2]), "C");
puts ("");
// A - B
equ2[0].r = equ1[0].r * equ1[1].c - equ1[1].r * equ1[0].c;
equ2[0].a = equ1[0].a * equ1[1].c - equ1[1].a * equ1[0].c;
equ2[0].b = equ1[0].b * equ1[1].c - equ1[1].b * equ1[0].c;
equ2[0].c = 0;
// B - C
equ2[1].r = equ1[1].r * equ1[2].c - equ1[2].r * equ1[1].c;
equ2[1].a = equ1[1].a * equ1[2].c - equ1[2].a * equ1[1].c;
equ2[1].b = equ1[1].b * equ1[2].c - equ1[2].b * equ1[1].c;
equ2[1].c = 0;
dumpEqu ("A-B", &(equ2[0]), "D");
dumpEqu ("B-C", &(equ2[1]), "E");
puts ("");
接下来,将两个包含两个未知数的方程式化简为一个包含一个未知数的方程式:
// Next step, populate equ3 based on removing b from equ2.
// D - E
equ3[0].r = equ2[0].r * equ2[1].b - equ2[1].r * equ2[0].b;
equ3[0].a = equ2[0].a * equ2[1].b - equ2[1].a * equ2[0].b;
equ3[0].b = 0;
equ3[0].c = 0;
dumpEqu ("D-E", &(equ3[0]), "F");
puts ("");
现在我们有一个类似于 number1 = unknown * number2
的公式,我们可以用 unknown <- number1 / number2
简单地计算未知值。然后,一旦你找到了这个值,将其代入其中一个含有两个未知数的方程中并计算出第二个值。然后将这些(现在已知的)未知数代入最初的一个方程中,你现在就有了三个未知数的值:
// Finally, substitute values back into equations.
a = equ3[0].r / equ3[0].a;
printf ("From (F ), a = %12.8lf (G)\n", a);
b = (equ2[0].r - equ2[0].a * a) / equ2[0].b;
printf ("From (D,G ), b = %12.8lf (H)\n", b);
c = (equ1[0].r - equ1[0].a * a - equ1[0].b * b) / equ1[0].c;
printf ("From (A,G,H), c = %12.8lf (I)\n", c);
return 0;
}
这段代码的输出与此答案中之前的计算结果相匹配:
>: -44.39400000 = 50.00000000a + 37.00000000b + 1.00000000c (A)
>: -45.30490000 = 43.00000000a + 39.00000000b + 1.00000000c (B)
>: -44.95940000 = 52.00000000a + 41.00000000b + 1.00000000c (C)
A-B: 0.91090000 = 7.00000000a + -2.00000000b + 0.00000000c (D)
B-C: -0.34550000 = -9.00000000a + -2.00000000b + 0.00000000c (E)
D-E: -2.51280000 = -32.00000000a + 0.00000000b + 0.00000000c (F)
From (F ), a = 0.07852500 (G)
From (D,G ), b = -0.18061250 (H)
From (A,G,H), c = -41.63758750 (I)
请查看Microsoft Solver Foundation。
使用它,您可以编写如下代码:
SolverContext context = SolverContext.GetContext();
Model model = context.CreateModel();
Decision a = new Decision(Domain.Real, "a");
Decision b = new Decision(Domain.Real, "b");
Decision c = new Decision(Domain.Real, "c");
model.AddDecisions(a,b,c);
model.AddConstraint("eqA", -44.3940 == 50*a + 37*b + c);
model.AddConstraint("eqB", -45.3049 == 43*a + 39*b + c);
model.AddConstraint("eqC", -44.9594 == 52*a + 41*b + c);
Solution solution = context.Solve();
string results = solution.GetReport().ToString();
Console.WriteLine(results);
以下是输出结果:
===Solver Foundation 服务报告===
日期时间:04/20/2009 23:29:55
模型名称:默认
所需功能:线性规划
求解时间(毫秒):1027
总时间(毫秒):1414
求解完成状态:最优
选择的求解器:Microsoft.SolverFoundation.Solvers.SimplexSolver
指令:
Microsoft.SolverFoundation.Services.Directive
算法:原始对偶法
算术运算:混合运算
定价(精确):默认
定价(双倍):陡峭边缘
基础:松弛变量
旋转次数:3
===解决方案详细信息===
目标:
决策:
a: 0.0785250000000004
b: -0.180612500000001
c: -41.6375875
对于一个3x3的线性方程组,我猜你可以自己编写算法。
然而,你可能需要担心精确度、除零或非常小的数字以及无限多个解的处理。我的建议是使用标准的数值线性代数包,如LAPACK。
NIST模板数值工具包提供了相关工具。
其中一种更可靠的方法是使用QR分解。
这里有一个示例包装器,这样我就可以在我的代码中调用“GetInverse(A,InvA)”,并将逆矩阵放入InvA中。
void GetInverse(const Array2D<double>& A, Array2D<double>& invA)
{
QR<double> qr(A);
invA = qr.solve(I);
}
Array2D在库中定义。
> y <- c(-44.394, -45.3049, -44.9594)
> a <- c(50.0, 43.0, 52.0)
> b <- c(37.0, 39.0, 41.0)
> regression = lm(y ~ a + b)
> regression
Call:
lm(formula = y ~ a + b)
Coefficients:
(Intercept) a b
-41.63759 0.07852 -0.18061
就我个人而言,我偏爱Numerical Recipes的算法。(我喜欢C++版本。)
这本书将教你为什么算法有效,并向你展示那些算法经过了良好调试的实现。
当然,你也可以盲目地使用CLAPACK(我曾经非常成功地使用过),但我建议你首先手动输入高斯消元算法,至少对这些算法的稳定性有一些模糊的概念。
如果你正在进行更有趣的线性代数工作,查看Octave源代码将会解决很多问题。
function x = LinSolve(A,y)
%
% Recursive Solution of Linear System Ax=y
% matlab equivalent: x = A\y
% x = n x 1
% A = n x n
% y = n x 1
% Uses stack space extensively. Not efficient.
% C allows recursion, so convert it into C.
% ----------------------------------------------
n=length(y);
x=zeros(n,1);
if(n>1)
x(1:n-1,1) = LinSolve( A(1:n-1,1:n-1) - (A(1:n-1,n)*A(n,1:n-1))./A(n,n) , ...
y(1:n-1,1) - A(1:n-1,n).*(y(n,1)/A(n,n)));
x(n,1) = (y(n,1) - A(n,1:n-1)*x(1:n-1,1))./A(n,n);
else
x = y(1,1) / A(1,1);
end
A(n,n)
是零呢? - Evgeni Sergeev