個(gè)人信貸風(fēng)險(xiǎn)評(píng)估模型建立

個(gè)人信貸風(fēng)險(xiǎn)評(píng)估模型建立個(gè)人信貸風(fēng)險(xiǎn)評(píng)估模型建立摘要隨著我國商業(yè)銀行個(gè)人消費(fèi)貸款突飛猛進(jìn)的發(fā)展，總量和規(guī)模與日俱增，個(gè)人消費(fèi)貸款違約事件也屢見不鮮，因此商業(yè)銀行個(gè)人消費(fèi)貸款客戶的信用評(píng)價(jià)也更顯重要。本文通過合理假設(shè)數(shù)學(xué)模型，研究確定銀行個(gè)人信貸風(fēng)險(xiǎn)的評(píng)估標(biāo)準(zhǔn)。在實(shí)際中，影響貸款風(fēng)險(xiǎn)性的因素涉及很多方面，我們?cè)陬}目中所給因素的基礎(chǔ)上，選擇和添加了十組較為重要的影響因素，并對(duì)其進(jìn)行量化處理。論文內(nèi)容可分為三個(gè)層次：首先，我們?cè)趯?duì)大量真實(shí)樣本數(shù)據(jù)分析的基礎(chǔ)上，確定了信貸風(fēng)險(xiǎn)評(píng)分中十項(xiàng)影響因素的取值，并通過矩陣運(yùn)算、程序設(shè)計(jì)、均值算法、數(shù)據(jù)統(tǒng)計(jì)、方程求解等方法，確定了各項(xiàng)指標(biāo)的評(píng)分系數(shù)，進(jìn)而最終確定了評(píng)估個(gè)人信貸風(fēng)險(xiǎn)的評(píng)分函數(shù)；其次，在確定評(píng)分函數(shù)的基礎(chǔ)上計(jì)算貸款評(píng)分的臨界值，并依次對(duì)客戶進(jìn)行信用評(píng)分等級(jí)劃分；最后，隨機(jī)選擇了十位客戶的數(shù)據(jù)進(jìn)行檢驗(yàn)，得出通過建立的評(píng)估模型和所求的數(shù)據(jù)與實(shí)際情況基本一致，且具有簡(jiǎn)便、易用的特點(diǎn)。一、問題的提出2008年9月美國金融市場(chǎng)風(fēng)云再起，雷曼兄弟控股公司破產(chǎn)，美洲銀行收購美林集團(tuán)和AIG集團(tuán)陷入危機(jī)。由此引發(fā)了美國金融市場(chǎng)的強(qiáng)烈震撼，并在國際金融市場(chǎng)掀起滔天巨浪，曠日持久的美國次貸危機(jī)中與演變成一場(chǎng)嚴(yán)峻的全球經(jīng)濟(jì)危機(jī)，未及一年多來，貿(mào)易驟減，企業(yè)倒閉，失業(yè)增加，各國經(jīng)濟(jì)特別是發(fā)達(dá)國家的經(jīng)濟(jì)呈現(xiàn)出一片蕭條的景象?！肮艦榻裼?，史為實(shí)用”前車之鑒，反思效實(shí)。所以，次貸風(fēng)險(xiǎn)的度量和防范就成為當(dāng)前一個(gè)重要研究?jī)?nèi)容，而次貸風(fēng)險(xiǎn)的防范應(yīng)該從信貸開始。因此，研究分析銀行的客戶信用程度，償還能力等指標(biāo)對(duì)銀行的更好運(yùn)作有著舉足輕重的作用。二、問題分析中國人民銀行頒布的《關(guān)于開展個(gè)人消費(fèi)信貸指導(dǎo)意見》中要求各中資商業(yè)銀行加大對(duì)消費(fèi)貸款的支持力度，刺激消費(fèi)從而帶動(dòng)經(jīng)濟(jì)發(fā)展。個(gè)人消費(fèi)貸款將成為銀行貸款投向的一個(gè)重點(diǎn)，但是消費(fèi)貸款不同于其他貸款，其客戶分散，貸款規(guī)模較小，且筆數(shù)多，成本高，風(fēng)險(xiǎn)遠(yuǎn)遠(yuǎn)高于其他貸款。所以銀行應(yīng)當(dāng)加強(qiáng)消費(fèi)信貸風(fēng)險(xiǎn)管理，建立健全信貸風(fēng)險(xiǎn)管理機(jī)制及評(píng)分標(biāo)準(zhǔn)，以保證貸款的安全性。而對(duì)貸款進(jìn)行風(fēng)險(xiǎn)評(píng)估和量化研究則是銀行信貸風(fēng)險(xiǎn)管理的一個(gè)必要手段。我們首先通過對(duì)深圳某銀行消費(fèi)信貸樣本數(shù)據(jù)的分析，并對(duì)風(fēng)險(xiǎn)評(píng)價(jià)值與所選取的十個(gè)重要因素的關(guān)系進(jìn)行假設(shè)，通過運(yùn)算得出了對(duì)應(yīng)的評(píng)價(jià)系數(shù)C、評(píng)價(jià)函數(shù)Y、臨界i值y和等級(jí)梯度值A(chǔ)AA+、AAA、AA+、AA、A+、A、B、C。且用已有的數(shù)據(jù)去檢驗(yàn)C評(píng)價(jià)函數(shù)及信貸風(fēng)險(xiǎn)標(biāo)準(zhǔn)中的等級(jí)梯度值，使模型符合實(shí)際。三、模型的假設(shè)及符號(hào)說明模型的假設(shè)：（1）根據(jù)實(shí)際選取十項(xiàng)影響信貸風(fēng)險(xiǎn)的重要因素（理想狀態(tài)下忽略其他次要因素的影響）。（2）各項(xiàng)影響因素評(píng)價(jià)系數(shù)與所取值的關(guān)系是線性的。（3）各影響因素的量化值與實(shí)際相符。（4）評(píng)分標(biāo)準(zhǔn)的臨界值是組A、B評(píng)分值的加權(quán)平均數(shù)。符號(hào)說明：Y:樣本數(shù)據(jù)的評(píng)分值iC:對(duì)應(yīng)影響因素的評(píng)分系數(shù)iX:各影響因素實(shí)際數(shù)據(jù)的屬性量化值ijY0、Yi：樣本數(shù)據(jù)評(píng)分值的算數(shù)平均值X0、X1：A組、B組原始數(shù)據(jù)的量化值sitiX°、Xi：A組、B組數(shù)據(jù)各列的平均值iiA=「X°-X°_TOC\o"1-5"\h\z一sii-b=rxi-xi_—tii—S=-（A+B）2Y°、Y-:A組、B組評(píng)分值的平均水平ABY/是否貸款的臨界值四、模型的建立信貸風(fēng)險(xiǎn)評(píng)估模型是評(píng)價(jià)借款者信用可靠性的定量技術(shù)，通過對(duì)銀行大量個(gè)人消費(fèi)貸款的調(diào)査分析建立這一模型。本模型主要通過對(duì)貸款者的年齡、婚姻狀況、文化程度分期付款占收入的比重、擔(dān)保情況、單位性質(zhì)等方面評(píng)估信貸風(fēng)險(xiǎn)，涉及十個(gè)因素，它們是：1?年齡：c0為年齡評(píng)分系數(shù)，X為貸款申請(qǐng)者實(shí)際年齡的屬性評(píng)分。30歲以下記為1分，30?40歲記為3分，40?49歲記為5分，50?65記為4分，65歲以上記為2分。2?婚姻狀況：q為婚姻狀況評(píng)分系數(shù)，￡為貸款申請(qǐng)者實(shí)際婚姻狀況的屬性評(píng)分。未婚記2分，已婚無子女記4分，已婚有子女記5分。3.文化程度：C2為文化程度評(píng)分系數(shù)，X為貸款申請(qǐng)者實(shí)際文化程度的屬性評(píng)分。高等教育記為5分，中等教育記為3分，初等教育記為1分。4?單位性質(zhì)：C3為單位性質(zhì)評(píng)分系數(shù)，X為貸款申請(qǐng)者單位性質(zhì)的屬性評(píng)分。事業(yè)單位記5分，企業(yè)單位記4分，個(gè)體記3分，其他記2分，無單位記1分。5?職稱：C4為職稱評(píng)分系數(shù)，X4為貸款申請(qǐng)者職稱的屬性評(píng)分。高級(jí)職稱記為5分，中級(jí)職稱記為3分，初級(jí)職稱記為1分。6?月收入：C5為月收入評(píng)分系數(shù)，X5為貸款申請(qǐng)者實(shí)際月收入的屬性評(píng)分。3萬以上記為5分，3萬?2萬記為4分，2萬?1萬記為3分，1萬?5000記為2分，5000以下記為1分。7?分期付款占收入的比重：C6為分期付款占收入比重的評(píng)分系數(shù)，X6為貸款申請(qǐng)者分期付款占實(shí)際月收入比重的屬性評(píng)分。大于40%記為1分,30%?40%記為2分,20%?30%記為3分,10%?20%記為4分，10%以下記為5分。8?擔(dān)保情況:C7為擔(dān)保情況評(píng)分系數(shù),X為貸款申請(qǐng)者實(shí)際擔(dān)保情況屬性評(píng)分。有擔(dān)保記為3分，無擔(dān)保記為1分。9?身體情況:C8為身體情況評(píng)分系數(shù),X8為貸款申請(qǐng)者實(shí)際身體情況屬性評(píng)分。良好記為3分，一般記為2分，差記為1分。10?貸款期限：C9為貸款期限評(píng)分系數(shù)，X為貸款申請(qǐng)者實(shí)際貸款期限屬性評(píng)分。5年以上記為1分,5年?4年記為2分,4年?3年記為3分,3年?2年記為2分，2年?1年記為1分。以上十項(xiàng)得分的總和：YM0X0+C1X1+C2X2+C3X3+C4X4+C5X5+C6X6+C7X7+C8X8+C9X9記為該筆貸款的信貸評(píng)分。（各信貸風(fēng)險(xiǎn)影響因素的量化值見附錄一）。下面根據(jù)收集的貸款樣本資料，求出各評(píng)分c.。從消費(fèi)貸款的非違約貸款和違約

i貸款中分別隨機(jī)抽取s和t個(gè)樣本分別記為A、B組。則它們對(duì)應(yīng)的評(píng)分為：組A的評(píng)分值丫0=嘰+C]X°1+C2X02+……+C8X08+C9X09Y1=CX10+C1X11+C2X12+……+C8X18+C9X19丫2=C0X20+C1X21+C2X22+……+C&X28+C9X29YS=C0XS0+C1XS1+C2XS2+??????+C8Xs8+C9XS9組B的評(píng)分值丫0=%+C]X°1+C2X02+……+C8X08+C9X09Y1=CX10+CN1+C2X12+……+C8X18+C9X19丫2=C0X20+C1X21+C2X22+……+C8X28+C9X29Yt=C0Xt0+C1Xt1+C2Xt2+??+C8Xt8+C9Xt9又做Y0=1工Y，Y1=-工Y，即Fo為組A的平均值，f1又做Y0=1工Y，Y1=-工Y，即Fo為組A的平均值，f1為組B的平均值。為sitii=0i=0使組A與組B之間有明顯區(qū)別，希望它們平均值之間差距越大越好，而組內(nèi)離差平方和越小越好，即(Yo-Y1)2L(C,C,C,C,C,C,C,C,C,C)=0123456789st乙(Y0-Y0)2+乙(Y1—Y1)2iii=1i=1(1)越大越好，從而建立評(píng)分系數(shù)c,c,c,c,c,c,c,c,c,c為0123456789L(C,C,C,C,C,C,C,C,C,C)的極大值點(diǎn)。[1][2]0123456789由微分方程可知(C,C,C,C,C,C,C,C,C,C)為方程組0123456789SL(C,C,C,C,C,C,C,C,C,C)01234567893Ci0(i=0丄…,9)的解五、模型的求解1.將原始數(shù)據(jù)寫成矩陣組A的矩陣X0X0X0X000010809X0X0X0X010111819X0X0???X0X09091…98993333143553555245555531333535552152424355111311111122111422142215234354333333313333333232233333333333組B的矩陣X0X0X0X000010809X0X0X0X010111819X0?X0??X0X09091?9899各列的平均值（X0X0一1354335334522255555523333155315522525541213355553513211152113434341111133333133333]32133133123333323233X1X1)=【443342323]892做新的矩陣A、B,及兩組的算術(shù)平均值矩陣S"X0-X0X0-X0X0-X0X0-X0"000011088099X0-X0X0-X0X0-X0X0-X0100111188199X01-90-X00?X0-X0911八??X0…98-X08X0-X0999J一00-100-1000_00-3—200-100000-120-1-20000-3-1-1-2-1-2000=-2-1-110-1-1000101-10200-1000-110010002010000-2-1020120-120-10_0012021000_02-1X1-X1000X1-X1100X1-X1011X1-X1111X1-X1088X1-X1188X1-X1099X1-X1199-1X1-X1900X1-X1988X1-X19992-10201001000-120-10-11010-120102-1-2-1-1-1-1010-1-101-1-1-10-100-1000-11111-11-1-2-11-3110101-2-3-3-1000000-2-11-1-200-10-1-2-11-1-23010-30-321-21010213115-10-2-1-1113100-2101111-1-1-1-20-121-101-210-201-231-33000012滿足式(1)的(C,C,C,C,C,C,C,C,C,C)為方程組的解,9-19-1S-1解得：C,C,C,C,C,C,C,C,C,C0.9,C,C,C,C,C,C,C,C,C,C0.9,1.8,5.5,4.5,3.8,6.3，7.5，5.5，3.6，2.7）（其中S-1通過設(shè)計(jì)程序求得，具體程序見附錄二）確定評(píng)分函數(shù)Y二0.9X+1.8X+5.5X+4.5X+3.8X+6.3X+7.5X+5.5X+3.6X+2.7X0123456789組A、B評(píng)分制的平均水平Y(jié)o二CXo+CXo++CXo+CXo=121?5Aoo118899=115.4Y1二CX1+CX1++CX1+CX1Boo118899再取出兩組數(shù)據(jù)（每組20個(gè)），重復(fù)以上過程，取平均數(shù)，最終求得

臨界值：y=sYAo+tYB1=118.45[3][4]cs+t信用等級(jí)梯度值劃分為：AAA+級(jí)：得分M168.5，客戶整體實(shí)力極強(qiáng)，家庭、職業(yè)極為穩(wěn)定，文化程度高，身體健康，職業(yè)發(fā)展或個(gè)私經(jīng)營發(fā)展獲得顯著成功且前景十分看好，經(jīng)濟(jì)收入高。家庭綜合經(jīng)濟(jì)實(shí)力強(qiáng)、還貸能力極強(qiáng)，信用品質(zhì)佳，信用風(fēng)險(xiǎn)極小。AAA級(jí)：168?5＞得分M155.2，客戶實(shí)力很強(qiáng)，家庭、職業(yè)的穩(wěn)定性很強(qiáng)，文化程度較高，身體健康，職業(yè)發(fā)展或個(gè)私經(jīng)營發(fā)展獲得很大成功且前景看好，經(jīng)濟(jì)收入高。家庭綜合經(jīng)濟(jì)實(shí)力較強(qiáng)，承貸及還貸能力很強(qiáng)，信用品質(zhì)很好，信用風(fēng)險(xiǎn)很小。AA+級(jí)：155?2＞得分M141.9，客戶整體實(shí)力強(qiáng)，家庭、職業(yè)的穩(wěn)定性強(qiáng)，文化程度較高，身體健康，個(gè)私經(jīng)營發(fā)展較成功且前景看好，經(jīng)濟(jì)收入高。承貸及還貸能力強(qiáng)，信用品質(zhì)好，信用風(fēng)險(xiǎn)小。AA級(jí)：141?9＞得分M128.6，客戶整體實(shí)力較強(qiáng)，家庭、職業(yè)穩(wěn)定，文化程度較高，身體健康，職業(yè)發(fā)展或個(gè)私經(jīng)營發(fā)展順利且前景看好，經(jīng)濟(jì)收入較高。承貸及還貸能力強(qiáng)，信用品質(zhì)好，信用風(fēng)險(xiǎn)小。A+級(jí)：128?6＞得分M118.45,客戶整體實(shí)力較強(qiáng)，家庭、職業(yè)較穩(wěn)定，文化程度較高，身體健康，職業(yè)發(fā)展或個(gè)私經(jīng)營發(fā)展較為順利且前景較好，經(jīng)濟(jì)收入較高。承貸及還貸能力較強(qiáng)，信用品質(zhì)好，信用風(fēng)險(xiǎn)較小。A級(jí)：118?45＞得分M84.93，客戶整體實(shí)力一般，家庭、職業(yè)較穩(wěn)定，文化程度一般，身體健康，職業(yè)發(fā)展或個(gè)私經(jīng)營發(fā)展一般但具有一定的發(fā)展?jié)摿?，?jīng)濟(jì)收入良好。具有一定的承貸及還貸能力，信用品質(zhì)較好，存在一定的信用風(fēng)險(xiǎn)。B級(jí)：84?93＞得分M51.4，客戶整體實(shí)力較弱，家庭、職業(yè)的穩(wěn)定性一般，文化程度一般，身體健康，職業(yè)發(fā)展或個(gè)私經(jīng)營發(fā)展一般，個(gè)人發(fā)展前景不確定，經(jīng)濟(jì)收入偏低。承貸及還貸能力偏弱，信用風(fēng)險(xiǎn)較大。C級(jí)：得分＜51.4，客戶整體實(shí)力差，家庭、職業(yè)穩(wěn)定性差，文化程度一般，身體健康，經(jīng)濟(jì)收入極低或收入不穩(wěn)定。承貸及還貸能力很弱或喪失，存在不良信用記錄，信用風(fēng)險(xiǎn)大。六、模型分析及檢驗(yàn)從樣本數(shù)據(jù)中隨機(jī)抽取了十組數(shù)據(jù)，利用模型對(duì)其進(jìn)行信貸風(fēng)險(xiǎn)評(píng)估：十項(xiàng)驗(yàn)證數(shù)據(jù)年齡婚姻狀況文化程度單位性質(zhì)職稱月收入金額貸款期限身體狀況擔(dān)保方式382231100001100003632352121800089000036323222101400081060363231123335007848363223228140005100036323312101150001000003632

46123310000103000362256123350002500036213922105500054600036323421354000250003632對(duì)應(yīng)影響因素的屬性值序號(hào)年齡婚姻狀況文化程度單位性質(zhì)職稱月收入分期付款占收入的比重貸款期限擔(dān)保情況身體狀況評(píng)分函數(shù)值i3532122333注：屬性值與對(duì)應(yīng)評(píng)分系數(shù)的乘積之和2351112233333535111333432323153335143411233363235134333752323233328423231433193535513333103512514333對(duì)應(yīng)評(píng)分函數(shù)的取值12.7916.593.812.61516.510.88.110422.795.54.53.812.61516.510.88.188.532.7916.522.53.86.37.516.510.88.1103.742.73.616.5911.46.337.516.510.88.1122.450.97.216.5183.86.31516.510.88.1103.162.73.616.522.53.818.93016.510.88.1133.474.53.616.5911.412.622.516.510.85.4112.883.63.616.5911.46.33016.510.82.7110.492.7916.522.5196.322.516.510.88.1133.9102.795.59196.33016.510.88.1116.9十組數(shù)據(jù)的信用等級(jí)梯度值:的等級(jí)梯度值為：A的等級(jí)梯度值為：A的等級(jí)梯度值為：A的等級(jí)梯度值為：A+

5的等級(jí)梯度值為：A6的等級(jí)梯度值為：AA7的等級(jí)梯度值為：A8的等級(jí)梯度值為：A9的等級(jí)梯度值為：AA10的等級(jí)梯度值為：A七、模型的優(yōu)缺點(diǎn)及改進(jìn)方向本模型的優(yōu)點(diǎn)是操作簡(jiǎn)單，實(shí)用性強(qiáng)。通過大量隨機(jī)數(shù)據(jù)的驗(yàn)證，模型基本符合實(shí)際情況，對(duì)銀行的信貸風(fēng)險(xiǎn)評(píng)價(jià)具有一定的幫助作用。另外在模型的計(jì)算中進(jìn)行了程序上機(jī)實(shí)現(xiàn)，對(duì)以后銀行信貸評(píng)分標(biāo)準(zhǔn)的程序化、軟件化具有一定的指導(dǎo)作用。本模型的缺點(diǎn)是考慮的情況較為理想化，有地區(qū)局限性。另外，在信貸風(fēng)險(xiǎn)影響因素的量化過程中考慮了普遍情況，對(duì)特殊個(gè)例沒有進(jìn)行分析研究。八、參考文獻(xiàn)周海濤，《數(shù)據(jù)分析》第23~50頁，西安，西安交通大學(xué)出版社，2003年3月譚永基、蔡志杰、俞文編著，《數(shù)學(xué)模型》第246~356頁，上海，復(fù)旦大學(xué)出版社，2005年11月張超，《數(shù)學(xué)模型》（第2版）第112~166頁，高等教育出版社，2008年9月姜啟源，謝金星，葉俊編著，《數(shù)學(xué)模型》（第3版）第207~300頁，北京，高等教育出版社，2008年9月九、附錄附錄一影響風(fēng)險(xiǎn)指標(biāo)變量及其屬性附錄二S1求解的程序附錄三深圳某銀行消費(fèi)信貸樣本數(shù)據(jù)附錄一：影響風(fēng)險(xiǎn)指標(biāo)變量及其屬性項(xiàng)目

變量指標(biāo)項(xiàng)目

變量指標(biāo)

變量指標(biāo)項(xiàng)屬性值30歲以下30?40歲3年齡未婚已婚~有子女無子女個(gè)人信用評(píng)分個(gè)人自然特征變量初等教育中等教育高等教育國家機(jī)關(guān)位質(zhì)

單性5高級(jí)職稱中級(jí)職稱低級(jí)職稱體況

身狀良好

一般經(jīng)濟(jì)狀況變量月收入（元）大于4萬5項(xiàng)目

變量指標(biāo)

變量擔(dān)保方式有⑵

無⑴指標(biāo)項(xiàng)有擔(dān)保無擔(dān)保屬性值個(gè)人信用評(píng)分貸款年限5年以上14年23年32年21年以下1分期付款占月收入的比重大于40%140%?30%220%?30%310%?20%410%以下5附錄二：S1求解的程序#include<iostream>usingnamespacestd;classMatrix{public:voidSetSize(void);voidInitial(void);voidAssign(void);voidDisplay(void);voidconverse(void);voidShow(void);private:intRow;intColumn;floatMatrixA[100][200];};//setmatrixsizevoidMatrix::SetSize(void){intn;cout<<"Pleaseinputan*nMatrixtobeconverse:"<<endl<<"n=";cin>>n;Row=Column=n;}//initilizematrixdatavoidMatrix::Initial(void){inti(0),j(0);for(i=0;i<Row;i++){for(j=0;j<Column;j++){MatrixA[i][j]=float(0.0);MatrixA[i][Column+j]=float(i==j?1.0:0.0);}}//inputmatrixdatavoidMatrix::Assign(void){inti(0),j(0);cout<<"PleaseinputMatrixdata:"<<endl;for(i=0;i<Row;i++){for(j=0;j<Column;j++){cout<<"Row="<<i<<","<<"Column="<<j<<endl;cin>>MatrixA[i][j];}}}//showinverseprocessvoidMatrix::Show(void){inti(0),j(0);cout<<endl;for(i=0;i<Row;i++){for(j=0;j<2*Column;j++){cout<<MatrixA[i][j]<<"";cout<<endl;}//displaymatrixdatavoidMatrix::Display(){inti(0),j(0);cout<<"MatrixA:"<<endl;for(i=0;i<Row;i++){for(j=0;j<Column;j++){cout<<MatrixA[i][j]<<"";}cout<<endl;}cout<<"converseMatrix:"<<endl;for(i=0;i<Row;i++){for(j=Column;j<2*Column;j++){cout<<MatrixA[i][j]<<"";}cout<<endl;}}//conversematrixvoidMatrix::converse(void){inti(0),j(0),n(0),i1(0),i2(0),j1(0);staticinti3(0);floattemp(0.0);Show();for(i=0;i<Row;i++){if(MatrixA[i][i]==0)//Ifthenumberonthecrossof{//thecurrentlineiszero,swapthelinewithanotheronei3++;for(j=0;j<2*Column;j++){temp=MatrixA[i][j];MatrixA[i][j]=MatrixA[i3][j];MatrixA[i3][j]=temp;}Show();i--;continue;}Show();//changethenumberonthecrosstooneif(MatrixA[i][i]!=1){for(j=2*Column-1;j>=0;j一){MatrixA[i][j]/=MatrixA[i][i];}Show();//將矩陣變成上對(duì)角陣for(i1=i+1;i1<Row;i1++){for(j1=2*Column;j1>=i;j1--){MatrixA[i1][j1]-=MatrixA[i][j1]*MatrixA[i1][i];Show();〃將上對(duì)角陣變成單位陣for(i=0;i<Row-1;i++)for(i2=i;i2<Row-1;i2++)for(j=2*Column-1;j>=0;j一)MatrixA[i][j]-=MatrixA[i][i2+1]*MatrixA[i2+1][j]Show();intmai