大型系数矩阵的数值方法.docVIP

西安郵電Abstract In the Gaussian elimination method for large sparse linear equations matrix , When experiencing zero or the absolute value of the main elements is too small, the main elements of the correction method are discussed, studied how to properly put this approach embedded in Gaussian elimination, resulting Gaussian elimination algorithm makes always stable and effective to solve it. 关键词 稀疏矩阵，高斯消去法，线性方程组求解 1、引言 大型稀疏矩阵线性化方程组的数值求解问题，广泛的存在于工程实践中。用高斯消去法求解该方程组，常把系数矩阵分解为下三角矩阵L和单位上三角矩阵U的乘积，再进行消去和回代。在线性方程组求解分解过程中，遇到主对角元为零或绝对值较小时，算法会出现无法进行或者计算很不稳定的情况。为克服这一现象，通常的做法是采用选主元的方法，即对矩阵进行适当的行或列交换，将一个绝对值比较大的元调整到主元位置。实际上对大型稀疏矩阵很多情况下主元的选取完全由矩阵的稀疏性确定，而未考虑稳定性。本文给出了高斯消去法的一种改进方法，这种算法按某一确定顺序选取主元素时，能够保证分解过程的数值稳定性，同时还保证矩阵分解的稀疏性。 2 、大型稀疏矩阵的概念及其存储结构 所谓稀疏矩阵是指矩阵中大多数元素为零元素。而大型稀疏矩阵，往往线性代数方程组的系数矩阵系数很高，但其非零元素所占的比例很小，我们常把这类矩阵成为大型稀疏矩阵。高斯消去法即高斯消元法，是线性代数中的一个算法，可用来为线性方程组求解，求出矩阵的秩，以及求出可逆方阵的逆矩阵。当用于一个矩阵时，高斯消元法会产生出一个“行梯阵式”高斯消元法可以用在电脑中来解决数千条等式及未知数。如果有过百万条等式时，这个算法会十分费时。一些极大的方程组通常会用迭代法来解决。亦有一些方法特地用来解决一些有特别排列的系数的方程组。，其中为稀疏矩阵，为一向量，含ｎ个元素的一维数组是对稀疏矩阵A按某种保持稀疏性的选主元策略[2]确定的消去顺序，不妨设为1,2,3,…,n。 设,并记经次消去后得矩阵为， 其中 在第步消去过程中，设第个主元绝对值太小，为保持分解的稳定性，需选择一个适当大小的数加至，接着对矩阵进行分解。这里为除第个分量为1其余分量都为0的n维向量；的选择：一是使绝对值为第列剩余元中绝对值最大元的绝对值， 的符号与同符号．二可选某一个适当大的数，倒如使的绝对值为对角元的绝对值平均和，符号与同符号。 现在考察对矩阵的对角元加上实数后其解的修正。令,则由Shaman-Morrison公式 可得 （1） 这里 （2） 为方程组的解。是的第个分量．原方程组Ax=b的求解等价于的求解，不妨记为 ，则原方程组的解为 （3） 这里为方程组的解。 （4） 为的第个分量，由(2)，(3)．(4)可知只要求得 、，即可确定原方程组的解. 在对系数矩阵A进行消去或修正过程中，对右端向量b作同样的消去，即对b左乘一系列矩阵。若在消去过程中仅有第步修改了主元，则在消去完成后再回代，即得 。为得的解需增加一个含n个元素的一维数组，初值为，并从第步开始执行同样的消去，消去完后回代。即可找到解。 若消去过程中有不只一个对角元素需要修正，设第步修正后分解到第步又需对主元素修正，在主元上加一个元，得矩阵 同理为了求得、，需要 及。于是可通过表达式 由求得，由求得；再由(2)、(3)、(4)式求得原方程组的解 。这时又需附加一个含n个元素的一维数组，初值为。这里r共用一个一维数组，共用存储空问。在有m个主元素作修正的情况，需附加m个含n个元素的一维数组，不妨用二维数组表示，另需附加两个含m个元素的一维数组分别存放修正对角元的下标和相应的修正值.这两个数组设为，。记为第i次修正主元素的附加向量，从第步消去再回代得解。 令， 则有如下式子 一般而言，对有如下修正公式 （5） 其中为问题的解，而为问题 的解（ji），共用的第i列，修正的最终结果为为问题 的解( i=1，2，? ，m ) 在求解过程中共用数组b的存储单元。