.三角形方程组和三角分解.pptVIP

第一章 线性方程组的直接解法 直接法：是指在没有舍入误差的情况下经过有限次运算求得方程组的精确解； Gauss消去法是其中最基本的一种，适用于中小规模线性方程组(n1000)，系数稠密有没有任何特殊结构的线性方程组。 迭代法：从一个初始向量出发，按照一定的计算格式，采取逐次逼近的的方法，构造一个向量的无穷序列，其极限时方程组的精确解，有限次运算得不到精确解。 §1.1 三角形方程组和三角分解 1.1.1 三角形方程组的解法 下三角形方程组的解法 考虑下三角形方程组 Ly = b (1.1.1) b∈Rn已知, y∈Rn 未知, L∈Rn×n已知非奇异的下三角阵 则(1.1.1)的分量形式为 这种解方程组(1.1.1)的方法称为前代法。 实际计算时 bi 在算完 yi 之后就没用了, 故将得到的 yi 存放在 bi 所用的存储单元内，则上式变为 第i个式子的计算可先计算分子，算法为 for j=1:i-1 b(i)=b(i)-L(i, j) *b(j) end 故计算上述方程组, 可先按循环方式算出来分子, 再除以lii ，具体步骤如下 第一步: b(1)=b(1)/L(1,1) b(2)=b(2)-L(2,1)*b(1) b(3)=b(3)-L(3,1)*b(1) …… b(n)=b(n)-L(n,1)*b(1) 第二步: b(2)=b(2)/L(2,2) b(3)=b(3)-L(3,2)*b(2) b(4)=b(4)-L(4,2)*b(2) …… b(n)=b(n)-L(n,2)*b(2) 递推直至第n-1步: b(n-1)=b(n-1)/L(n-1, n-1) b(n)=b(n)-L(n, n-1)*b(n-1) 第n步: b(n)=b(n)/L(n, n) 写成算法的形式： for j=1:n-1 b(j)=b(j)/L(j, j) for i=j+1:n b(i)=b(i)-L(i, j) *b(j) end end b(n)=b(n)/L(n, n) b(j+1:n)=b(j+1:n)-b(j)*L(j+1:n, j) 该算法运算量： 算法1.1.1(解下三角形方程组:前代法) 上三角形方程组的解法 考虑下三角形方程组 Ux = y (1.1.2) y∈Rn已知, x∈Rn 未知, U∈Rn×n已知非奇异的上三角阵 该方程组可用回代法求解，即从方程组的最后一个方程出发，依次求出xn , xn-1 , ··· , x1 , 计算公式为 类似算法1.1.1可得算法1.1.2(回代法). 运算量亦为n2. 一般的线性方程组的解法 考虑一般的线性方程组 Ax = b (1.1.3) A∈Rn×n, b∈Rn已知, x∈Rn 未知, 如果A能分解为 A = LU 即一个下三角阵L与一个上三角阵U的乘积, 那么方程组 (1.1.3)的解 x 可由以下两步得到 用前代法解 Ly = b 得 y； 用回代法解 Ux = y 得 x； 问题关键：如何将A分解为下三角阵*上三角阵？ 1.1.2 Gauss变换 Gauss变换的定义 称具有如下形式的初等下三角矩阵 Lk = I－lkekT 为Gauss变换, 其中ek 是第k个单位坐标向量, 且 为Gauss向量， 即 Gauss变换的性质 设 x∈Rn, xk≠0, 则存在Gauss变换 Lk 使得 Lk x = (x1 ··· xk 0 ··· 0)T . 事实上， 只需取 , i = k+1, ···, n, xk≠0. 写出此时lk = ？ Gauss变换的逆( I－lkekT )－1 = I＋lkekT. 事实上， Lk A = ( I－lkekT ) A = A－lk (ekT A). 事实上, rank(lk ekT A) = 1. 将Gauss变换作用于一 个矩阵相当于对该矩阵 进行秩1修正(外加一个 秩为1的修正, 例如 A+a·e·eT, e是单位向量, e·eT就是秩为1的矩阵). 1.1.3 三角分解的计算 三角分解的定义 设A∈Rn×n, A的三角分解是指A = LU, 其中L∈Rn×n为下三角矩阵, U∈Rn×n为上三角矩阵， 矩阵的三角分解也称为矩阵