第4章 线性代数方程组的解法.ppt

第4章 线性代数方程组的解法 4.1 高斯消元法 n阶方程组的基本形式 4.1消元法 高斯（Gauss）消去法是解线性方程组最常用的方法之一，它的基本思想是通过逐步消元，把方程组化为系数矩阵为三角形矩阵的同解方程组，然后用回代法解此三角形方程组得原方程组的解。 从这一例题的计算过程我们可以看出：一个n元线性方程组的消元过程需要n-1步来完成。每一步都是把这一列主对角线下的元素消为0。 为了符号描述的方便，我们用上标来表示经过了几步消元。因此，原始系数矩阵 消元结素，将结果代回元方程组，由第i=n,n-1,…,1个方程依次求出： 4.1 消元法 Gauss-Jordan消元法： Gauss-Jordan消元法中，消去的不仅仅是下方的元素，同时也消去上方的元素，将系数矩阵化为对角矩阵。 4.1 消元法 列选主元素消元：在每一列中先选取按模最大的元素，将其调到主干方程位置再做消元，调换方程组的次序是为了使运算中做分母量的绝对值尽量地大，减少舍入误差的影响。 4.2 矩阵的LU分解法 LU分解法的基本思想是把矩阵A分解成两个三角矩阵L与U的乘积，即A=LU。其中L为单位下三角矩阵，U为上三角矩阵。这样解方程组AX = b就转化为解LUx=b。令其中Ux=y,则解方程组LUx=b又相当于一次解两个三角形方程组 （1）Ly = b （下三角形方程组） 求y （2）UX = y （上三角形方程组） 求x 4.2 矩阵的LU分解法 将A分解为LU的方法： 设A=LU 即令 = 4.2 矩阵的LU分解法 两个矩阵相等，则其对应元素相等。利用矩阵乘法，并对比等式两边对应元素可得到计算LU的公式。 4.2 矩阵的LU分解法 对矩阵A进行了LU分解后，先解出Ly=b，再解Ux=y，计算公式为： 4.3雅克比（Jacobi）迭代 迭代法针对求解问题预先设计好某种迭代格式，从而产生求解问题的近似解迭代序列，在迭代序列收敛于精确解的情况下，按精度要求取某个迭代值作为问题解的近似值。 迭代法也是求解线性方程组常用的方法。 4.3雅克比（Jacobi）迭代 雅克比（Jacobi）迭代格式为： 4.3雅克比（Jacobi）迭代 算法设计： Xi存放每一步迭代的初值，Yi存放迭代结果, Eps表示迭代要求的精度，当新值与旧值的偏差E＝max|yi-xi|Eps时，达到进度要求，停止计算并输出结果。 为了防止迭代过程不收敛，或者收敛速度过于缓慢，设置最大迭代次数M控制计算量。如果迭代M次尚不能达到精度要求，则停止程序的运行，并输出提示信息――迭代格式不收敛。 雅克比（Jacobi）迭代算法： 4.4 高斯-赛德尔迭代法 高斯-赛德尔迭代是对Jacobi迭代的一种改进。显然，如果迭代收敛， 应该比 更接近于原方程的解 （i = 1, 2,…, n），因此在迭代过程中及时地以代替（i = 1, 2,…, n-1），可望收到更好的效果。这样迭代公式可写成： 4.4 高斯-赛德尔迭代法 高斯-赛德迭代公式可写成： 4.4 高斯-赛德尔迭代法 可简写成 高斯-赛德尔迭代的算法： 4.5 收敛性定理 为了介绍Jacobi迭代、高斯-赛德尔迭代的收敛性定理，我们首先给出迭代公式的矩阵表示。 对于线性方程组AX=b，可将A表示为： 定理2 (矩阵LU分解)若n阶方阵A的n个顺序主子矩阵都非奇异，则A可唯一地分解为单位下三角矩阵L和非奇异的上三角矩阵U的乘积。 尽管公式(4.4)给出了矩阵LU分解的递推计算公式，但需要计算其逆矩阵，这在计算机上实现是不方便的。 为此，我们从LU矩阵中每个元素的计算方法的角度，导出矩阵A的LU分解的另一种计算公式。 由公式可知，矩阵A中的每一个元素仅被访问一次，求出的Lij，Uji可以存进aij，aji所在的存储单元。 LU分解法的算法： input n,a,b for i=1 to n 计算矩阵L 中的元素： for j=1 to i-1 S=0 For k=1 to j-1 s=s+aikakj Next k aij=(aij-s)/ajj next j 计算矩阵U中的元素: for j=1 to i S=0 For k=1 to j-1 s=s+ajkaki Next k Aji=aji-s next j next i 求解Ly = b: for i=1 to n S=0 For k=1 to i-1 s=s+aikbk Next k bi=bi-s next i 求解Ux = y