第2章 线性方程组的直接法.pptVIP

列主元消去法 在第k步消元前，在系数矩阵第k列的对角线以下的元素中找出绝对值最大的元。 ? 运算量 （Amount of Computation） （1）用克莱姆（Cramer）法则求解n阶线性方程组 （2） 高斯消去法: 在第1个消去步, 计算 li1(i=2,3,…,n), 有n-1次除法运算. 使aij(1)变为 aij(2) 以及使bi(1)变为bi(2)有n(n-1)次乘法运算 和 n(n-1)次加(减)法运算. 回代过程的计算 除法运算次数为n次. 乘法运算和加法运算的总次数 都为n+(n-1)+…+1= n(n-1)/2次 §2.2 三角分解法 一般计算公式 LU 分解求解线性方程组 ? 求解正定方程组的Cholesky方法(平方根法) 回顾：对称正定阵A的几个重要性质 （1）A?1 亦对称正定，且 aii 0 （2）A 的顺序主子阵 Ak 亦对称正定 （3）A 的特征值 ?i 0 （4）A 的全部顺序主子式 det ( Ak ) 0 定理2.2.2: 设矩阵A对称正定，则存在唯一的对角元全为正的下三角阵G 使得 A＝GGT ? 解三对角方程组的追赶法 第一步 : 对 A 作Doolittle 分解 追赶法公式的推导：（以四阶为例） 该过程称为“追”的过程。 该过程称为“赶”的过程。 一般情形的三对角方程组计算公式： 计算次序为： 最 好 牢记 直接比较等式两边的元素，可得到计算公式： 第一步: 对 A 作Crout 分解： 注: 也可通过对 A 作Crout 分解进行求解 第二步: 追—即解： 第三步: 赶—即解： § 2.3 矩阵的条件数与方程组的性态 预备知识—范数 ? 向量范数 ( vector norms ) 对任意 定义1：Rn空间的向量范数 || · || ,对任意 满足下列条件 常用向量范数： ? 向量 的Lp范数定义为: 主要性质 性质1:‖-x‖=‖x‖ 性质2:｜‖x‖-‖y‖｜≤‖x-y‖ 性质3: 向量范数‖x‖是Rn上向量x的连续函数. 范数等价:设‖·‖A 和‖·‖B是R上任意两种范数，若存在 常数 C1、C2 0 使得 ,则称 ‖·‖A 和‖·‖B 等价。 定理1 Rn 上一切范数都等价。 向量 x 的1范数 向量 x 的2范数 向量 x 的∞范数 ? 矩阵范数 ( matrix norms ) 定义3:对任意 ,称|| · || 为Rm?n空间的矩阵范数, 指|| · ||满足(1)-(3)： 对任意 (4) || AB || ? || A || · || B || 若还满足(4),称为相容的矩阵范数 相容性 （1）矩阵范数与矩阵范数的相容性: ‖AB‖≤‖A‖‖B‖ （2）矩阵范数与向量范数相容性 设A∈M，‖A‖M 是矩阵范数, x∈R n，‖x‖v 是向量范数.如果满足不等式: ‖Ax‖v ≤‖A‖M ‖x‖v 则称矩阵范数‖A‖M 与向量范数‖x‖v 相容. 常用的算子范数： 由向量范数 || · ||p 导出关于矩阵 A ? Rn?n 的p范数: 则 （行和范数） （列和范数） （谱范数 ( spectral norm ) ） ( operator norm ),又称为从属的矩阵范数: 算子范数 注： 称为A的谱半径。 定理2 对任意算子范数 || · || 有: 证明： 由算子范数的相容性，得到 将任意一个特征根 ? 所对应的特征向量 代入 命题 若A对称，则有: 证明： 若? 是 A 的一个特征根，则?2 必是 A2 的特征根。 又：对称矩阵的特征根为实数，即 ?2(A) 为非负实数，故得证。 对某个 A 的特征根? 成立 * 解线性方程组的两类方法: 直接法: 经过有限次运算后可求得方程组精确解的方法(不计舍入误差!) 迭代法：从解的某个近似值出发，通过构造一个无穷序列去逼近精确解的方法(一般有限步内得不到精确解) 一、高斯消去法 思路 首先将方程组Ax=b 化为上三角方程组，此过程称为消去过程，再求解上三角方程组，此过程称为回代过程. §2.1 高斯消去法和选主元高斯消去法 将增广矩阵的第 i 行 + li1 ? 第1行，得到： 消去过程： 第一步：设 ，计算因子 其中 第k步：设 ，计算因子 且计算 共进行 n ? 1步，得到 定理2.1：若A的所有顺序主子式 均不为0，则高斯消去法能顺序进行消元，得到唯一解。 回代过程： 例2