第六章 线性方程组数值解法a.pptVIP

* 对线性方程组： 或者： 我们有Gram法则： 时方程有唯一的解，而且解为： 当且仅当 但Gram法则不能用于计算方程组的解，如n＝100，1033次/秒的计算机要算10120年 解线性方程组的方法可以分为2类： ①直接法：不考虑计算过程的舍入误差时，经有限次数的运算便可求得方程组准确解的方法 准确，可靠，理论上得到的解是精确的 适用于方程组系数矩阵阶数不太高的问题 ②迭代法：速度快，但有误差 求解 §6.1 高斯消元法 /* Gaussian Elimination */ ? 高斯消元法： 思路 = 高斯消元法包括两个过程： 消元过程：把方程组化为同解的上三角形方程 回代过程：自下而上地代入计算各个解 求解方程组 解：采用增广矩阵描述求解过程： 定义:矩阵的初等行变换是指对矩阵进行三种变换. 对换变换.即将矩阵中的某两行对换位置. 倍乘变换.即将某一行遍乘一个非零常数k. 倍加变换.即将矩阵的某一行遍乘一个常数k加至某一行 注意下标的顺序 回代求解 消元 记 Step 1：设 ，计算因子 将增广矩阵/* augmented matrix */ 第 i 行 ? mi1 ? 第1行，得到 其中 Step k：设 ，计算因子 且计算 共进行 ？ 步 n ? 1 回代 What if ? No unique solution exists. What if ? Then we must find the smallest integer k ? i with , and interchange the k-th row with the i-th row. What if we can’t find such k ? No unique solution exists. 定理 若A的所有顺序主子式 /* determinant of leading principal submatrices */ 均不为0，则高斯消元无需换行即可进行到底，得到唯一解。 注：事实上，只要 A 非奇异，即 A?1 存在，则可通过逐次消元及行交换，将方程组化为三角形方程组，求出唯一解。 ? 选主元消去法 /* Pivoting Strategies */ 例：单精度解方程组 /* 精确解为 和 */ 8个 8个 用Gaussian Elimination计算： 8个 小主元 /* Small pivot element */ 可能导致计算失败。 ? 全主元消去法 /* Complete Pivoting */ 每一步选绝对值最大的元素为主元素，保证 。 Step k: ① 选取 ② If ik ? k then 交换第 k 行与第 ik 行; If jk ? k then 交换第 k 列与第 jk 列; ③ 消元 注：列交换改变了 xi 的顺序，须记录交换次序，解完后再换回来。 ? 列主元消去法 /* Partial Pivoting, or maximal column pivoting */ 省去换列的步骤，每次仅选一列中最大的元。 例： ? 注：列主元法没有全主元法稳定。 例： 注意：这两个方程组在数学上严格等价。 ? ? 标度化列主元消去法 /* Scaled Partial Pivoting */ 对每一行计算　　　　　 。为省时间，si 只在初始时计算一次。以后每一步考虑子列 中　 最大的 aik 为主元。 注：稳定性介于列主元法和全主元法之间。 ? 运算量 /* Amount of Computation */ 由于计算机中乘除 /* multiplications / divisions */ 运算的时间远远超过加减 /* additions / subtractions */ 运算的时间，故估计某种算法的运算量时，往往只估计乘除的次数，而且通常以乘除次数的最高次幂为运算量的数量级。 ? Gaussian Elimination: Step k：设 ，计算因子 且计算 共进行n ? 1步 (n ? k) 次 (n ? k)2 次 (n ? k) 次 (n ? k) (n ? k + 2) 次 消元乘除次数： 1 次 (n ? i +1) 次 回代乘除次数： Gaussian Elimination 的总乘除次数为