第3章 线性方程求根 直接法(张武),LU法(陈).ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 基本QR方法（续） 　　基本QR方法每次迭代都需作一次QR分解与矩阵乘法，计算量大，而且收敛速度慢。因此实际使用的QR方法是先用一系列相似变换将A化成拟上三角矩阵（称为上Hessenberg矩阵），然后对此矩阵用基本QR方法。因为拟上三角矩阵具有较多零元素，故可减少运算量。化A为相似的拟上三角阵的方法有多种。 * 例题分析 * 例题分析（续） * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 线性代数方程组的表示 * 高斯消去法的变形二、平方根法 * 平方根(Cholesky分解法）法 * 平方根(Cholesky分解法）法（续） * 例题分析 例 用平方根法求解方程组 解 解毕 故知 解得 * 改进平方根法 * 改进平方根法（续1） * 改进平方根法（续2） lupdsv.m %功能：调用列主元三角分解函数[LU,p]=lupd(A) % 求解线性方程组Ax=b。 %解法：PA=LU, Ax=b←→PAx=Pb % LUx=Pb, y=Ux % Ly=f=Pb, f(i)=b(p(i)) %输入：方阵A，右端项b（行或列向量均可） %输出：解x（行向量） function x=lupdsv(A,b) n=length(b); [LU,p]=lupd(A); y(1)=b(p(1)); for i=2:n y(i)=b(p(i))-LU(i,1:i-1)*y(1:i-1); end x(n)=y(n)/LU(n,n); for i=(n-1):-1:1 x(i)=(y(i)-LU(i,i+1:n)*x(i+1:n))/LU(i,i); end lupqdsv.m %功能：调用全主元三角分解函数[LU,p,q]=lupqd(A) % 求解线性方程组Ax=b。 %解法：PAQ-1=LU, Ax=b←→(PAQ-1)(Qx)=Pb % LU(Qx)=Pb, z=Qx, y=Uz % Ly=f=Pb, f(i)=b(p(i)) % Uz=y, z=Qx , x(q(i))=z(i). %输入：方阵A，右端项b（行或列向量均可） %输出：解x（行向量） function x=lupqdsv(A,b) n=length(b); [LU,p,q]=lupqd(A); y(1)=b(p(1)); for i=2:n y(i)=b(p(i))-LU(i,1:i-1)*y(1:i-1); end z(n)=y(n)/LU(n,n);x(q(n))=z(n); for i=(n-1):-1:1 z(i)=(y(i)-LU(i,i+1:n)*z(i+1:n))/LU(i,i); x(q(i))=z(i); end * 追赶法 * 追赶法（续） * 定理证明（1） * 定理证明（2） * 定理证明（3） * 追赶法的计算公式 * 追赶法 　　事实上，追赶法的求解过程就是将系数矩阵分解两个简单的二对角矩阵，从而归结为求解两个简单方程组的过程。 　　上述定理也表明，追赶法的原理和高斯消去法相同，但考虑到方程组的特点，计算时会把大量零元素撇开，从而大大节省计算量。 * 追赶法例题 例 用追赶法解下面三对角方程组 * 追赶法例题（续1） 解：先把系数矩阵分解成如下形式 由递推公式可知 * 追赶法例题（续2） 又由递推公式（4.27）可得： * 追赶法例题（续3） 再由递推公式（4.28）可得： 故所求的解向量为 * QR方法 　　60年代出现的QR算法是目前计算中小型矩阵的全部特征值与特征向量的最有效方法。实矩阵、非奇异。 　　理论依据：任一非奇异实矩阵都可分解成一个正交矩阵Q和一个上三角矩阵R的乘积，而且当R的对角元符号取定时，分解是唯一的。 * QR方法（续） 　　可证，在一定条件下，基本QR方法产生的矩阵序列｛A(k)｝ “基本”收敛于一个上三角阵（或分块上三角阵）。即主对角线（或主对角线子块）及其以下元素均收敛，主对角线（或主对角线子块）以上元素可以不收敛。特别的，如果A是实对称阵，则｛A(k)｝ “基本”收敛于对角矩阵。 　　因为上三角阵的主对角元（或分块上三角阵中，主对角线子块的特征值）即为该矩阵的特征值，故当k充分大时， A(k)的主对角元（或主对角线子块的特征值）就可以作为A的特征值的近似。 　　基本的QR方法的主要