-解线性方程组的直接解法.pptVIP

其中， m21=-1.000/0.001=-1000 m31=-2.000/0.001=-2000 m32=4001/2004=1.997 解为x1=-0.4000,x2=-0.09980,x3=0.4000 (x1*=-0.4904,x2*=-0.05104,x3*=0.3675) 显然，此解并不准确。 方法二：交换行，避免绝对值小的主元作除数。 （A/b）= 其中， m21=0.5000 m31=-0.0005 m32=0.6300 解为x1=-0.4900,x2=-0.05113,x3=0.3678 (x1*=-0.4904,x2*=-0.05104,x3*=0.3675) 与方法一相比，此解显然要精确得多。 3.1 基本思想：设Ax＝b的增广矩阵为 在A的第一列中选绝对值最大的元素作主元，设该元素所在行为第i1行，交换第一行与第i1行，进行第一次消元；再在第2－n行的第二列中选绝对值最大的元素作主元，设该元素所在行为第i2行，交换第二行与第i2行，进行第二次消元，……直到消元过程完成为止。 例：用列主元法解 解：第一列中绝对值最大是10，取10为主元 第二列的后两个数中选出主元 2.5 x3=6.2/6.2=1 x2=(2.5-5x3)/2.5=-1 x1=(7+7x2-0x3)/10=0 x1=0 x2=-1 x3=1 function [U,x]=Gauss_column(A,b) % 列主元Gauss消去法求解线性方程组 % 输入参数： % ---A：线性方程组的系数矩阵 % ---b：线性方程组的右端项 % 输出参数： % ---U：消元后的上三角方程组的增广矩阵 % ---x：线性方程组的解 n=length(b); for k=1:(n-1) % 选主元 [Y,I]=max(abs(A(k:n,k))); I=I+k-1; if Ik t=A(k,:); A(k,:)=A(I,:); A(I,:)=t; t=b(k); b(k)=b(I); b(I)=t; end % 消元 m=A(k+1:n,k)/A(k,k); A(k+1:n,k+1:n)=A(k+1:n,k+1:n)-m*A(k,k+1:n); b(k+1:n)=b(k+1:n)-m*b(k); A(k+1:n,k)=zeros(n-k,1); end U=[A,b]; % 回代 x=zeros(n,1); x(n)=b(n)/A(n,n); for k=n-1:-1:1 x(k)=(b(k)-A(k,k+1:n)*x(k+1:n))/A(k,k); end 3.2 列主元矩阵的三角分解 解：交换行变换 例：对矩阵A做列主元三角分解： 则列主元的Gauss变换可记为 A(2)=F2·P2·F1·P1·A 记 U=A(2)=F2·(P2F1P2)·P2P1·A （因P2·P2=I） P = P2·P1 则有 对于一般的n阶矩阵的列主元三角分解，通常令 定理：（列主元素的三角分解定理）若A非奇异，则存在排列阵P使PA＝LU，其中L为下三角阵，U为上三角阵。 矩阵分解关系为 3.3 全主元素消元法 定义： 则称 为全主元素。 经过行列互换，使得 位于经交换行和列 后的等价方程组中的 位置，然后再实施消元。 全主元素消元法的基本思想： 若 注：全主元素消元法有可能改变未知数的顺序。 4、误差分析 例 记方程组（1） 为Ax＝b，其精确解为：x1*=2，x2*=0 现考察方程组（2） 可将其表示为：A(x+?x)=b+?b，其中 ?b= (0,0.0001)T ，x为（1）的解。 显然（2）的解为：x+?x= (1, 1)T 结论：（1）的常数项b的第二个分量只有1/1000的微小变化，方程组的解变化却很大。 定义 若矩阵A或常数项b的微小变化引起方程组Ax=b的解的巨大变化，则称此方程组为病态方程组，A为病态矩阵（相对方程组而言）；否则称方程组为良态方程组，A为良态矩阵。 研究方程组中A或b的微小误差对解的影响的分析称“扰动分析”。 设Ax＝b的扰动方程组为(A+ ?A)(x+?x)=b+?b，其中?A叫A的扰动矩阵， ?x和?b叫x和b的扰动向量。 Hilbert矩阵是著名的 病态矩阵。 以三阶为例： 可得x= (27.0000 -192.0000 210.0000)T x+?x= (30.0000 -210.0