线性方程组的直接法和迭代法解析.docxVIP

线性方程组的直接法 直接法就是经过有限步算术运算，无需迭代可直接求得方程组精确解的方法。 线性方程组迭代法 迭代法就是用某种极限过程去逐步逼近线性方程组精确解的方法．该方法具有对计算机的存贮单元需求少，程序设计简单、原始系数矩阵在计算过程中不变等优点，是求解大型稀疏矩阵方程组的重要方法．迭代法不是用有限步运算求精确解，而是通过迭代产生近似解逼近精确解．如Jacobi迭代、Gauss— Seidel迭代、SOR迭代法等。 线性方程组的直接法 直接法就是经过有限步算术运算，无需迭代可直接求得方程组精确解的方法。 Cramer法则 Cramer法则用于判断具有n个未知数的n个线性方程的方程组解的情况。当方程组的系数行列式不等于零时，方程组有解且解唯一。如果方程组无解或者有两个不同的解时，则系数行列式必为零。如果齐次线性方程组的系数行列式不等于零，则没有非零解。如果齐次线性方程组有非零解，则系数行列式必为零。 定理1如果方程组中，则有解，且解事唯一的，解为是D中第i列换成向量b所得的行列式。 Cramer法则解n元方程组有两个前提条件： 1、未知数的个数等于方程的个数。 2、系数行列式不等于零 例1 a取何值时，线性方程组 有唯一解。 解： 所以当时，方程组有唯一解。 定理2当齐次线性方程组，时该方程组有唯一的零解。 定理3 齐次线性方程组有非零解。 Gauss消元法 Gauss消元法是线性代数中的一个算法，可用来为线性方程组求解，求出矩阵的秩，以及求出可逆方阵的逆矩阵。当用于一个矩阵时，高斯消元法会产生出一个“行梯阵式”。 用Gauss消元法为线性方程组求解 eg：Gauss消元法可用来找出下列方程组的解或其解的限制： 这个算法的原理是：首先，要将以下的等式中的消除，然后再将以下的等式中的消除。这样可使整个方程组变成一个三角形似的格式。之后再将已得出的答案一个个地代入已被简化的等式中的未知数中，就可求出其余的答案了。 在刚才的例子中，我们将和相加，就可以将中的消除了。然后再将和相加，就可以将中的消除。 方程组则变为： 现在将和相加，就可将中的消除，方程组变为： 这样就完成了整个算法的初步，一个三角形的格式(指:变量的格式而言,上例中的变量各为3,2,1个)出现了。第二步，就是由尾至头地将已知的答案代入其他等式中的未知数。第一个答案就是。然后直接带入，立即就可得出第二个答案：和最后一个答案。这样，我们利用高斯消元法解决了这个方程组。 线性方程组迭代法 迭代法就是用某种极限过程去逐步逼近线性方程组精确解的方法．该方法具有对计算机的存贮单元需求少，程序设计简单、原始系数矩阵在计算过程中不变等优点，是求解大型稀疏矩阵方程组的重要方法．迭代法不是用有限步运算求精确解，而是通过迭代产生近似解逼近精确解．如Jacobi迭代、Gauss— Seidel迭代、SOR迭代法等。 Jacobi迭代法 对于线性方程组则，即将A分解为一个严格下三角矩阵、一个对角阵和一个严格上三角矩阵之和，从而可写出Jacobi迭代格式的矩阵表示形式为：，其迭代矩阵)称为雅可比迭代矩阵. 将线性方程组变为一个通解方程组，对其进行迭代式改写，矩阵B为迭代矩阵 由方程组（I）的第i个方程解出，得到一个同解方程组： 构造相应的迭代公式 取初始向量，利用（III）反复迭代可以得到一个向量序列，利用此迭代格式求解方程组的解法称为Jacobi迭代法。 用Jacobi迭代求解下列方程组 输入 A=[4 3 0;3 3 -1;0 -1 4]； b=[24;30;-24]； [x, k, index]=Jacobi(A, b, 1e-5, 100) 输出： x = -2.9998 11.9987 -3.0001 k = 100 index = 0 所以解为：=-2.9998, =11.9987, =-3.0001 Gauss-Seide迭代 若L、 U、 D为上述的L、 U、 D。则Gauss—Seidel迭代法的矩阵表示为：，现将显示化由得：，令，，则得：，此即为Gauss—Seidel迭代法的矩阵表示形式，G称为迭代阵。 由Jacobi迭代法中，每一次的迭代只用到前一次的迭代值，若每一次迭代充分利用当前最新的迭代值，即在计算第个分量时，用最新分量，代替旧分量，，就得到所谓解方程组的Gauss-Seidel迭代法。其迭代格式为 (初始向量)， 或者写为 用Gauss-Seide迭代求解下列方程组 输入 A=[4 3 0;3 3 -1;0 -1 4]； b=[24;30;-24]； x0=[0;0;0]； [v,sN,vChain]=gaussSeidel(A,b,x0,0.00001,11) 输出： v =