Chapter2_1_线性方程组的直接法.ppt

第二章 求解线性方程组的数值解法 (Numerical Solution of Linear Equations) ? 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: 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. 回代过程的计算 除法运算次数为n次. 乘法运算的总次数为 n+(n-1)+…+1=n(n-1)/2次 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。 §2.1.2 三角分解法 一般计算公式 LU 分解求解线性方程组 2.1.3 有关定理 §2.1.4 求解正定方程组的Cholesky方法 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2.1.6 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 §2.1.5 求解三对角方程组的追赶法 * 直接法: 经过有限步运算后可求得方程组精确解的方法(不计舍入误差!)（2.1节） 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。分为两类： 逐次逼近法(一般有限步内得不到精确解) （2.2节） 共轭斜量法（不考虑计算过程的舍入误差，只用有限步就收敛于方程组的精确解）（2.3节） 解线性方程组的两类方法 §2.1 解线性方程组的直接法 ( Direct Method for Solving Linear Systems) 高斯消去法 (Gaussian Elimination) 思路 首先将A化为上三角阵 ( upper-triangular matrix )，此过程称为消去过程，再求解如下形状的方程组，此过程称为回代求解 ( backward substitution )。 = §2.1.1求解 的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 将增广矩阵的第 i 行 + lik ? 第k行，得到： 其中 定理：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： 共进行 n ? 1步，得到 每个行列式由n!项相加，而每项包含了n个因子相乘，乘法运算次数为(n-1)n !次. 仅考虑乘(除)法运算,计算解向量包括计算n+1个行列式和n次除法运算,乘(除)法运算次数N=(n+1)(n-1)n!+n. 当n=8时,N＝200，0000 第k个消去步，有n-k次除法运算、(n-k+1)(n-k)次 乘法运算. 乘法运算总次数为： 除法运算总次数为: (n-1)+…+1=n(n-1)/2 Gauss消去法 除法运算次数为:n(n-1)/2+n=n(n+1)/2， 乘法运算次数为: n(n-1)(n+1)/3+n(n-1)/2=n(n-1)(2n+5)/6， 通常也说Gauss消去法的运算次数与n3同阶，记为O(n3) 二、 选主元消去法 在高斯消去法消去过程中可能出现 的情况，这时 高斯消去法将无法进行；即使主元素 但很小， 其作除数 ，也会导致其它元素数量级的严重增长和舍入 误差的扩散 例：单精度解方程组 /* 精确解为 和 */ 8个 8个 用Gauss消去法计算： 8个 小主元 /* Small pivot element */ 可能导致计算失败。 若p≠k，交换第k个与第p个方程后，再继续消去计算. 这种方法称为列主元Gauss消去法。 列主元Gauss消去法保证了｜lik｜≤1 (i=k+1,k+2,…，n). 为避免这种情况的发生, 可通过交换方程的次序， 选取绝对值大的元素作主元. 基于这种思想导出了 “选主元消去法” 全主元消去法 在第k步消去前， 在系数矩阵右下角的n-k+1阶主子阵中，选绝对值最大的元素作为主元素。 (1) If p ? k then 交换第 k 行与第p行; If q ? k then 交