Ch7解线性方组的直接方法.doc

Ch7、解线性方程组的直接方法 §1、引言 对线性方程组 (1) 令，，则(1)可记为 (2) 求解的数值方法有如下两类： 1、直接法 2、迭代法 ①存贮量大； ①存贮量小； ②计算时间短； ②计算时间长； ③程序复杂； ③程序简单； ④适用于A为低阶矩。 ④适用于A为高阶稀疏矩阵。 §2、 Gauss消去法 1、消元过程 记为 (3) 若，令，用乘第一个方程后加到第个方程上，则(3)变为 记为 一般地，对 若，令，类似地可消去从第到第个方程中的，直至将方程化为上三角方程。 记为 2、回代过程 3、矩阵的LU分解 矩阵A的第一行乘后加到第行的变换，相当于用矩阵 左乘矩阵A 一般地，第步所用变换对应于矩阵 Gauss消去法可用矩阵描述如下： ，即， 记——上三角，——下三角， 则 ——矩阵的LU分解。 定理1：当方阵A的顺序主子式时，A可唯一地分解为单位下三角阵L与上三角阵U之积，即A=LU。 设， 则 对，即，只要经两次回代即可解出方程。 §3、Gauss列主元消去法 1、Gauss消去法中的称为主元，从理论上讲仅需即可，但从数值计算的角度来看，其绝对值越小，引起的舍入误差就越大，反之舍入误差就小。 为了减小舍入误差，提高算法的数值稳定性，可在每步消元过程中选主元，具体有： ①总体选主元(每步系数矩阵中绝对值最大者) ②按列选主元(在第k步中，从中选绝对值最大者) 2、计算过程 只须在Gauss消去法中加入选主元过程。 在中选出绝对值最大者，然后放在(k,k)位置（交换行）。 §4、追赶法与Cholesky分解 1、追赶法 对三对角方程 首先由第一个方程解出，令，则， 代入第二个方程得，即， 令，有， 类似地可推出下列公式 其中 ， 将代入最后一个方程 ， 令，则，代入即可依次求出。 上述求解过程可分为两个部分： ①依次确定，称之为追的过程； ②依相反次序确定，称之为赶的过程。 即 2、对称正定阵的分解 定理2：设A对称，且A的各阶顺序主子式均不为零，则A可唯一地分解为，其中L为单位下三角阵，D为对角阵。 定理3：设A对称正定，则A可唯一地分解为，其中L为对角元大于零的下三角阵。 证：由定理2，， 又A正定，有中的， 故 其中为下三角。（Cholesky分解） 设A对称正定，则可化为，即，经回代即可解。 计算机解法：①A为一般方阵时，用LU分解（Gauss消去法）；②A对称正定时，用Cholesky分解。 §5、向量和矩阵的范数 一、向量的范数 1、定义：设或，为定义在上的一个实值函数，若满足 ①非负性：，当且仅当； ②齐次性：对，有； ③三角不等式：对，有； 则称为上的一个向量范数。 2、常用向量范数 对，有 ①范数 ；②1-范数 ； ③2-范数 ；④p-范数 定理4：中的一切范数都是等价的，即对任意两种范数，总有正数m和M，使 3、向量序列的收敛性 定义：设为中的向量序列，，并记，，若，则称收敛于，记为 定理5：，为任一范数。 二、矩阵的范数 1、定义：若矩阵的某个实值函数满足 ①；②； ③；④ 相容性； 则称为上的一个矩阵范数。 2、常用矩阵范数 ① 行范数；② 列范数 ③ 2-范数；④ F-范数 3、谱半径 定义：设A的特征值为，称为A的谱半径。 定理6：A的谱半径不超过A的范数，即。 证：设为A的任一特征值，为相应的特征向量，即，则 相容性，故，即。 定理7：若，则可逆，且。 证：若不可逆，即，有非零解 亦即有，使，， ，矛盾，故可逆。 ，得 §6、误差分析和矩阵的条件数 1、右端向量误差对解的影响 设的右端向量有误差，相应的解为，则 ， 又，故 2、系数矩阵误差对解的影响 设的系数矩阵有误差，相应的解为，则 ， 由定理7，若，则可逆，， 且，故 3、矩阵的条件数 定义：设A非奇异，则称为的条件数。 ①；②；③；④若A为正交阵，则。 常用条件数： ①；② 4、病态方程组 条件数刻画了方程组的解对原始数据误差的敏感程度。当条件数很大时，或的扰动所引起的的误差可能很大，此时称为病态的或坏条件的，对应的方程组称为病态方程组，反之称为良态的或好条件的。 例、