第一章 常用数分析方法§2 线性方程组的数值解法.pptVIP

第章 §2 线性方程组的数值解法 2.1 概 述 线性方程组的数值解法 2.2 Gauss消元法 例1（续） Gauss消元法的基本步骤1（4阶） Gauss消元法的基本步骤1（4阶） Gauss消元法的基本步骤2（4阶） Gauss消元法的基本步骤3（4阶） Gauss消元法的消元过程1、2（n阶） Gauss消元法的消元过程3（n阶） Gauss消元法的消元过程3（n阶） Gauss消元法的回代过程（n阶） Gauss 消元法的优缺点： 2.3 主元素法 例2（续1） 例2（续2） 例2两种解法的误差分析 2.3.2 列主元素法 列主元素法（续） 2.3.3 全主元素法 主元素法举例 方程组的迭代解法概述 2.4 雅可比（Jacobi）迭代法 雅可比（Jacobi）迭代法（续） Jacobi迭代法定义 Jacobi迭代法定义（续） Jacobi迭代法举例 例4（续） 2.5 高斯—塞德尔(Gauss-Seidel)迭代法 高斯—塞德尔(Gauss-Seidel)迭代法（续1） 高斯—塞德尔(Gauss-Seidel)迭代法（续2） Gauss-Seidel迭代法举例 例5（续） 例4：用Jacobi迭代法求解线性方程组： 解：由第一个方程解x1，第二个方程解x2，第三个方程解x3得Joacbi迭代格式为： 继续迭代下去，迭代结果见表2-1： 取x(0) = (0,0,0)T代入迭代式 （2-15）或（2-16）得： 0 0.0000 0.0000 0.0000 1 7.2000 8.3000 8.4000 2 9.7100 10.7000 11.5000 3 10.5700 11.5700 12.4820 4 10.8535 11.8534 12.8282 5 10.9510 11.9510 12.9414 6 10.9834 11.9834 12.9504 7 10.9944 11.9981 12.9934 8 10.9981 11.9941 12.9978 9 10.9994 11.9994 12.9992 表2-1 k x1(k) x2(k) x3(k) 迭代9次，得近似解x(9) = (10.9994, 11.9994, 12.9992)T，此方程组的准确解为x =(11, 12, 13)T，从表2-1可以看出：随着迭代次数的增加，迭代结果越来越接近精确解。 Jacobi迭代法的优点是公式简单，迭代矩阵容易得到，它又称为同时替换法：在每一步迭代计算过程中，计算x(k+1)时是用x(k)的全部分量代入求x (k+1)的全部分量。因此需同时保留两个近似解向量x(k)和x(k+1)。 Gauss-Seidel迭代法的迭代格式为： * * */37 X.Z.Lin 2.1 概述 2.2 Gauus 消元法 2.3 主元素法 2.1 引入主元素法的必要性 2.2 列主元素法 2.3 全主元素法 2.4 Jacobi迭代法 2.5 Gauss-Seidel迭代法 在科学研究和工程技术中所提出的计算问题中，线性方程组的求解问题是基本的，常见的，很多问题如插值函数，最小二乘数据拟合，构造求解微分方程的差分格式等，都包含了解线性方程组问题，因此，线性方程组的解法在工程计算中占有较重要的地位。 设n阶线性方程组： 其矩阵形式为： Ax=b (2-2) 其中： 求解Ax = b，曾经学过克莱姆(Cramer)法则，矩阵变换法等，但已远远满足不了实际运算的需要，主要体现两个方面：一是运算的快速和准确，其次是方程组的个数增大时的计算问题。如何建立能在计算机上可以实现的有效而实用的解法，具有极其重要的意义，我们都知道，Cramer法则在理论上是绝对正确的，但当 n较大时， 在实际计算中却不能用。 如果线性方程组Ax = b的系数行列式不为零，即det(A) ? 0，则该方程组有唯一解。 解线性方程组的数值方法大致分为两类： 请注意：由于在计算中某些数据实际上只能用有限位小数，即不可避免地存在着舍入误差的影响，因而即使是准确的直接解法，也只能求到近似解。 直接法在求解中小型线性方程组（≤100个），特别是系数矩阵为稠密型时，是常用的、非常好的方法。 直接法：指假设计算过程