(线性方程组的解法.docVIP

线性方程组的解法 1 引言 在科学研究和大型工程设计中出现了越来越多的数学问题，而这些问题往往需要求数值解。在进行数值求解时，经离散后，常常归结为求解形如Ax= b的大型线性方程组。而如插值公式，拟合公式等的建立，微分方程差分格式的构造等，均可归结为求解线性方程组的问题．在工程技术的科学计算中，线性方程组的求解也是最基本的工作之一．因此，线性 方程组的解法一直是科学和工程计算中研究最为普遍的问题，它在数值分析中占有极其重要的地位。20世纪50年代至70年 代，由于电子计算机的发展，人们开始考虑和研究在计算机上用迭代法求线性方程组Ax =b的近似解，用某种极限过程去逐渐逼近精确解，并发展了许多非常有效的迭代方法，迭代法具有需要计算机存储单元少、程序设计简单、原始系数矩阵在计算过程中始终不变等优点。例如Jacobi方法、Gauss—Seidel 方法、SOR方法、SSOR方法 ，这几种迭代方法是最常用的一阶线性定常迭代法。 2 主要算法 20世纪50年代至70年代，人们开始考虑和研究用迭代法求解线性方程组。 Ax = b (1) 的近似解，发展了许多有效的方法，其中有Jacobi方法、Gauss—Seidel方法，SOR方法、SSOR方法，这几种迭代方法均属一阶线性定常迭代法，即若系数矩阵A的一个分裂：A =M-N ；M 为可逆矩阵，线性方程组(1)化为 ： (M－N)X =b； →M X = NX + b； →X= M -1NX+ M-1b 得到迭代方法的一般公式： X（k+1）=HX（k）+d （2） 其中：H =MN-1，d=M-1b，对任意初始向量X（0） 一阶定常迭代法收敛的充分必要条件是: 迭代矩H的谱半径小于1，即ρ(H) 1；又因为对于任何矩阵范数恒有ρ(H)≤‖H‖，故又可得到收敛的一个充分条件为：‖H‖ 1。 2.1 Jacobi迭代法 若D为A的对角素构成的对角矩阵，且对角线元素全不为零。系数矩阵A的一个分解：A = D－(L +U); 这里D为A的对角素构成的对 角矩阵, 为严格下三角阵，U为严格上三角阵。 Jacobi迭代的矩阵形式为 ： X（k+1）=HJX（k）+dJ (3) (3) 式 中: dJ= D-1b; HJ=I－D-1A, 称HJ为Jacobi迭代矩阵. 其计算公式为: 迭代矩阵HJ的谱半径ρ(H) 1，则对于任意迭代初值X（0），Jacobi迭代法收敛。 2.2 Gauss-Seidei迭代法 对于非奇异方程组，若D为A的对角素构成的对角矩阵，且对角线元素全不为零；系数矩阵A的一个分解： A = (D－L)－U (5) Gauss-Seide迭代矩阵形式为: X（k+1）=HGSX(k)+dGS 上式中: HGS=(D－L)-1U；dGS=(D－L)-1L 称HGS为G-S迭代矩阵。 计算公式为： i=1,2,3，…n k=0,1,2，… （6） 若A为严格或不可约对角占优矩阵，或A为对称正定阵，则对于任意初值X（0），Gauss-Seide迭代法收敛。 2.3 SOR(successive over relaxation)迭代法 对于非奇异方程组，若D为A的对角素构成的 对角矩阵，且对角线元素全不为零；系数矩阵A的一个分解： (7) 这里D为A的对角素构成的对角矩阵,为严格下三角阵,为严格上三角阵。 SOR迭代法的矩阵形式为 X（k+1）=HSOR X(k)+dSOR 式中 ： HSOR=(D-L)-1 [ (1-) D + U] d SOR= ( D-L )-1b。 计算公式为： i=1,2,3，…n k=0,1,2，… （8） 然后按相反的次序（i= n，n-1，…1）用向后的SOR方法逐点计算 i= n，n-1，…1；k=0,1，… （11） 若AX= b中A是正定的,且0﹤﹤2，则SSOR法收敛。 2.4 消元法 消元法是初等数学中求解低阶多元线性方程组的方法．此时线性方组必须是适定方程组.一般是用于二元一次 或三元一次方程组．当未知元增多时.计算效率低甚至无法求解. 2.5 克拉默法则 当系数行列式不为零时．适定方程组有惟一 解 ．其解如(12)式所示 ：xi= Di /D i=1,2，…，n （12） 其中D是系数行列式，Di是在系数行列式基础之上结合方程组右边常数形成的新行列式。在此法则中。行列式的计算显得非常重要。用行列式的性质计算行列式最为有效。 对于二 、三阶行列式可以利用对角线法