第5章解线性方程组的直接法.pptVIP

第5章 解线性方程组的直接法 实际中，存在大量的解线性方程组的问题。很多数值方法到最后也会涉及到线性方程组的求解问题：如样条插值的M和m关系式，曲线拟合的法方程，方程组的Newton迭代等问题。 对线性方程组： 或者： 我们有Gram法则：当且仅当 时，有唯一的解，而且解为： 但Gram法则不能用于计算方程组的解，如n＝100，1033次/秒的计算机要算10120年 解线性方程组的方法可以分为2类： ①直接法：准确，可靠，理论上得到的解是精确的 ②迭代法：速度快，但有误差 本章讲解直接法 5.1 消元法 我们知道，下面有3种方程的解我们可以直接求出： ① n次运算 ② （n＋1）n/2次运算 ③ （n＋1）n/2次运算 对方程组，作如下的变换，解不变 ①交换两个方程的次序 ②一个方程的两边同时乘以一个非0的数 ③一个方程的两边同时乘以一个非0数，加到另一个方程 因此，对应的对增广矩阵(A，b)，作如下的变换，解不变 ①交换矩阵的两行 ②某一行乘以一个非0的数 ③某一个乘以一个非0数，加到另一行 消元法就是对增广矩阵作上述行的变换，变为我们已知的3种类型之一，而后求根 ? 高斯消元法： 步骤如下： 第一步： 运算量： (n-1)*(1+n) 运算量： (n-2)*(1+n-1)=(n-2)n 第二步： 第k步： 类似的做下去，我们有： 运算量： (n－k)*(1＋n－k＋1)=(n－k)(n－k＋2) n－1步以后，我们可以得到变换后的矩阵为： 因此，总的运算量为： 加上 解上述上三角阵的运算量(n+1)n/2，总共为： 注意到，计算过程中 处在被除的位置，因此整个计算过程要保证它不为0 所以，Gauss消元法的可行条件为： 就是要求A的所有顺序主子式均不为0，即 因此，有些有解的问题，不能用Gauss消元求解 另外，如果某个 很小的话，会引入大的误差 用Gaussian 消元法计算： 小主元可能导致计算失败。 2、列主元消元法 在Gauss消元第k步之前，做如下的事情： 若 交换k行和j行 行的交换，不改变方程组的解，同时又有效地克服了Gauss消元地缺陷 例： ? 3、Gauss-Jordan消元法 将在Gauss消元第k步，变为 将该行上三角地部分也变为0 最后变为一个对角阵。 它地运算次数比Gauss消元多。使用于计算多个系数一样地方程组，如 X，B均为矩阵 5.2 直接分解法 Gauss消元法的第k步： 从矩阵理论来看，相当于左乘矩阵 因此，整个Gauss消元法相当于左乘了一个单位下三角阵 所以有 L为单位下三角阵，U为上三角阵 因此 我们可以通过2次反代过程求解方程组 注意： 分解的理论由Gauss消元得出，因此分解能够进行的条件与Gauss消元一样 1、Doolittle分解 L为下三角，U为单位上三角 比较第1行： 比较第1列： 比较第2行： 比较第2列： 比较第k行： 比较第k列： K-1次 K-1＋1次 分解过程完毕，加上两次反代过程 总运算量为： 存储在矩阵的原来位置，且不影响计算 2、Courant 分解 L为下三角，U为单位上三角 两次反代过程 下面，我们对一下特殊的矩阵，提出一些特定的分解法 比较第k列： 比较第k行： 3. 三对角阵的追赶法 所以，有计算过程如下： 3. 对称正定阵的LDLT分解 若A对称正定，则有下三角整L，使得 所以有： 称为平方根法， 因为带了开方运算，因此不常用 又 则有 比较等号两边后，有 为了提高数值稳定性, 可考虑列主元三角分解法, 设已完成A=LU的k-1步分解计算, 矩阵分解成 相当于取 为第k步分解的主元素. 但要注意方程组的常数项也要相应变换. 定义：设‖?‖是一种向量范数 称之为由向量范数派生的矩阵算子范数. 对应于3种常见的向量范数，有3种矩阵范数 证： x为A的特征值 #证毕 5.4 条件数和病态矩阵 注意到 因为： 条件数 很小 条件数表示了对误差的放大率 同样，类似有 注：一般判断矩阵是否病态，并不计算A?1，而由经验得出。 ? 行列式很大或很小（如某些行、列近似相关）； ? 元素间相差大数量级，且无规则； ? 主元消去过程中出现小主元； ? 特征值相差大数量级。 精确解为 A?1 = 解：考察 A 的特征根 ? 测试病态程度： 此时精确解为 2.0102 200% 为对称矩阵