(内容提要)方程组解法.docVIP

第三章 线性方程组的解法 一、基本内容提要 1. 高斯消元法 高斯消去法（Gauss Elimination Method）是一种规则化的加减消元法。基本思想是通过逐次消元计算把需要求解的线性方程组转化为上三角形方程组，即把线性方程组的系数矩阵转化为上三角矩阵，从而使一般线性方程组的求解转化为等价(同解)的上三角形方程组的求解。 2. 高斯消元法的消元过程 求解元线性方程组的Gauss消元法的一般步骤，将方程组设为如下形式 可简记为，其中。 第一步：设记，将上式中第i个方程减去第1个方程乘以，完成第一次消元，得其同解方程组 其中。此方程组简记为。 第二步：设，记。将上式中第i个方程减去第2个方程乘以，完成第二次消元。 第步：设次消元完成后得原方程组的同解方程组为 简记为。设记。将上方程组中第i个方程减去第k个方程乘以，完成第k次消元，得同解方程组 其中。按上述作法，完成次消元后，原方程组化成同解的上三角方程组 一般简记为 回代过程 按向量的逆序逐步回代得方程组的解 3. 列主元Gauss消去法 对于线性方程组，可设 列主元Gauss消去法的具体过程如下： 第一步：首先在上增广矩阵中的第1列中选取绝对值最大的元，比如为，则。将第1列与第列互换。为方便起见，记行互换后的增广矩阵为，然后进行第一次消元，得矩阵 第二步：在矩阵的第二列中选主元，比如，使。将矩阵的第2行与第行互换，再进行第二次消元，得矩阵。 第步：在矩阵的第列中选主元，如，使。将的第行与第行互换，进行第次消元。 如此经过步，增广矩阵被化成上三角形，最后由回代过程求解。 4. 矩阵的杜利特尔（Doolittle）分解 设，其中为单位下三角矩阵，为上三角矩阵。 此分解过程即被称为矩阵的杜利特尔（Doolittle）分解，也被称为分解。 5. 直接三角分解法 如果线性方程组的系数矩阵已进行三角分解，=，则解等价于求解两个三角形方程组，即由 可求出 再由 解得 6. 三对角方程组的追赶法 设 = 其中为待定系数，根据矩阵乘法规则，可得 如果，可得 即 方程组可化为求解方程组和。解得 再解，得方程组的解 上述方法即被称为求解三对角方程组的追赶法。 7. 改进的平方根法 对称正定矩阵一定有形如的分解，其中为单位下三角阵，为对角阵，矩阵作分解后，解方程组可分两步进行：先解方程组，再由求。具体计算公式为 求解线性方程组的这一方法称为改进的平方根法，也叫法。 8．向量范数 若是向量空间上的实值函数，且满足条件 非负性：对任何向量，，且当且仅当； 齐次性：对任何实数和向量，； 三角不等式：对任何向量， 则称为向量空间上的范数，为向量的范数。 理论上存在多种多样的向量范数，最常用有如下三种： (1) 范数 (2) 范数 (3) 范数 9．矩阵范数 若是以阶方阵为变量的实值函数，且满足条件： ，当且仅当； 对任意实数，都有； 对任意两个阶方阵都有； （相容性条件）。 则称为矩阵的范数。 设阶方阵，常用的矩阵范数有： 范数 范数 范数 ，其中表示的最大特征值。 10．病态方程组 如果矩阵或常数项的微小变化，引起方程组解的巨大变化，则称此方程组为“病态”方程组(Illconclitioned System of Equations)，矩阵称为“病态”矩阵(相对于方程组而言)，否则称方程组为“良态”(Well-behaved)方程组，为“良态”矩阵。 11．条件数 设为非奇异矩阵，称数为矩阵的条件数(Condition Number)，记为 常用的条件数有 其中分别为矩阵的的最大特征值和最小特征值，故又称为谱条件数。 特别地，如果为实对称矩阵，为的特征值，且，则 对方程组，当时，方程组是病态的，否则，方程组是良态的。 12. 雅可比(Jacobi)迭代法 若方程组 的系数矩阵非奇异，且设。 可建立迭代公式 选取初始向量后，反复迭代可得向量序列，满足 此计算过程所给出的迭代法称为Jacobi迭代法。为迭代矩阵，可把系数矩阵分裂成 其中 ， 有，即 13. Guass-Seidel迭代法 若选取初始向量，用迭代公式 产生近似解序列，这种迭代方法称为Gauss-Seidel迭代法。 14. 松弛法(Relaxation Method) 若记按Gauss-Seidel迭代公式得到的第次迭代结