[理学]数值计算方法第3章.pptVIP

1 n阶线性代数方程组的一般形式 §3.1 Gauss消去与矩阵LU分解 一 Gauss消去 1 直接法的关键思想 如果方程组是“上三角方程组”或“下三角方程组”就可以很容易地求出方程组的解。因此，直接法的关键思想就是如何把一般方程组约化为上/下三角方程。 2 上三角方程组与回代过程 3 下三角方程组与前推过程 4 Gauss消去过程 则Gauss消去过程如下： 二 LU分解 1 矩阵的三角分解 对方程组Ax=b的顺序Gauss消去过程的结果，就是把矩阵A分解成两个三角距阵L和U的乘积：A=LU。 利用这个特点可以进行线性方程组的直接三角分解法。 解方程组的直接三角分解法有3种形式： （1）A=LU 2 解方程组的直接三角分解法 课堂练习 答案 §3.2 Cholesky分解 §3.3 向量范数与矩阵范数 一 向量范数 1 定义 设向量x∈Rn，若与x对应的 一个实值函数（并记为）||x||满足： ||x||0，其中||x||=0当且仅当x=0,称为正定性； ||kx||=|k|||x||,k∈R,称为齐次性； ||x+y||≤||x||+||y||,且x,y∈Rn,称为三角不等式。 二、Jacobi迭代法 2 J法的迭代矩阵 二 Gauss-Seidel迭代 2、GS法迭代矩阵 §3.5 迭代法的分析 §3.6 线性方程组的条件 定义3.2 设A为非奇异矩阵，称 cond(A)=||A-1||||A|| 为矩阵A的条件数。 定理3.6 对任意的非奇异矩阵 A，cond(A)是由任意的矩阵范数定义的条件数，则 由该定理可知,只要迭代矩阵的谱半径小于1,则J法和GS法收敛. 定理：如果方程组的系数矩阵A 是严格对角占优的，则对任意初始近似值，J法和GS法均迭代。 课堂练习 对方程组的右端b作一个”微小”变化 该方法也称为平方根法。 思想 ?Cholesky分解的计算公式 设 由 对应元素相等得 Cholesky分解公式 因对称性无需存储 Step1 Step2 Step3 Stepn 的计算过程: 逐 列 计 算 元素 仍然存放在矩阵 的相应位置上 例：用Cholesky分 解法求解下列方程组 解： 系数矩阵为 Step1 Step2 Step3 求解方程组 求解方程组 ? Cholesky分解法求解方程组中需说明的几个问题 ?工作量：约为 分解的一半； ?不必选主元： 的正定性和稳定性 ?稳定性：是数值稳定的； ?缺陷：存在开平方运算。 for for for 计算 的k列 计算 的k+1行 矩阵 分解的实际计算公式： 例：设x=(2,-4,3)T,求||x||1,||x||2和||x||∞ 称为矩阵ATA的谱半径 例：给定矩阵 求矩阵 的1、2、 范数。 若 是实对称矩阵，则 矩阵 的特征值为 。 ，求 例：设 2 1 || || , || || , || || 4 3 2 1 A A A A ￥ ú ? ù ê ? é - - = §3.4 古典迭代法的构造 一 、解线性方程组迭代法的基本思想 求解 迭代法 从一个初始向量出发,按照一定的递推格式,产生逼近方程组的近似解序列。 迭代法是一种逐次逼近的方法,与直接法比较, 具有: ?程序简单,存储量小的优点。特别适用于求解系数 矩阵为大型稀疏矩阵 /* sparse matrices */ 的方程组。 思路 将方程组 等价改写成 形式，从而建立迭代格式　 ，从 出发，生成迭代序列 B称为迭代矩阵，f称为常数项 一般情况下，迭代公式用来计算x的值和求迭代矩阵，迭代矩阵用来分析迭代是否收敛。 J法适用于并行计算，GS法适用于串行计算，并且所需要的存储空间较小。 例：利用Jacobi和Gauss-Seidel迭代法求解方程组 解： Jacobi迭代格式 G-S迭代格式 计算结果 取初值 Jacobi迭代法 (0.9999981 1.0000020 0.9999981) 14 0.00001 (0.9999541 1.0001253 0.9999541) 10 0.0001 (1.0002507 1.0000694 1.0002507) 9 0.001 迭代 次数 要求 精度 方 程 组 的 近 似 解 计算结果 Gauss-Seidel迭代法 (1.0000013 1.0000009 0.9999996) 8 0.00001 (0.9999929 0.9999949 1.0000022) 7 0.0001 (0.9997916 0.9998479