chap3_线性方程组_直接法.pptVIP

第三章 线性方程组的数值解法 比较第2行： 比较第2列： 比较第k行： 2k-1次 比较第k列： 2k次 分解过程完毕，加上两次回代过程 总运算量为： 存储在矩阵A的相应位置，不影响计算 *3、Crout 分解（略） L为下三角阵，U为单位上三角阵 例3.3 利用Doolittle分解求解方程组： 解：分解 k=1时， k=2时， k=3时， 解Ly=b 解Ux=y * 关于线性方程组的数值解法一般有两类： 直接法： 经过有限步算术运算，可求得方程组的精确解（若在计算过程中没有舍入误差） 迭代法： 用某种极限过程去逐步逼近线性方程组精确解 迭代法具有占存储单元少，程序设计简单，原始系数矩阵在迭代过程中不变等优点，但存在收敛性及收敛速度等问题 线性方程组： 或： 但实际计算中应用Cramer法则存在很大困难.若直接计算行列式，大致需要 N=(n*n-1)*n! 次乘除法运算；如果n=100，1033次/秒的计算机要算10120年。 Cramer法则： 其中 是A的第 i 列用 b 代替所得. 3.1 Gauss消元法 下面3种方程的解我们可以直接求出： 1） n 次运算 n（n＋1）次运算 2） n（n＋1）次运算 3） 3）一个方程的两边同时乘以一个常数，加到另一个方程 对增广矩阵(A,b)可作相应的初等行变换 对方程组，如下变换为同解变换： 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 1）交换矩阵的两行 2）某一行乘以一个非0的数 3）某一个乘以一个常数，加到另一行 ? 1、高斯消元法： 思路 首先将A化为上三角阵，再回代求解. = 步骤如下： 第一步： 运算量：(n-1)*(2n+1) 第1行 第i行， 运算量：(n-2)*(2n-1) 第二步： 第2行 第i行， 第k步： 运算量：(n－k)(2(n-k+1)＋1) n-1步以后，我们得到变换后的矩阵： 第k行 第i行， 因此，总的运算量为： 加上解上三角阵的运算量(n+1)n，总共为： *2、Gauss-Jordan消去法（略） 将Gauss消元第k步，变为 将第k列上三角部分也变为0 最后变为一个对角阵。 第k行 第i行， 3、Gauss消去法的可行条件为： 因此，有些有解的问题不能用Gauss消元求解. 另外，若某个主元 很小，会引入大的误差. A的所有顺序主子式均不为0，即 例3.1：单精度解方程组 精确解为 8个 8个 用Gauss 消去法计算： 小主元可能导致计算失败 3.2 Gauss列主元素消去法 在Gauss消去法第k步之前，做如下事情： 若 交换k行和j行 即将第k列后n-k+1个元素中绝对值最大元素作为主元，从而保证乘子 例3.1（续）： ? 这种做法不改变方程组的解，同时又有效克服了Gauss消去法的缺陷，理论上只要 即可将列主元Gauss消去进行到底. 例3.2：求解线性方程组 用四位浮点数进行计算，精确解舍入到4位有效数字为： 解：1）用高斯顺序消去法求解： 比较差的解 2）用列主元消去法求解： Gauss列主元消去法是目前求解中小型（5000）线性方程组（稠密，无特殊结构）的一般方法，稳定性较好。 *全主元消去法（略）： 稳定性更好，但工作量更大 1、对矩阵进行一次初等变换，相当于用相应的初等矩阵去左乘原来的矩阵。从这个观点来考察Gauss消去法，用矩阵乘法表示，即可得到求解线性方程组的另一种直接法：矩阵的三角分解。 3.3 直接三角分解 A＝LU Gauss消元法的第k步： 相当于左乘矩阵 第k行 第i行， 例如，第一步为： 总体有： 易证： 其中L为单位下三角阵，U为上三角阵。 所以： 注：分解理论由Gauss消去法得出，因此能够进行分解的条件与Gauss消去法结果一样。 *（实际使用时也需要选主元） 由此，解线性方程组Ax=b等价于解两个三角形方程组： 关键在于能否对矩阵A直接进行LU分解 定理： A的所有顺序主子式均不为零，则A存在唯一的分解式A=LDR，其中，L是n阶单位下三角阵，R是n阶单位上三角阵，D是n阶非奇异对角阵。 推论(Doolittle分解)： 2、Doolittle分解 比较等式两边元素，逐行逐列求L、U的元素 L为单位下三角阵，U为上三角阵， 比较第1行： 比较第1列： *