3.1线性电路方程求解 .ppt

线性方程组的直接求 解法 1.高斯消去法 对一个线性方程组作行变换（交换方程组 任意两行的顺序；方程组任意一行乘于一个非零 数；方程组任意一行减去另一行的倍数），得到 新的方程组与原方程组等价，因此同解。 高斯消去法就是反复运用上述运算，将方程 组对应的系数矩阵化为单位上三角矩阵，该过程 称为“消元过程”；然后依xn，xn-1，…，x1的顺序 得到方程组的解，该过程称为“回代过程”。 消去过程 第一次消元： ①设 ，将 中第一行所有元素除以 ,使之归一化； 第二次消元： ① 中第一行元素保持不变； 如此，一直进行n次消元。其结果为: 反向回代过程 例1 用高斯消去法求解方程组 上述高斯消去法，在实际使用中存在两个问题： a、在上面的讨论中，事实上是假设 ，并以之为主元完成消去过程的。但是，如果出现 的情况，即使原方程存在唯一解，消去过程也会归于失败。显然，只要将方程的次序或变量的排列次序对调一下问题就能得到解决。 b、计算精度问题。即使主元不为0，但 ，用它作除数，会导致其他元素数量级严重增加，从而引起较大的舍入误差，由于这些误差的传播和积累，而使计算精度降低，甚至导致错误的结果。 解决方法：对调方程的次序或变量的排列 方法： 列主元消去法 行主元消去法 全主元消去法 二. 迭代法 1. 简单迭代法（雅可比迭代法） 例： 取初始向量X(0)=(0,0,0)T,可得迭代序列： 2 高斯-赛德尔（Gauss-Seidel）迭代法 采用雅可比迭代法计算第i个分量xi(k+1)时用到的是第k步计算出来的各分量x1(k) 、 x2(k) … xn(k) ，而已经计算出来的最新分量x1(k+1) 、 x2(k+1) … xi-1(k+1)没有利用到。直观地理解，最新计算出来的分量可能比旧的分量好一些，收敛速度快一些。因此可采用高斯-赛德尔迭代法。 clear all e=0.001; %精度 A=[0 0.2 0.1 0.3;0.2 0 0.1 1.5;0.2 0.4 0 2]; x0=[0 0 0 1]; x=[A*x0;1]; k=1; while max(abs(x-x0))e x0=x; x=[A*x0;1]; k=k+1; end x k Matlab程序 “1”相当于x4，x4=1 条件：A为非奇异阵且aii≠0(i=0,1,…,n) 矩阵点乘（MATLAB中D=E.*A) function X = JacobiSolver(A,b,precision) %雅可比迭代程序 %A：N x N 非奇异的系数矩阵；b：N x 1 线性方程组右端向量； %X：AX=b的解向量 % precision：迭代精度 [N,N]=size(A); D=eye(N).*A; BJ=eye(N)-inv(D)*A; f=inv(D)*b; X0=zeros(N,1); error=abs(BJ*X+f); %设定error初值 while errorprecision X=BJ*X0+f; error=max(abs(X-X0)); X0=X; end 线性电路方程的求解 3.1 第三章 电路方程的求解 求解方程组的根时，计算方法的优劣直接关系是否能求出所需的解，求解过程的快慢及解的精度，也关系到能否用较少的内存完成较复杂的计算。 常用的方法有： 直接解法—高斯消去法 迭代法 ３.1 线性方程组的求解 如果线性方程组 的系数行列式D不等于零， 则方程组有唯一解 ●行列式的应用——Crammer法则 （1） 例1 用Cramer法则求解线性方程组 解 系数行列式为 所以 小结：Crammer法则的使用有极大的局限性 （1） Crammer法则只能用于求解方程个数与未知数 个数相等的线性方程组； （2） Crammer法则只能求得系数行列式不为零时的 线性方程组的唯一解； （3）计算量大，要计算 n+1 个 n 阶行列式的值。 线性代数方程组可以用克莱姆法则求解，然而当未知量很多时，用克莱姆法则求解需要处理阶数很高的行列式，即使用计算机处理也是一种效率极低的方法。高斯消去法（Gaussian elimination algorithm）是一种适用于计算机辅助求解多变量线性代数方程组的常用算法。 Crammer法则与GAUSS消去法计算量的对比 李庆扬