第6章线性方程组的数值解法.pptVIP

?第六章 线性方程组的数值解法 第一节 线性方程组介绍 矩阵形式：AX=b 如m=n，则称正规方程组 线性方程组求解的一般问题 线性方程组解的结构，有解的条件 det(A)? 0 消去法（直接法）求解（中小规模方程） A=MN，x=N-1M-1 b 迭代法求解（特别适合n100) A=M-N, x=M-1 (Nx+b) 生命科学中的应用示例 种群结构 核酸组成 基因表达矩阵 氨基酸组成 药物配伍 核酸序列进化 比对矩阵等 比对记分矩阵——评价序列对位排列质量 简单记分矩阵 Dayhoff突变数据矩阵 BLOSUM矩阵 郝柏林—组分矢量法 一种确定基因组间距离的方法，基于计算短串频度，构建细菌亲缘树。 此法首先计数一个细菌的全部蛋白质中特定长度K、例如K=5的寡酞串的数目，然后利用一个简单而具普遍性的统计模型从K=3和4的短串数目预测长度为5的串数目。 原始数据包括17个古细菌，131个真细菌，还放了6个真核生物做为参照。 矩阵的基本知识 矩阵的基本运算：加、减、乘、可逆、转置 可逆矩阵的表示：inv(A) ，A-1 A\B=A-1 B—左除， A/B=AB-1 —右除 矩阵的分解： A=L+D+U 矩阵的基本知识 非奇异矩阵：方阵的行列式det(A)?0 对于非奇异的方阵A存在着一个逆矩阵A-1，两者之间的关系为A-1A=AA-1=I。 对称矩阵：当A=AT时，矩阵A对称，其特征是以主对角线为中轴，矩阵A中各元素对应相等，即： aij=aji ;(i=1,2,…,n；j=1,2,…,n)； 正交矩阵：A是实方阵，且ATA=I，AT=A-1。 Matlab计算：A’(AT), I=eye(n), det(A) 求正交矩阵Q:[Q,R]=qr(X), QR=X or [Q,R,E]=qr(X), QR=EX 向量和矩阵的范数 向量的范数： 向量长度概念的推广，表征向量的大小 范数的基本性质： 正定，||x||?0 齐次, ||?x||=| ? |*||x||, ?为任意实数 满足三角不等式，||x+y||?||x||+||y|| 常用的范数 如向量 “1”范数， “2”范数， “?”范数， “p”范数， 范数的计算 例：x=(-5,2,3)T, ||x||1=10, ||x||2=sqrt(38), ||x||?=5 范数的等价定义 范数||x||p与||x||q等价，即存在正数C1,C2,使任意向量x，均有 范数的等价具有传递性，任何p范数均等价 矩阵范数 设A、B?R n*n, 矩阵范数的基本性质(向量的推广)： 正定，||A||?0 齐次, ||?A||=| ? |*||A||, ?为任意实数 满足三角不等式，||A+B||?||A||+||B|| 矩阵的算子范数 设A?R n*n, x?R n,矩阵的算子范数为： 矩阵A的条件数 设A?R n*n,可逆，对于A的任意一种算子范数||A||，定义A的条件数为： Cond(A)=||A||*||A-1||, 相应有 条件数意义：矩阵病态的一种度量，条件数越大，病态越严重，引起方程组解的误差可能越大。 病态方程 例解Ax=b, （1）A=[1,1;1,1.01]; b=[2;2]; x=[2;0] （2）b=[2; 2.01]; x=[1;1] 一般说，解x对b或A的扰动敏感，方程组为病态，或系数矩阵A为病态。 MATLAB计算： norm(A), norm(A,p) cond(A), cond(A,p) 方程的扰动（误差分析） 方程Ax=b, 扰动量为?b, 引起x的变化为?x A(x+?x)=b+?b ?x=A-1 ?b ||?x||?||A-1 ||*||?b|| 病态矩阵判断 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。 第二节 解线性方程组的直接法 直接法即消去法, 是经过有限步的算术运算以求得方程组的解。理论上是精确解, 但实际上由于计算机有效位数的限制, 运算过程中必有舍入误差, 求得的也仅仅是近似解。 高斯消去法：最常用、最有效的方法之一 约当消去法 高斯消去法 高斯消去法基本思想：逐次消去一个未知数，使方程AX=B变换成一个等价的三角形方程组，然后再通过回代求得向量X。 主元素消去法 非主对角线占优的线性方程组求解： 应用消去法