3……线性代数方程组的解法.ppt

二、Gauss-Jordan消元法……例题 §3.1.4 Gauss-Jordan消去法 主对角线上的元素如何变成 1 ? 二、Gauss-Jordan消元法……例题 §3.1.4 Gauss-Jordan消去法 消去法在计算过程中，为减少误差，最好选择主元 §3.2 三角分解法 3.2.1、三角分解法－Doolittle分解 上三角阵 下三角单位阵 §3.2 三角分解法 3.2.1、三角分解法－Doolittle分解 Gauss消去法得到 取方阵、转置、Gauss消去法、转置、对角单位化 §3.2 三角分解法 3.2.1、三角分解法－Doolittle分解 比较第1行： 比较第1列： §3.2 三角分解法 比较第2行： 比较第2列： 3.2.1、三角分解法－Doolittle分解 §3.2 三角分解法 比较第 k 行： 比较第 k 列： k-1 次 k-1＋1 次 3.2.1、三角分解法－Doolittle分解 §3.2 三角分解法 3.2.1、三角分解法－Doolittle分解 分解过程完毕，加上两次反代过程 总运算量为： 因此 我们可以通过 2 次反代过程求解方程组 §3.2 三角分解法 3.2.1、三角分解法－Doolittle分解 §3.2 三角分解法 3.2.1、三角分解法－Crout分解 上三角单位阵 下三角阵 Doolittle分解与Crout分解之间存在一定的关系。 L 为下三角，U 为单位上三角 3.2.1、三角分解法－Crout分解 §3.2 三角分解法 两次反代过程 下面，我们对一下特殊的矩阵，提出一些特定的分解法。 比较第k列： 比较第k行： 3.2.1、三角分解法－Crout分解 §3.2 三角分解法 3. 三对角阵的追赶法 3.2.2、三对角分解法－追赶法 §3.2 三角分解法 所以，有计算过程如下： §3.2 三角分解法 3.2.2、三对角分解法－追赶法 若A对称正定，则有下三角整L，使得： 所以有： 称为平方根法， 因为带了开方运算，因此不常用 3.2.2、平方根法－CHOLESKY法 §3.2 三角分解法 又 则有 3.2.2、平方根法－CHOLESKY法 §3.2 三角分解法 比较等号两边后，有： 3.2.2、平方根法－CHOLESKY法 §3.2 三角分解法 3.2.2、平方根法－CHOLESKY法 §3.2 三角分解法 为了提高数值稳定性, 可考虑列主元三角分解法, 设已完成A=LU的k-1步分解计算, 矩阵分解成 设 令 rk?ri 相当于取 为第k步分解的主元素. 但要注意方程组的常数项也要相应变换. 3.2.2、平方根法－CHOLESKY法 §3.2 三角分解法 定义：设‖?‖是一种向量范数 称之为由向量范数派生的矩阵算子范数. 定义 设‖?‖是以n阶方阵为变量的实值函数,且满足条件: (1)非负性: ‖A‖?0 ,且‖A‖=0当且仅当A=0 (2)齐次性: ‖?A‖=|? |‖A‖, ??R (3)三角不等式:‖A+B‖?‖A‖+‖B‖ (4)三角不等式:‖AB‖?‖A‖‖B‖ 则称‖A‖为矩阵A的范数. §3.3 向量与矩阵的范数 3.3.1、向量的范数 对应于3种常见的向量范数，有3种矩阵范数 列和的最大值 行和的最大值 是ATA的最大特征值，也称为谱范数 矩阵范数的一些性质： ① ② ③ ④ ⑤ §3.3 向量与矩阵的范数 3.3.1、向量的范数 定理： 若 为 的特征值，则 证： x为A的特征值 #证毕 定义5.2： 谱半径 易知： §3.3 向量与矩阵的范数 3.3.1、向量的范数 5.4 条件数和病态矩阵 定义5.3：（条件数） 表示某种范数 设 ， 引入误差 后 ，解引入误差 ，则 §3.3 向量与矩阵的范数 3.3.2、矩阵的范数 注意到 因为： §3.3 向量与矩阵的范数 3.3.2、矩阵的范数 条件数 很小 条件数表示了对误差的放大率 §3.3 向量与矩阵的范数 3.3.2、矩阵的范数 * * * 西南科技大学 zmwave@126.com 土木工程学院 赵明波 西南科技大学 第3章 解线性方程组的直接法 3.1 Gauss消去法 3.2 三角分解法 3.3 向量与矩阵的范数 3.4 迭代法 3.5 方程组的状态与解的迭代改善 Cholosky分解法 实际中，存在大量的解线性方程组的问题。很多数值方法到最后也会涉及到线性方程组的求解问题：如样条插值、曲线拟合、非线性方程组的Newton迭代等问题。 一、引论 §3.1 Gauss消去法 inverse(A) …………………… 矩阵求逆 multiply(A,B) …………………… 矩阵乘法 evalm(