- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第6章 解线性方程组的数值解法 引言 在自然科学和工程技术中很多问题的解决常常归结为解线性代数方程组。例如电学中的网络问题,船体数学放样中建立三次样条函数问题,用最小二乘法求实验数据的曲线拟合问题,解非线性方程组问题,用差分法或者有限元法解常微分方程,偏微分方程边值问题等都导致求解线性方程组,而且后面几种情况常常归结为求解大型线性方程组。 线性代数方面的计算方法就是研究求解线性方程组的一些数值解法与研究计算矩阵的特征值及特征向量的数值方法。 引言 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的方法(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的方法 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 6.1 高斯消元法 设线性方程组 简记 AX=b 高斯消元法 其中 高斯消元法 克莱姆法则在理论上有着重大意义,但在实际应用中存在很大的困难,在线性代数中,为解决这一困难给出了高斯消元法。 例题 例1.用消元法解方程组 例题 第一步:-2 x(1)+(3)得 例题 第二步:1 x(2)+(4) 回代得:x=[1,2,3]T 6.1.1 高斯顺序消元法 下三角形方程求解 设 (1) 高斯顺序消元法 由(1)得 高斯顺序消元法 算法: 高斯顺序消元法 上三角方程组的解法 设 由(2)式回代得 上三角方程组的解法 高斯顺序消去法 设 Ax=b. 记A(1)=A b(1)=b 1、第一次消元。设 高斯顺序消去法 高斯顺序消去法 设第k-1次消元得A(k)x=b(k) 其中 高斯顺序消去法 则第k次消元: 高斯顺序消去法 最后 高斯顺序消去法 也就是对于方程组AX=b系数矩阵做: 高斯顺序消去法 高斯顺序消去法 高斯顺序消去法 高斯顺序消去法 高斯顺序消去法算法框图 高斯消去法的计算量 高斯顺序消去法条件 3.1.2 高斯主元素消去法 Gauss列主元消元法 从第一列中选出绝对值最大的元素 高斯列主元消去法 高斯列主元消去法 第k步 从 的第k列 , , 中选取绝对值最大项,记录所在行,即 若 交换第k行与l行的所有对应元素,再进行顺序消元。 框图 高斯列主元消去法 高斯列主元消去法 高斯列主元消去法 2. 全主元消去法 例如.求解方程组 全主元消去法 全主元消去法 全主元消去法 全主元消去法 全主元消去法 全主元消去法 Gauss全主元消元算法 Gauss全主元消元算法 Gauss全主元消元算法 小节 比较而言,Gauss顺序消去法条件苛刻,且数值不稳定; Gauss全主元消去法工作量偏大,需要比较 个元素及行列交换工作,算法复杂;因此从算法优化的角度考虑, Gauss列主元消去法比较好。 6.2 矩阵的三角分解法 我们知道对矩阵进行一次初等变换,就相当于用相应的初等矩阵去左乘原来的矩阵。因此我们这个观点来考察Gauss消元法用矩阵乘法来表示,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。 6.2.1 Gauss消元法的矩阵形式 6.2.2 三对角方程组求解的追赶法 三对角方程组求解的追赶法 三对角方程组求解的追赶法 三对角方程组求解的追赶法 三对角方程组求解的追赶法 其计算工作量为5n-4次乘除法。工作量小,其实现的条件为qi不为零。有以下定理可得证三对角矩阵求解的充分性条件。 解三对角矩阵线性方程组的追赶法程序框图 6.3 向量和矩阵的范数 为了研究线性方程组近似解的误差估计和迭代法的收敛性,我们需要对Rn(n维向量空间)中的向量或Rnxn中矩阵的“大小”引入一种度量,——向量和矩阵的范数。 向量和矩阵的范数 在一维数轴上,实轴上任意一点x到原点的距离用|x|表示。而任意两点x1,x2之间距离用| x1-x2 |表示。 向量和矩阵的范数 而在二维平面上,平面上任意一点P(x,y)到原点的距离用 表示。而平面上任意两点P1(x1,y1),P2(x2,y2)的距离用 表示。 推广到n维空间,则称
您可能关注的文档
最近下载
- DB23_T3335—2022_黑龙江省超低能耗公共建筑节能设计标准_黑龙江省.pdf VIP
- 重症医学科病人实施危重程度评分制度.docx VIP
- 任脉.ppt VIP
- 传统文化黄河教学课件.ppt VIP
- 工程量计算表范本.xls VIP
- 《口语交际:倾听》教案- 2023-2024学年高教版(2023)中职语文基础模块上册.docx VIP
- 《口语交际:介绍》教案- 2023-2024学年高教版(2023)中职语文基础模块上册.docx VIP
- 基于OpenCV的火花检测分析软件设计.pdf VIP
- 财务共享综合实训学生实践报告.docx VIP
- 国家临床版3.0手术操作编码(ICD-9-CM3).docx VIP
文档评论(0)