线性方程组求解地数值方法.pptVIP

Ch3 线性方程组求解的数值方法 Numerical Solutions of Systems of Linear Equations §3.0 Introduction §3.1 Gauss消去法与LU分解法 §3.2 Cholesky分解 §3.3 向量范数与矩阵范数 §3.4 经典迭代法 §3.5 迭代法的分析 §3.6 超松驰法(SOR)及分块迭代法 §3.7 条件数、病态方程组与算法的稳定性 §3.8 稀疏矩阵的计算 3.5.2 迭代法的误差估计与收敛速度 定理3.4 设X*是方程组AX = b的同解方程X = BX + F的准确解，若迭代公式中迭代矩阵B的某种范数， (1) (2) 则有 §3.5 迭代法的分析 迭代 加速 （3.6.2） 定理3.５ SOR方法收敛的必要条件是 其中ω称为松弛因子． （3.6.1） 3.7.1 病态方程组与数值稳定的算法 定义 对线性方程组Ax=b, 如果解x关于问题（矩阵A和b）的“微小”变化（即舍入误差）不敏感，则称此方程组是“好的”，或称为“良态的”，否则，称之为“坏的”，或称为“病态的”。 定义 对求解线性方程组Ax=b的一个(迭代)算法 ，如果关于初始值的误差，不随计算逐步放大，则称算法是数值稳定的，否则，称之为是数值不稳定的。 数值不稳定的算法是不可用的！ 例 （病态方程组）考虑线性方程组 §3.7条件数、病态方程组与算法的稳定性 已知其精确解是 u =(1,1,1,1)T. (1)对右边常数向量b作“微小”扰动，得方程 (2)对系数矩阵A作“微小”扰动，得方程组 它的解是 v = (9.2, -12.6, 4.5, -1.1)T. 它的解是 w = (-81, 137, -34, 22)T. 注意：上述两种情况的解都是精确解！ 一般地，对线性方程组 Au=b （1） 两方程相减得 于是 (2) 由此得到 设其解为v=u+?u,即设 (1) 考虑对此线性方程组的第一类扰动方程组 （2）式右端给出了解的相对误差界。 §3.7条件数、病态方程组与算法的稳定性 两方程相减得 于是 (3) 由此得到 设其解为v=u+?u,即设 (2) 考虑对线性方程组（1）的第二类扰动方程组 （4）式右端给出了解的相对误差界。 进一步得到 (4) §3.7条件数、病态方程组与算法的稳定性 * 线性方程组 工程问题（电子网络，船体放样等） 自然科学（实验数据的最小二乘法曲线拟合） 解非线性方程组 解常/偏微分方程组（差分法，有限元法） 3.0 Introduction 线性方程组的系数矩阵： （1）低价稠密矩阵（阶数150）； （2）大型稀疏矩阵（阶数高且零元素较多）。 求解线性方程组的方法： （1）直接法: 经过有限步算术运算，求得精确解（假设计算过程没有舍入误差）。 如Gauss消去法，三角分解法。 （2）间接法(迭代法)： 通过迭代序列，逐步逼近方程组的解。如Jacobi迭代法，Gauss-Seidel迭代法。 3.0 Introduction 【最简单的情形】三角形线性方程组： 简记为 ，A为上三角矩阵。 若所有aii?0，可用“回代”过程得到方程组的解。 function X=backsub(U,b) % 解上三角方程组--回代过程%Backsubstitution in Gauss elimination % Input--U is a n x n upper-trianglular matrix % --b is a n x 1 constant vctor % Output--X is the solution vector of UX=b % Usage: X=backsub(U,b) %Find the dimension of b and initialize X n=length(b); X=zeros(n,1); X(n)=b(n)/U(n,n); for p=n-1:-1:1 X(p)=(b(p)-U(p,p+1:n)*X(p+1:n))/U(p,p); end Backsub.m 3.0 Introduction 3.0 Introduction 【作业】（1）编写Matlab程序解下列上三角形方程组： （2）编写Matlab程序解下列下三角形方程组： 直接法的基本思想： 将线性方程组化成与之等价的上三角形或下三角形，再用回代法求解。它的核心是矩阵分解。 核心：矩阵分解。 Gauss消去法（Gaussian elimination）： （对方程组的三种变换） （1）交换两