计算方法-3线性方程组数值解法.pptVIP

* 3.2 消去法 一 上三角方程组的解法 设 * 写出矩阵形式为：Ux = y 其中U称为上三角矩阵 * 若uii≠0（i=1,2,……n）,则由下至上依次回代得 * 二 高斯消去法 其中 aij(1)=aij, ai,n+1(1)=bi 1≤i,j≤n 1、第1步消元。设a11(1)≠0,将 的第一行乘以-li1 (li1=ai1(1)/a11(1))，加到i行 记原线性方程组为 * 其中 aij(2)=aij(1) -li1a1j(1) ， 2≤i ≤ n； 2≤ j ≤ n+1 得到同解方程组 * 从运算过程来看，上面相当于用矩阵左乘 即 * 若已经进行了k-1步次消元，同解方程组为： * 其中， aij(k+1)=aij(k) -likakj(k) ， k+1≤i ≤n； k+1≤ j ≥n+1 第k步消元： * 即 第k步消元，也相当于用矩阵左乘 * 一直作到n-1步，得到同解方程组 记 则线性方程组为 ：Ux=y * 例1 用高斯消去法解线性方程组 * 解： * 因此得到与原方程同解的三角方程组为 通过回代，可以得到解为： X3=-3, x2=2, x1=1 * 三 列主元高斯消去法 ≠0 （k=1,2,……n-1）; 若 很小，也不适用； 高斯消去法的问题： 列主元消去法： 与高斯消去法相似； 防止舍入误差的增长； 选列主元，进行行交换。 * 具体过程： 设k-1步消元得到： * 在进行第k步消元前，选出第k列中位于对角线及其以下元素绝对值中的最大值者，即确定t使得 将第t行和第k行互相交换； 再按高斯消去法进行第k步消元； 若系数矩阵为对称正定或严格对角占优的方程组，不必选主元 * 例2 用列主元高斯消去法解线性方程组 * 3.3 追赶法 其系数矩阵为三对角形，元素满足以下条件： |b1||c1|0 |bi|≥|ai|+|ci|，且aici≠0 i=2，3，……n-1; |bn|≥|an|0。 可以采用追赶法求解 * 消元过程: 追 赶 * 3.4 向量范数和矩阵范数 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。 * 向量范数 对空间直角坐标系任意向量 其长度为： * 它满足如下3个条件 对任意x属于R3，|x|≥0，|x|=0当且仅当x=0; 对任意常数c属于R和任意x属于R3，有|cx|=|c|·|x|; 对任意x属于R3， y属于R3，有|x+y|≤|x| + |y|; 这三个条件分别称为向量长度的非负性、齐次性和三角不等式，推广此概念即可得到向量范数 * 定义 设f(x)=||x||是定义在Rn上的实函数，如果它满足如下条件： 1 对对任意x属于Rn，||x||≥0，||x||=0当且仅当x=0; 2 对任意实常数c和任意x属于Rn，有||cx||=|c|·||x||; 3对任意x属于Rn， y属于Rn，有 ||x+y|| ≤ ||x|| + ||y||; 则称||·||为Rn上的向量范数 * 最常用的是三种范数： 向量的1-范数： 向量的2-范数： 向量的∞-范数： 示例(-5，-3，4)T的三种范数分别为： * 定义 设向量x,y属于Rn上，则称||x-y||为x和y之间的距离 三种范数之间的关系 * 矩阵范数 定义: 设A属于Rn×n，||·||是Rn上的任一向量范数，称 为A的矩阵范数，记作 Rn×n表示所有n×n阶矩阵组成的实线性空间。 * 最常用的三种矩阵范数： * 矩阵范数的五个性质： * 定理:设A∈R，||·||为一种矩阵范数，则ρ(A)≤||A|| 证明：设λ为A的按模最大的特征值，x为相对应的特征向量，则 * 例5 设A= * 示例结果：12，5倍根号10，5 * * * 示例结果：12，5倍根号10，5 * 示例结果：12，5倍根号10，5 * 示例结果：12，5倍根号10，5 * 示例结果：12，5倍根号10，5 * * * * * * * * * * * * * * * * * 第3章 线性方程组数值解法 §3–1 引言 §3–2 消去法 §3–3 追赶法 §3-4 向量范数和矩阵范数 §3–5 迭代法 * 学习要点 消去法：包括高斯顺序消去法和列主元高斯消去法； 三对角方程组的追赶法； 各种向量范数和矩阵范数的概念； 解线性方程组的迭代法：Jacobi迭代法；Gauss-Seidel迭代法； 迭代法的收敛性