计算方法第3章线性方程组数值解法.pptx

计算方法; 线性方程组是应用最为广泛的数学模型，很多复杂问题中都含有线性方程组子问题，因此讨论线性方程组问题的求解很有必要，本章将讨论线性方程组的数值解法。 线性方程组的一般形式： 记： 这里A称为系数矩阵，x称为解向量，b称为右端项。; 求解线性方程组问题的数值方法可分为两类：直接解法和迭代解法。 直接解法是通过有限次初等运算，求得其解，虽然直接解法的推导过程都是无误差的，但是由于计算机的运算都是有舍入误差的，所求的解其实是一个有误差的近似解。 迭代解法则是从某个初始近似解出发，按照一个确定的迭代公式得到一个更好的近似解，反复迭代，直到求得一个满足精度要求的近似解。 本章首先讨论线性方程组的直接解法然后再介绍迭代解法。;3.1 消去法; 第3个方程减去第2个方程的7/3倍，得; 归纳以上求解方法，求解线性方程组包括两个过程，消元过程和回代过程。 首先给出回代过程的算法，回代过程其实是一个特殊形式的方程组的求解方法，就是一个上三角线性方程组的求解方法，如： ; 第1步：根据第n个方程解出 ，得 ; 算法3.1 上三角线性方程组的回代算法 0) [初始化] 设置上三角方程系数矩阵A，右端项向量b 1) [回代过程] 对于 循环 1.1) 计算 1.2) 对于 循环 1.3) 计算 2) [算法结束] ; 再看Gauss消去法的消元过程，对于线性方程组 的消去法本质上可看作将其增广矩阵用初等行变换化为梯形矩阵的过程。 为清楚的表示每次消元前后系数矩阵和右端项的状态，通常以 表示系数矩阵和右端项，其元素分别记作 ，其中上标(k)表示在第k次消元前的状态，其初始增广矩阵为：; 希望消元之后形如： 为此，对 ，令消元因子 ，将第i各行减去第1行的 倍 ，也就完成了消元过程。之后的论述中，在不引起混淆的情况下，将(3.6*)式略去上标(k)记为： 第2列消元，对 ，令 ，将第i各行减去第2行的 倍，则有 ; 再对第3、4、…、n-1列消元，最后得到上三角线性方程组的增广矩阵为： 以上的消??过程可用一个统一公式表示为： 我们可以根据这一公式设计如下算法：; 通常在求解线性方程的编程时，消元因子 存储于矩阵A对角线以下相应的位置上，因为此时这些位置的元素将被消元为0。 算法3.2 顺序Gauss消去法 0) [初始化] 置系数矩阵A，右端项向量b； 1) [消元过程] 对于 循环 对于 循环 1.1) 1.2) 1.3) 2) [回代过程] 执行算法3.1，即 3) [算法结束]; 从前述的算法可知，消元过程能够顺利进行的前提是步骤1.1)中对角线元素 ，关于顺序Gauss消去法有如下结论。 定理3.1 顺序Gauss消去法能够顺利进行的充要条件是系数矩阵A的顺序主子式 ，且 。特别有 证明略。 ; 2. 顺序Gauss消去法的计算量 通常我们在度量一个有限步终止的算法的计算量时，主要考虑整个计算过程中使用乘除法运算的总次数，在以后统计算法的计算量时，我们仅统计算法中乘除运算的次数。 (1) 消元过程的计算量 (2) 回代过程的计算量 (3) 总的计算量 ; 3. 列主元Gauss消去法 前节所讲顺序Gauss消去法，有以下两个问题： 在消元过程中当某个元素对角线为零时，算法无法进行，此时方程组并不一定无解； 如果某个对角线元素的绝对值非常小，将会引起很大的误差。 因此顺序Gauss消去法不具实用性，但由此方法改进的列主元消去法是最为广泛使用的方法，以下我们通过一个实例体会一下顺序Gauss消去法的问题和稍作改进之后的效果。; 例3.2 用顺序Gauss消去法求解线性方程组(运算过程中保留4位有效数字) 解：写出方程组的增广矩阵 消元过程： ，第2行减去第1行的 倍，得到 回代过程求得计算解为： ，此方程的准确解为 ，显然此计算解已经没有任何意义。; 如果将两个方程交换一下位置再求解，增广矩阵： 消元过程： ，第2行减去 乘以第1行，得到 回代过程求得解为： 此解与准确解完全相同。; 第1种解法产生非常大的误差的原因是 的绝对值太小，做为分母将产生太大的误差而导致最后的解面目全非；用第2种方法是通过交换方程的位置使做分母的 的绝对值尽可能的大，正如第一章误差分