数值分析(08)gauss消元法解线性方程组.pptVIP

第二节 高斯消元法及其计算机实现 第三节 用矩阵分解法求解线性方程组 第四节 误差分析和解的精度改进 第五节 大型稀疏方程组的迭代法 第三章 线性代数方程组的数值解法 第一节 求解线性代数方程组的基本定理 第六节 极小化方法 线性代数方程组 的一般形式 第一节 求解线性代数方程组的基本定理 MATLAB实现: x=A\b 数值求解方法有以下三条途径（三种框架） 直接法：利用Gauss消元或矩阵分解，通过有限次运算 可求出精确解。 迭代法：构造迭代格式，产生迭代序列，通过无限 次迭代过程求解。有限次截断得近似解。 极小化方法：构造二次模函数，用迭代过程求二次 模函数的极小化问题，即变分法（经n 次运算，理论上得精确解）要求A 对称正定(S.P.D) 第二节 高斯消元法及其计算机实现 求解 §1 高斯消元法 /* Gaussian Elimination */ ? 高斯消元法： 思路 首先将A化为上三角阵 /* upper-triangular matrix */，再回代求解 /* backward substitution */。 = §1 Gaussian Elimination – The Method 消元 记 Step 1：设 ，计算因子 将增广矩阵/* augmented matrix */ 第 i 行 ? mi1 ? 第1行，得到 其中 Step k：设 ，计算因子 且计算 共进行 ？ 步 n ? 1 回代 What if ? No unique solution exists. What if ? Then we must find the smallest integer k ? i with , and interchange the k-th row with the i-th row. What if we can’t find such k ? No unique solution exists. 定理 若A的所有顺序主子式 /* determinant of leading principal submatrices */ 均不为0，则高斯消元无需换行即可进行到底，得到唯一解。 注：事实上，只要 A 非奇异，即 A?1 存在，则可通过逐次消元及行交换，将方程组化为三角形方程组，求出唯一解。 §1 Gaussian Elimination – The Method 求解的全过程包括两个步骤：消元和回代 1 . 顺序消元 2 . 回代求解 Matlab实现 为求解上三角方程组，从最后一个方程入手，先解出 xn=bn/ann, 然后按方程由后向前的顺序，从方程中依次解出xn-1,xn-2,…,x1。这样就完成了上三角方程组的求解过程。这个过程被称为回代过程其计算步骤如下： 回代法的程序实现 function X=backsub(A,b) %Input—A is an n×n upper- triangular nonsingullar matrix % ---b is an n×1 matrix %Output—X is the solution to the system AX=b 函数名 返回变量 参数表 n=length(b); X=zeros(n,1); X(n)=b(n)/A(n,n); for i=n-1:-1:1 X(i)=(b(i)-A(i,i+1:n)* X(i+1:n))/A(i,i); end A的第i行、第i+1到n列元素构成的行向量 function X=gauss(A,b) %Input—A is an n×n nonsingullar matrix % ---b is an n×1 matrix %Output—X is the solution to the system AX=b MATLAB For Gaussian Elimination [n n]=size(A); % 确定A的维数 X=zeros(n,1); for k=1:n-1 for i=k+1:n % 消元过程 m=A(i,k)/ A(k,k); % A(k,k) ≠0 A(i,k+1