《数值分析》课件-第五章 高斯消去法.pptVIP

数值分析 数值分析 数值分析 数值分析 数值分析 数值分析 数值分析 数值分析 数值分析 数值分析 数值分析 数值分析 * 第五章解线性方程组的数值解法 (直接法) * 线性方程组直接解法 自然科学和工程计算中, 很多问题最终都需要求解一个线性代数方程组 * 线性方程组解的存在唯一性 如果线性方程组Ax=b的系数行列式不为零，即 det(A) ? 0，则该方程组有唯一解。 克莱姆（Cramer）法则 此公式计算量为(n+1)n!(n-1)，当n较大时，计算量相当惊人。 比如：n=20，则 这个工作量在每秒作1010运算的计算机上计算，需要大约162年 * 线性方程组的数值解法 直接法：指假设计算过程中不产生含入误差，经 过有限步四则运算可求得方程组准确解的方法。 迭代法：从给定的方程组的一个近似值出发，构造某种算法逐步将其准确化，一般不能在有限步内得到准确解 请注意：由于在计算中某些数据实际上只能用有限位小数， 即不可避免地存在着舍入误差的影响，因而即使是准确解 法，也只能求到近似解。 * 直接法的基本思路 利用方程组的同解变形，逐步将原方程组转化 为简单易于求解的特殊形式的线性方程组。 三角形方程组的解法 * 很容易得到上三角形方程组的解 上述求解过程称为回代过程(back substitution)。 计算量为 * 如何将方程组化为三角形方程组 1.高斯消去法 2.非奇异矩阵三角分解 回忆高斯消去法 解：先用方程①消去方程②③中的 * 高斯消去法 Gaussian Elimination 即②-①，③-2①得 再⑤+2④得同解三角方程组 回代求解得： * 高斯消去法 Gaussian Elimination 上述过程相当于 可以看出,用高斯消去法解线性方程组可简单分为消元和回代两个过程。 * 高斯消去法的主要思路： 将系数矩阵 A 化为上三角矩阵，然后回代求解。 考虑 n 阶线性方程组： 矩阵形式 = 顺序高斯消去法 Gaussian Elimination * Gauss 消去法 第一步：消去第一列 依次将增广矩阵的 第 i 行 + mi1 ? 第 1 行，得 设 ，计算 其中 第二步：消去第二列 依次将上述矩阵的 第 i 行 + mi2 ? 第 2 行，得 其中 设 ，计算 记 ，即 。 * Gauss 消去法 高斯消去法 第 k 步：消去第 k 列 依此类推，直到第 n-1 步，原方程化为 设 ，计算 回代求解： 计算 ( i = k+1, …, n ) ( i = n-1, …, 1 ) * 几点注记 主元 （pivot element）： 顺序Gauss消去法能进行到底的条件：主元全不为0 定理： （i=1, 2, ..., n）的充要条件是A 的顺序主子式不为零，即 * 计算量 第 k 步：消第 k 列 计算 计算 ( i = k+1, …, n ) 回代求解： ( i = k+1, …, n ) n – k 次 (n – k)2 次 n – k 次 n (n+1)/2 次 顺序Gauss 消去法的乘除运算量为： * 顺序高斯消去法的计算步骤 1 . 顺序消元 2 .回代求解 * MATLAB For Gaussian Elimination 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 [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:n)= A(i,k+1:n)-m*A(k,k+1:n); b(i)= b(i)-m*b(k); end end * MATLAB For Gaussian Elimination 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 * 顺序高斯消去法的优缺点 Gauss消元法简单易行，且计算量小。