- 1、本文档共98页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一、研究数值解法的必要性;;如: ,若用每秒完成万亿次(1012)浮点乘法运算的计算机(几年前国内运算速度最快),按每天工作24小时,完成这些计算约需30年。若使用一般的个人电脑,每秒不外完成十亿次(109)浮点乘法运算,则完成这些计算约需3万年。(天河千万亿次)
;二、线性代数方程组的常用解法;§2.1解线性方程组的直接法;一、Gauss消去法;Step1:; 若 令 ,
乘第二个方程加到第i个方程 ,则得;设为;Stepk:;按上述做法,做完n-1步消元,原方程可化为同解的上三角方程组:;最后,若 ,逐步回代可得到原方程组的解:;Remark2:可以统计出,如果A为n阶方阵,则Gauss顺序消去法消去过程所需的乘除运算次数为;Remark4:在消去过程中,消去过程能够进行的前提条件是 。当detA= 时方程组存在唯一解,但未必能满足 的条件。要使Gauss顺序消去法能够求得方程组的解,应满足如下的定理: ;算法见教材第27页:; 此时高斯顺序消去法能进行下去,但不能求出唯一解。; 在计算过程中舍入误差增大迅速,造成计算解与真解相差甚远,这一方法就是不稳定的方法,反之,在计算过程中的舍入误差增大能得到控制,该方法就是稳定的。小主元是不稳定的根源,这就需要采用“选主元素”技术,即选取绝对值最大的元素作为主元。;B= ;再考虑 右下角矩阵,选取绝对值最大的元素作为主元素,经过行的对换把主元素移到 , ;算法见教材第27页:;2)全主元消去法;都 ;Remark;三、选主元素消去法的应用;2.求逆矩阵;四、矩阵三角分解法;第27页/共97页;则n-1步消元过程为;即 ;令L= ;
即 ;2 .矩阵的三角分解及条件 ;Remark:实际中对A进行三角分解,不是利用初等变换矩阵,而是直接使用矩阵乘法得到。(若不加说明,后面我们讲到的三角分解一律指Doolittle型分解。);3.直接三角分解法 ;Step2: ;可以算出: ;的求解过程为:;对比计算 和 公式, ;例求解;;列主元三角分解法主要思想;4.平方根法(Cholesky分解) ;平方根法的计算公式
(为简单起见设 ,L为下三角矩阵) ;P28;Remark1:由于在上式分解过程中有n次开方运算,故Choledsky分???法也称为平方根法。 ;Remark4:从运算量的角度看,平方根法是有利的。可以统计出,用平方根法求解Ax=b所需乘除法的运算次数为:;平方根法举例;;4.改进的平方根法 ;改进的平方根法的计算公式 ;改进的平方根法举例;先解;五、解三对角方程组的追赶法;2.追赶法解三对角方程组; 当A为上述三对角阵时,A有更特殊的三角分解形式;即 ;由 得 ;追赶法举例;;§2.2 解线性方程组的迭代法;例如,AX=B两边都加X得;则当X(0)=X(1)时, X(1)就是原方程的解. 若X(0)≠X(1) ,但当二者差别非常小时,例如当
可认为X(0)≈X(1)可将X(1)作为近似解.否则…;则当X(2)=X(1)时, X(2)就是原方程的解. 若X(2)≠X(1) ,但当二者差别非常小时,例如当
可认为X(2)≈X(1)可将X(2)作为近似.否则…;则X*正是方程组X=MX+d的精确解
称X(k+1)=MX(k)+d为迭代公式, 称M为迭代矩阵.对应的方法为一种迭代法.;一.雅可比(Jacobi)迭代法;建立迭代格式;用矩阵形式来表示方程组的迭代格式 ;雅可比迭代式成为:;雅可比;第70页/共97页;G-S迭代式成为:; 三、逐次超松弛迭代法
(SOR法-Successive Over Relaxation);这就是逐次超松驰迭代法(SOR方法), 称为松驰
因子。;§2.3迭代法的收敛性;分别称为X的1范数, 2范数, ∞范数,;
定义2 (矩阵范数)若对任意n×n矩阵A,按一定规则对应一实数||A|| ,并满足以下条件:
①对任意n×n矩阵A, ||A||≥0,只有当A=0时, ||A||=0
②对任意实数k, ||kA||= |k| ||A||
③对任意n×n矩阵A,B, ||A+B||≤ ||A||+ ||B||
④对任意n×n矩阵A,B, ||AB||≤ ||A|| ||B||
则称||·|| 为矩阵范数.
;分别称为X的1范数(列范数), 2范(谱范数)数, ∞范数(行范数),Frobenius范数
P60例2(纠错);定义3(P59) 若有向量范数||·||u和矩阵范数||·
文档评论(0)