matlab第5章 线性方程组的求解.pptVIP

*第5章线性方程组的求解 5.1消去法 5.2矩阵分解法 5.3方程组的性态与误差分析 5.4线性方程组的MATLAB函数求解 5.5线性方程组的迭代解法 5.6实例解析本章目标：求解5.1消去法一、Gauss消去法思路：首先将A化为上三角阵，再回代求解。Gauss消去法的一般步骤如下：=二、追赶法将Gauss消去法应用于三对角方程组即得到所谓的“追赶法”。追赶法的具体操作过程为：追：赶：其中5.2矩阵分解法一、LU分解LU分解的一般计算公式为：根据上述公式可以编写实现LU分解的程序，具体的内容读者可以参看书本，另外MATLAB中还提供了LU分解的函数lu()，该函数的调用格式为：[L,U]=lu(A)%格式1[L,U,P]=lu(A)%格式2其中，格式1中的输入参数与输出参数满足关系式A=L*U（L为单位下三角阵，U为上三角阵），格式2中的P为单位矩阵的行变换矩阵（因为MATLAB提供的lu()函数使用了部分选主元算法），这里的输入参数和输出参数满足关系式L*U?=?P*A。二、Cholesky分解上述分解方法称为Cholesky分解法。这时，线性方程组即可以改写为Cholesky分解的一般计算公式为：MATLAB中提供了函数chol()实现对称矩阵的Cholesky分解，该函数的调用格式为：R=chol(A)%格式1L=chol(A,lower)%格式2[R,p]=chol(A)%格式3[L,p]=chol(A,lower)%格式4其中格式1和格式2要求矩阵A正定，否则使用时会出错，这时需要使用格式3或格式4，上三角阵R满足R*R=A，下三角阵L满足L*L=A，参数p表示子矩阵A(1:p-1,1;p-1)是正定的，即R*R=A(1:p-1,1;p-1)或L*L=A(1:p-1,1;p-1)。一、向量范数定义Rn空间的向量范数||·||对任意满足下列条件：（正定性)对任意(齐次性)（三角不等式)常用向量范数：?==niixx11||||||v?==niixx122||||||vpnipipxx/11||||||=?=v||max||||1inixx???=v注：5.3方程组的性态与误差分析二、矩阵范数定义Rm?n空间的矩阵范数||·||对任意满足：（正定性)对任意(齐次性)（三角不等式)(4)*||AB||?||A||·||B||（相容性当m=n时)常用矩阵范数：Frobenius范数—向量||·||2的直接推广对方阵以及有利用Cauchy不等式可证。算子范数由向量范数||·||p导出关于矩阵A?Rn?n的p范数:则特别有：（行和范数）（列和范数）（谱范数）矩阵ATA的最大特征根注：?Frobenius范数不是算子范数。?我们只关心有相容性的范数，算子范数总是相容的。?即使A中元素全为实数，其特征根和相应特征向量仍可能是复数。将上述定义中绝对值换成复数模均成立。若不然，则必存在某个向量范数||·||v使得对任意A成立。反例??谱半径定义矩阵A的谱半径记为?(A)=，其中?i为A的特征根。ReIm?????????(A)范数的MATLAB函数求解MATLAB中提供了函数norm()计算向量或矩阵的范数，其一般使用格式为：n=norm(A)n=norm(A,p)其中，A为向量或矩阵，当A为向量时，p可以为任意实数或inf，表示求取向量A的p-范数；当A为矩阵时，p的取值限定于1，2，inf和fro。三、矩阵的条件数MATLAB提供了函数cond()和rcond()来计算矩阵的条件数，它们的调用格式为：c=cond(A,p)%格式1c=rcond(A)%格式2其中格式1是一般情况下的条件数求解