第五章-解线性方程组的直接方法
解线性方程组的直接方法
解线性方程组的直接方法一、高斯消元法高斯消元法是解线性方程组最常用的方法之一、它通过一系列的消元操作，将线性方程组转化为阶梯型方程组，从而求解未知数的值。
1.确定线性方程组的阶数和未知数的个数。
设线性方程组中有n个未知数。
2.将线性方程组写成增广矩阵的形式。
增广矩阵是一个n行n+1列的矩阵，其中前n列是线性方程组的系数矩阵，第n+1列是等号右边的常数。
3.通过初等行变换（交换行、数乘行、行加行）将增广矩阵化为阶梯型矩阵。
具体步骤如下：a.首先，找到第一个非零元素所在的列，将它所在的行视为第一行。
b.将第一行的第一个非零元素（主元）变成1，称为主元素。
c.将主元所在列的其他元素（次元素）变为0，使得主元所在列的其他元素只有主元素是非零的。
d.再找到第一个非零元素所在的列，将它所在的行视为第二行，并重复上述步骤，直到将增广矩阵化为阶梯型矩阵。
4.根据阶梯型矩阵求解未知数的值。
具体步骤如下：a.从最后一行开始，依次求解每个未知数。
首先，将最后一行中非零元素所在的列作为含有该未知数的方程，将该未知数的系数设为1b.将含有该未知数的方程中其他未知数的系数设为0，并对其他方程进行相应的变换，使得该未知数所在列的其他元素都为0。
c.重复上述步骤，直到求解出所有未知数的值。
高斯消元法的优点是简单易懂、容易实现，但当线性方程组的系数矩阵接近奇异矩阵时，计算精度可能会降低。
二、矩阵求逆法矩阵求逆法是解线性方程组的另一种直接方法。
它通过对系数矩阵求逆，然后与常数矩阵相乘，得到未知数的值。
1.确定线性方程组的阶数和未知数的个数。
设线性方程组中有n个未知数。
2.将线性方程组写成矩阵方程的形式，即Ax=b，其中A是一个n阶方阵，x和b分别是n维列向量。
3.求系数矩阵A的逆矩阵A^-1a. 首先，计算系数矩阵A的行列式det(A)。
b. 判断det(A)是否为0，如果det(A)=0，则该线性方程组无解或有无穷多解；如果det(A)≠0，则系数矩阵A可逆。
数值分析--解线性方程组的直接方法
值 为A的特征值，x为A对应的特征向量，A的全体特征值
分 析
称为A的谱，计作 ( A),即 ( A) {i ,i 1,2,, n}, 则称
》
( A)
max
1in
|
i
|
为矩阵A的谱 半 径.
三、特殊矩阵
第5章 解线性方程组的直接方法
1) 对角矩阵
2) 三对角矩阵
3) 上三角矩阵
4) 上海森伯(Hessenberg)阵
分 析
1.00x 1.00y 2.00
》 解法1： 1.00105 x 1.00 y 1.00
(1.00 1.00105) y (2.00 1.00105)
1.00105 x 1.00 y 1.00
1.00
105
y
1.00
105
x 0.00,
y 1.00
第5章 解线性方程组的直接方法
1
Ly b y 3,Ux y x 1.
2
1
第5章 解线性方程组的直接方法
§3 高斯主元素消去法
若ak(kk) 0,或ak(kk)很接近于0，会导致其他元素数量级严重 增长和舍入误差的扩散，使得计算结果不可靠.
《例3’采用3位十进制，用消元法求解
数 值
1.00105 x 1.00y 1.00
L21L1 U2U11
L21L1
U
U 1
21
I
(因为上式右边为上三角矩阵，左边为单位下三角矩阵
从而上式两边都必须等于单位矩阵)
《 数
L1 L2 , U1 U2
1 1 1
值分例2
析
.例1中，A
0
4
-1，将A作LU分解。
线性方程组直接解法
在求解线性规划问题时，高斯消元法 可以用于求解单纯形表中的方程组，
从而得到最优解。
矩阵求逆
通过高斯消元法可以将一个可逆矩阵 化为单位矩阵，从而求出其逆矩阵。
计算机图形学
在计算机图形学中，高斯消元法可以 用于求解三维变换矩阵，实现图形的 旋转、平移等操作。
2023
PART 03
克拉默法则
REPORTING
2023
PART 02
高斯消元法
REPORTING
高斯消元法的基本思想
通过对方程组的增广矩阵进行初等行 变换，将其化为行阶梯形矩阵，然后 逐步回代求解未知数。
高斯消元法的基本思想是将方程组中 的未知数逐一消去，从而得到一个易 于求解的三角形方程组。
高斯消元法的步骤
将方程组的增广矩阵写出来， 并对其进行初等行变换，化为 行阶梯形矩阵。
未来研究方向
高性能计算
随着计算资源的不断发展，研究如何 在高性能计算环境中更有效地应用直 接解法和迭代解法具有重要意义。
预处理技术
研究更有效的预处理技术，以 改善迭代解法的收敛性和稳定 性。
并行化与分布式计算
探索并行化和分布式计算技术 在解线性方程组中的应用，以 提高计算效率和可扩展性。
自适应算法
开发能够自适应地选择最合适 算法和参数的线性方程组求解 器，以提高求解效率和精度。
2023
THANKS
感谢观看
https://
REPORTING
从行阶梯形矩阵中，选取一个 主元，通过行变换将主元所在 的列的其他元素消为0。
重复上述步骤，直到所有未知 数都被消去，得到一个上三角 形方程组。
从上三角形方程组中，逐个回 代求解未知数。
第五章解线方程组的直接方法
第五章解线性方程组的直接方法⏹预备知识⏹消元法⏹矩阵分解法⏹追赶法⏹误差分析线性代数是数值计算方法的基础，学习它对数值计算方法其它内容的学习会有很大的帮助。
无论是插值公式的建立，还是微分方程的离散格式的构造，其基本思想都是转化为代数问题来处理，即归结为解线性方程组。
MATLAB的强大功能是建立在矩阵和向量运算基础上的，线性代数的学习也可以大大提高对MATLAB的掌握程度。
线性方程组的基本解法：直接解法：经过有限步算术运算,在不考虑舍入误差的情况下求得方程组的精确解；迭代解法：用某种极限过程逐步逼近方程组的精确解。
5.1 预备知识: 矩阵和向量及线性方程组的解方阵：m=n 的矩阵；零矩阵：所有元素都为0的矩阵。
在MATLAB中零矩阵由zeros 命令定义。
如A＝zeros（m,n）定义一个m×n 零矩阵，n×n 零矩阵可以用命令A＝zeros(n)定义。
单位矩阵：所有对角元为1而其余元素均为0的方阵。
单位矩阵记为I。
在MATLAB 中单位矩阵由eye命令定义。
如A＝eye（n）定义一个n阶单位矩阵。
元素都是1的矩阵：在MATLAB中元素都是1的矩阵由ones命令定义。
如A＝ones（m,n）定义一个m×n阶的元素都是1的矩阵。
矩阵的加法和减法：行列数相同的矩阵之间才可以进行加法和减法。
矩阵的乘法：若A的行数和B的列数相等，则它们可以相乘C＝AB。
其中C的第i 行第j列元素等于A的第i行和B的第j列对应元素乘积之和。
逆矩阵：若两个方阵A和B满足：AB＝I且BA＝I，则称A和B互为逆矩阵。
在MATLAB 中M的逆矩阵由inv(M) 命令计算。
对于任一非奇异矩阵都可用inv命令计算其逆矩阵。
若MATLAB拒绝计算一个方阵的逆矩阵，则此矩阵一定是奇异的。
一个奇异矩阵的行列式是0（或者至少有一行（列）可以用其它行（列）通过多次加法和减法表示）。
行列式：方阵A的行列式是一个标量值，用det(A)或|A|表示。
(数值分析)第五章 解线性方程组的直接法
2
11 .
10 5 10
0
1 9
7 9
2 3
华长生制作
8
第二步消元，令 l32 10 / 63, 得增广矩阵
1 0
2
3 7
1
3 2
2
11
.
10 5 10
0
0
53 53 63 63
利用回代公式依次得到
x3 1, x2 1, x1 1.
在这个例子中我们写出的是分数运算的结果。如果在计算机上
a(1) 13
x3
0.49105820
事实上,方程组的准确解为
x* (0.491058227,0.050886075,0.367257384)T
华长生制作
15
例2所用的方法是在Gauss消去法的基础上,利用换行 避免小主元作除数,该方法称为Gauss列主元消去法
列主元素消去法也称按列部分主元的消去法。一般地，在完成 了第k-1步消元运算后，在 ( A(k) , b(k) ) 的第k 列元素 akk(k)之下的所有 元素中选一个绝对值最大的元素作为主元素，即若
的列元素为a13 2, 因此1,3行交换
华长生制作
13
r1 r3
2 1
108
1.072 3.712
2
5.643 3 4.623 2
3 1
( A(1) , b(1) )
绝对值最大 不需换行
m21 0.5
m31 0.5108
2 0
0
m32 0.629 72292
1.072 0.3176 10
2 3.712 1.072
3 4.623 5.643
x1 x2 x3
解线性方程组的直接解法
解线性方程组的直接解法一、实验目的及要求关于线性方程组的数值解法一般分为两大类：直接法与迭代法。
直接法是在没有舍入误差的情况下，通过有限步运算来求方程组解的方法。
通过本次试验的学习，应该掌握各种直接法，如：高斯列主元消去法，LU分解法和平方根法等算法的基本思想和原理，了解它们各自的优缺点及适用范围。
二、相关理论知识求解线性方程组的直接方法有以下几种：1、利用左除运算符直接求解线性方程组为bx\=即可。
AAx=，则输入b2、列主元的高斯消元法程序流程图：输入系数矩阵A，向量b，输出线性方程组的解x。
根据矩阵的秩判断是否有解，若无解停止；否则，顺序进行；对于1p:1-=n选择第p列中最大元，并且交换行；消元计算；回代求解。
（此部分可以参看课本第150页相关算法）3、利用矩阵的分解求解线性方程组（1）LU分解调用matlab中的函数lu即可，调用格式如下：[L,U]=lu（A）注意：L往往不是一个下三角，但是可以经过行的变换化为单位下三角。
（2）平方根法调用matlab 中的函数chol 即可，调用格式如下：R=chol （A ）输出的是一个上三角矩阵R ，使得R R A T =。
三、研究、解答以下问题问题1、先将矩阵A 进行楚列斯基分解，然后解方程组b Ax =(即利用平方根法求解线性方程组，直接调用函数)：⎪⎪⎪⎪⎪⎭⎫ ⎝⎛--------=19631699723723312312A ，⎪⎪⎪⎪⎪⎭⎫ ⎝⎛-=71636b 解答：程序：A=[12 -3 2 1;-3 23 -7 -3;2 -7 99 -6;1 -3 -6 19];R=chol(A)b=[6 3 -16 7]';y=inv(R')*b %y=R'\bx=inv(R)*y %x=R\y结果：R =3.4641 -0.8660 0.5774 0.28870 4.7170 -1.3780 -0.58300 0 9.8371 -0.70850 0 0 4.2514y =1.73210.9540-1.59451.3940x =0.54630.2023-0.13850.3279问题 2、先将矩阵A 进行LU 分解，然后解方程组b Ax =（直接调用函数）：⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛----=8162517623158765211331056897031354376231A ，⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛-=715513252b解答：程序：A=[1/3 -2 76 3/4 5;3 1/sqrt(3) 0 -7 89;56 0 -1 3 13;21 65 -7 8 15;23 76 51 62 81];b=[2/sqrt(5);-2;3;51;5/sqrt(71)];[L,U]=lu(A)y=inv(L)*bx=inv(U)*y结果：L = 0.0060 -0.0263 1.0000 0 00.0536 0.0076 -0.0044 0.1747 1.00001.0000 0 0 0 00.3750 0.8553 -0.6540 1.0000 00.4107 1.0000 0 0 0U =56.0000 0 -1.0000 3.0000 13.00000 76.0000 51.4107 60.7679 75.66070 0 77.3589 2.3313 6.91370 0 0 -43.5728 -50.06310 0 0 0 96.5050y =3.0000-0.63880.859850.9836-11.0590x =0.13670.90040.0526-1.0384-0.1146问题3、利用列主元的高斯消去法，求解下列方程组：⎪⎪⎩⎪⎪⎨⎧=+--=--+=-+-=+-+01002010100511.030520001.0204321432143214321x x x x x x x x x x x x x x x x解答：程序：function [RA,RB,n,X]=liezhu(A,b)B=[A b];n=length(b);RA=rank(A);RB=rank(B);zhica=RB-RA;if zhica>0disp('Çë×¢Ò⣺RA~=RB£¬ËùÒÔ´Ë·½³Ì×éÎ޽⡣')returnendif RA==RBif RA==ndisp('Çë×¢Ò⣺ÒòΪRA=RB=n,ËùÒÔ´Ë·½³Ì×éÓÐΨһ½â¡£')X=zeros(n,1);C=zeros(1,n+1);for p=1:n-1[Y ,j]=max(abs(B(p:n,p)));C=B(p,:);for k=p+1:nm=B(k,p)/B(p,p);B(k,p:n+1)=B(k,p:n+1)-m*B(p,p:n+1)endendb=B(1:n,n+1);A=B(1:n,1:n);X(n)=b(n)/A(n,n);for q=n-1:-1:1X(q)=(b(q)-sum(A(q,q+1:n)*X(q+1:n)))/A(q,q);endelsedisp('Çë×¢Ò⣺ÒòΪRA=RB¡´n£¬ËùÒÔ´Ë·½³ÌÓÐÎÞÇî¶à½â¡£') endend键入A=[1 20 -1 0.0012 -5 30 -0.15 1 -100 -102 -100 -1 1];b=[0;1;0;0];[RA,RB,n,X]=liezhu(A,b)结果：请注意：因为RA=RB=n,所以此方程组有唯一解。
数值分析-第五章 解线性方程组的直接法
依次将上述矩阵的 第 i 行 + mi2 × 第 2 行，得
( ( a 111 ) a 121 ) ... a 1( 1 ) n (2) (2) a 22 ... a 2 n
b 1( 1 ) b 2( 2 )
=
10/120 郑州大学研究生2009-2010学年课程 数值分析 Numerical Analysis
§5.2 高斯消去法
⎛ a11 a12 ⎜a a ⎜ 21 22 ⎜ ⎜a a ⎝ n1 n 2
记为 Ax = b, 其中A = (aij ) n×n , x = ( x1 , x 2 , x n ) T , b = (b1 , b2 , bn ) T .
郑州大学研究生2009-2010学年课程 数值分析 Numerical Analysis
§5.1 引言 从微观的薛定谔方程、分子动力学方程到宏观 的结构计算、工程力学中弹塑性方程、热弹性 方程组，数值求解方法包括差分法及有限元方 法等。这些离散方法最终的结果是常化为线性 方程组的求解。
4/120
郑州大学研究生2009-2010学年课程 数值分析 Numerical Analysis
9/120
2 −2 ⎤ ⎡ 1 −2 ⎢0 1 −7 8⎥ ⎢ 0 9 −2 11⎥ ⎣ ⎦
x3 = −1 x2 = 8 + 7 x3 = 1 x1 = −2 + 2 x2 − 2 x3 = 2
郑州大学研究生2009-2010学年课程 数值分析 Numerical Analysis
§5.2 高斯消去法 考虑 n 阶线性方程组：
郑州大学研究生课程 （2009-2010学年第一学期）
第5章 解线性方程组的直接方法
a1,k 1
( ak kk)1 , ( ) ak k 1,k 1
( ankk) ,
( ankk)1 ,
在第k步消去前， 在系数矩阵右下角的n-k+1阶 主子阵中，选绝对值最大的元素作为主元素。
| a pq | max | aij | 0
k i , j n
k
k
需 n k 次乘法、1 次除法， n k 次加减法。
9
数值分析
第5章 解线性方程组的直接方法
总的运算次数为：
乘 除 法
n k n k 2 n k n k 1 1 k 1 j 2 3 j 1 1
证明： 归纳法证明(对k归纳)
11
0, i 1, 2, , k ( n)
数值分析
第5章 解线性方程组的直接方法
设直到k-1成立,只要证明
D1 , D2 , , Dk 1非零时，
Dk非零的充要条件是 a
(k ) kk
0 即可。
在归纳假设下，Gauss消去法可进行到第k-1步
D1 a
数值分析
Numerical Analysis
李小林
重庆师范大学数学学院
数值分析
第5章 解线性方程组的直接方法
第五章 线性方程组的直接解法
/*Direct Method for Solving Linear Systems*/
求解 A x b, A R
Cramer法则:
n n
det( A) 0
在第k 步消元前，在系数矩阵第k 列的对角线以下的元素 中找出绝对值最大的元。
| a | max | aik | 0 pk
第5章_线性方程组的解法
k 1
326
0
0
0
a(n) nn
bn(n
)
a1(11)
a(1) 12
a(2) 22
... ... ...
a(1) 1n
a(2) 2n ...
a(n) nn
x1
x2
... xn
bb12((12))
...
bn(n)
回代:
xn
b(n) n
/
a
(n nn
11
3种常用范数：
2-范数（长度）
n
1-范数
x ( 2
xi2 )1/2
i 1
∞-范数
n
x 1
xi
i 1
x
max
1 i n
xi
12
矩阵的范数： 对于给定的n阶方阵A，将比值 Ax / x 的上确界 称为矩阵A的范数
直接由定义知，对于任意向量x，有：|| A x ||≤|| A || || x || 基本性质：
det
a11
an1
a1i1
ani1
b1
bn
a1i1
a1n
ani1 ann
（1）计算n+1个n阶行列式. （计算一个n阶行列式就需要做(n-1)n!次乘法. 要计算n+1个n阶行列式,共 需做(n2-1)n!次乘法）. （2）做n次除法才能算出xi(i=1,… n). （3）用此法，需作乘除法的运算： N=(n2-1)n!+n 例如,当n=10(即求解一个含10个未知量的方程组), 次数共为32659210次； 当n＝100，1033次/秒的计算机要算10120年
a(1) 13
a(2) 23
线性方程组直接解 优质课件
a11
a1i
D1 a11 0, Di ai1
0, i 1, 2, , n aii
推论：
a(1) 11
D1,
a(i) ii
Di
Di1 ,
i 2,
,n
23:35:57
Numerical Analysis
13
运算量
计算机中做乘除运算的时间远远超过做加减运算时间，
故我们只估计 乘除运算 的次数
a(2) 22
a(1) 1n
a(2) 2n
x1 x2
b(1) 1
b(2) 2
a(n) nn
xn
bn(n)
回代求解：
xn
b(n) n
a(n) nn
( ) n
xi
b(i) i
a(i) ij
x
j
a(i) ii
Numerical Analysis
17
列主元 Gauss 消去法
Gauss 消去法有效的条件是： 主元全不为零
例：解线性方程组
0 1
1 0
x1 x2
1 1
列主元 Gauss 消去法
在第 k 步消元时，在第 k 列的剩余部分选取主元
①
先选取列主元： |
20
全主元Gauss消去法
全主元高斯消去法：
第 k 步消元时，在剩余的 n-k 阶子矩阵中选取主元
①
先选取全主元：|
a(k) ik jk
|
=
数值分析第五章解线性方程组的直接法
数值分析第五章解线性方程组的直接法解线性方程组是数值分析中的一个重要问题，对于大规模的线性方程组来说，直接法是一种常用的求解方法。
本文将介绍解线性方程组的直接法，包括高斯消元法和LU分解法，并对其稳定性和计算复杂度进行讨论。
高斯消元法是一种常用的直接法，用于求解非奇异线性方程组。
其基本思想是通过初等行变换将线性方程组转化为上三角方程组，然后通过回代求解得到方程的解。
高斯消元法的步骤如下：1.将线性方程组表示为增广矩阵[A，b]，其中A是系数矩阵，b是常数向量。
2.从第一行开始，选择一个非零元素作为主元，通过行变换将主元下方的元素全部消为零。
3.重复第2步，直到矩阵变为上三角矩阵。
4.通过回代求解上三角矩阵，得到方程组的解。
高斯消元法的主要优点是简单直接，容易实现，但存在一些问题。
首先，如果系数矩阵A是奇异矩阵，即行列式为零，那么高斯消元法无法得到方程组的解。
其次，如果系数矩阵A的其中一行或几行接近于线性相关，那么在消元过程中会引入大量的舍入误差，导致计算结果不准确。
这也说明了高斯消元法的稳定性较差。
为了提高稳定性，可以使用LU分解法来解线性方程组。
LU分解法将系数矩阵A分解为两个矩阵L和U的乘积，其中L是下三角矩阵，U是上三角矩阵。
这样，原始的线性方程组可以表示为LUx=b，进而可以通过两个步骤来求解方程组：1.进行LU分解，将系数矩阵A分解为L和U。
2.分别用前代和回代的方法求解方程组Ly=b和Ux=y。
LU分解法相对于高斯消元法的优点是，可以在求解多个右端向量时，避免重复计算LU分解，从而提高计算效率。
同时，LU分解法的稳定性也较高，对于多个右端向量求解时，舍入误差的累积相对较小。
然而，LU分解法也存在一些问题。
首先，LU分解法的计算复杂度较高，需要进行两次矩阵乘法和一次矩阵向量乘法，而且LU分解过程中需要对系数矩阵A进行大量的行变换，增加了计算量。
其次，当系数矩阵A的一些元素非常小或非常大时，LU分解法容易出现数值不稳定的情况，即舍入误差的累积较大，导致计算结果不准确。
第五章解线性方程组的直接法
求解线性方程组可采用： 直接法——假定计算过程没有舍入误差的情况下，经过 有限步算术运算后能求得线性方程组精确解的方法。经过有
限步运算就能求得精确解的方法，但实际计算中由于舍入误 差的影响，这类方法也只能求得近似解；例如：高斯消去法、
三角分解法等。
迭代法——构造适当的向量序列，用某种极限过程去逐 步逼近精确解。例如:雅可比迭代法、高斯-赛德尔迭代法等。
From ith equation, lii xi bi (li1 x1 li 2 x 2
i 1
(5.4)
l i ,i 1 xi 1 ) bi lij x j
j 1
i 1 xi bi lij x j / lii , i 1, 2, j 1
(5.5)
返回LU (5.20)
From ith equation u ii xi bi (u i ,i 1 xi 1 u in x n ) bi
j i 1
u
n
ij
xj
xn bn /u nn , n x b u x / u , i n 1, n 2, i i ij j ii j i 1
i 1 r
i 1 i 1
i 1 i n n
i
i
若当(Jordan)块
(1)当A的若当标准型中所有若当块Ji均为一阶时，此标准型 变成对角阵。 (2)若A的特征值各不相同，则其若当标准型必为对角阵 diag(1, 2,…, n).
设线性方程组为
第5章 解线性方程组的直接法
5.1 引言与预备知识 5.2 高斯消元法
5.3 矩阵三角分解法
解线性方程组的直接方法
解线性方程组的直接方法一、高斯消元法高斯消元法是解线性方程组的一种常用且直接的方法。
它的基本思想是通过一系列的代数运算，将方程组化为一个三角方程组，然后从最后一行开始，逐步回代求解未知数。
下面以一个二元一次方程组为例，说明高斯消元法的具体步骤：例如，给定方程组：a₁₁x₁+a₁₂x₂=b₁a₂₁x₁+a₂₂x₂=b₂其中，a₁₁,a₁₂,a₂₁,a₂₂,b₁,b₂为已知系数。
1.检查a₁₁的值是否为0，若为0则交换第一行与非零行。
2.将第一行的每个元素除以a₁₁，使a₁₁成为13.将第一行乘以(-a₂₁)并加到第二行上，使第二行的第一个元素变为0。
4.引入一个新的未知数y₂=a₂₁x₁+a₂₂x₂，并代入第二行，化简方程组。
5.使用回代法求解方程组。
高斯消元法的优势在于其直接的解题思路和较高的计算精度，但是其缺点是计算复杂度较高，对于大规模的方程组不太适用。
二、逆矩阵法逆矩阵法是解线性方程组的另一种直接方法，它通过求解方程组的系数矩阵的逆矩阵，并将其与方程组的常数向量相乘，得到方程组的解向量。
下面以一个三元一次方程组为例，说明逆矩阵法的具体步骤：例如，给定方程组：a₁₁x₁+a₁₂x₂+a₁₃x₃=b₁a₂₁x₁+a₂₂x₂+a₂₃x₃=b₂a₃₁x₁+a₃₂x₂+a₃₃x₃=b₃其中，a₁₁,a₁₂,a₁₃,a₂₁,a₂₂,a₂₃,a₃₁,a₃₂,a₃₃,b₁,b₂,b₃为已知系数。
1.计算系数矩阵A的行列式D=，A。
2. 求解系数矩阵A的伴随矩阵Adj(A)。
3. 计算逆矩阵A⁻¹=Adj(A)/D。
4.将常数向量b用列向量表示。
5.计算解向量x=A⁻¹b。
逆矩阵法的优势在于其求解过程相对简单，计算量较小，并且不需要对系数矩阵进行消元操作。
但是逆矩阵法的限制在于当系数矩阵不可逆时无法使用。
三、克莱姆法则克莱姆法则是解线性方程组的另一种直接方法，它通过定义克莱姆行列式和克莱姆向量，利用行列式的性质求解方程组的解向量。
第5章 解线性方程组的直接方法
第5章
解线性方程组的直接方法
定理3 若A∈Rnⅹn 为对称矩阵.如果det(Ak) ＞0(k=1,2,…,n),
或A得特征值λi＞0（i=1,2, …,n ）.则A为对称正定矩阵。
《 数 值 分 析 》
有重特征值的矩阵不一定相似于对角矩阵，那么一般n阶 矩阵A在相似变换下能简化到什么形状？
定理4(若尔当（Jordan）标准型） 设A为n阶矩阵，则 存在一个非奇异矩阵P使得
a1(1) x1 b1(1) n ( 2) ( 2) a2 n x2 b2 ( k ) . (2.8) (k ) akn xk bk (k ) (k ) ann xn bn
（2.12 ）
(2.7)
简记为
A（2）X=b（2） ，
( ( ( aij2) aij1) mi1 a11) , j
其中A（2），b（2）的元素计算公式为
(i, j 2,3,, n),
bi( 2) bi(1) mi1 b1(1) , (i 2,3,, n).
第k步：若
(k akk ) 0,
a11 ... ... Ak ak1 ... ... , akk
《 数 值 分 析 》
a
1k
k 1,2, n.
（3）A的特征值λi＞0（i=1,2, …,n ）. （4）A的顺序主子式都大于零，即det(Ak) ＞0(k=1,2,…,n)
(1)）=(a
), b(1)=b. ij
第5章 解线性方程组的直接方法 （1）消元过程 1 (1 第1步：设 a (1) 0,首先计算乘数 mi1 ai(1 ) / a11) , i 2,3n, 11 用－mi1乘（2.1）的第1个方程组，加到第i个中，消去方程组（2.1）的从 第2个方程到第n个方程中的未知数X1，得到与方程组（2.1）等价的线性方 程组 《 数 值 分 析 》
解线性方程组的直接方法
或写为矩阵形式
a11 a21
a12
a22
a1n x1 b1
a2n
x2
b2
,
am1 am2 amn xn bm
（2.1）
17
简记为 Ax b. 例1 用消去法解方程组
x1 x2 x3 6,
4x2 x3 5,
2x1 2x2 x3 1.
(2.2) (2.3) (2.4)
其中用 r表i 示矩阵的第 行i . 由此看出，用消去法解方程组的基本思想是用逐次消
去未知数的方法把原方程组 Ax 化b为与其等价的三角 形方程组，而求解三角形方程组可用回代的方法.
上述过程就是用行的初等变换将原方程组系数矩阵化
为简单形式(上三角矩阵)，从而将求解原方程组(2.1)的
问题转化为求解简单方程组的问题.
x
j
)/ ai(ii)
(i n1,n2,,1).
(2) 如果 为A非奇异矩阵，则可通过高斯消去法(及交
换两行的初等变换)将方程组 Ax约b化为(2.10).
29
算法1(高斯算法)
设 AR mn (m 1), s min( m1,n), 如果
a(k) kk
0(k
1,2,,s),
本算法用高斯方法将
非奇异矩阵 P使得
设 A为 n阶矩阵，则存在一个
J1(1)
P1 AP
J 2 (2 )
,
J r (r )
13
其中
i
1
i
J
i
(i
)
i 1
i ni ni
r
ni 1(i 1,2,,r),且 ni n. i1
为若当（Jordan）块.
数值分析Ch5.1
单位向量
k
定义2 u lk 0 0 mk1 mn ，v ek 0 1 0 0 ，
1，称E
(
l
k
,
e
k
,1)
k
I
lk
e
T k
Lk (lk )
指标为k初等下三角阵。
0
1
k
Lk (lk )
I
lk ekT
I
0
mk
1
0
k 1
0
0
1 mk1
1
k行，
mn
mn
1
1
0
1
I ij
。
1
0 Leabharlann 1 2.3 初等反射阵（称为境面反射阵或Householder变换）
1、定义
定义4 设向量 w Rn，且wT w 1（模或范数等于1)， 2，
称矩阵 E(w, w,2) I 2wwT H (w) 为初等反射阵。 2、性质 定理2 设H (w) I 2wwT ,其中wT w 1 ，为初等反射阵，则
（1）H是对称阵，即 H T H;
（2）H是正交阵，即 H 1 H T ;
（3）设A为对称矩阵，那么A1 H 1 AH HAH 亦是对称阵。 证明：（1）H T (I 2ww T )T I 2(wT )T wT I 2wwT H；
（2）H T H HHT H 2 (I 2wwT )( I 2wwT )
1)
||2 ，
于是由定理3
存在H变换：
记
u
x
e1
w (u1 ,
|| u2
x e1 ，使 x e1 ||2
,, un )T，于 是
HxHyI12||2u||u||ue22u1|， T|22
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
LU分解法解方程组例题(返回)
对称阵的分解(返回)
平方根分解计算公式(返回)
用LDLT分解法解方程例题
解三对角方程的追赶法(继续)
追赶法的计算公式(例题)
追赶法计算例题(返回)
§5.5 向量和矩阵的范数(返回)
向量的范数 向量范数的连续性定理 向量范数的等价性定理 矩阵的范数 矩阵的算子范数 矩阵的谱半径
向量的范数(返回)
向量范数的连续性定理
向量范数的等价性定理(极限)
向量序列的极限(返回)
矩阵的范数(返回)
矩阵的算子范数(返回)
矩阵无穷范数的证明
矩阵2-范数的证明
矩阵的谱半径(返回)
§5.6 误差分析(返回)
常用条件数及性质(返回)
§5.7矩阵的正交三角化及应用(返回)
高斯消去算法(返回)
高斯消去法引例
§5.3 高斯主元素消去法(全主元)
全主元消去法(返回)
§5.4 矩阵的三角分解法(返回)
LU(Doolittle)分解 对称阵的分解 解三对角方程的追赶法
LU分解
LU分解计算公式(解方程)
利用LU分解法解方程组(例题)
LU分解法解方程组例题(继续)
Householder变换 Givens变换 矩阵的QR分解 求解超定方程组
Householder变换(约化定理)
Householder变换几何意义
w v
y
S
x
v y
Householder约化定理(返回)
Givens变换(约化定理)
Givens约化定理(返回)
矩阵的QR分解(Givens变换法)
Householder变换法QR分解
Givens变换法QR分解(返回)
求解超定方程组(返回)
练习
练习
பைடு நூலகம்
矩阵的基本运算(返回)
特殊矩阵(返回)
可逆阵有关定理(返回)
对称正定阵有关定理(返回)
Jordan标准型定理(返回)
§5.2 高斯消去法(引例)
高斯消去法第k次消元(继续)
高斯消去法回代求解(继续)
高斯消去法计算复杂度(继续)
高斯消去法的可行条件(算法)
第五章 线性方程组的直接解法
§5.1 §5.2 §5.3 §5.4 §5.5 §5.6 §5.7 引言与预备知识 高斯消去法 高斯主元素消去法 矩阵的三角分解法 向量和矩阵的范数 误差分析 矩阵的正交三角化及应用
§5.1 引言与预备知识(返回)
线性方程组的数值解法
向量和矩阵(返回)
矩阵的基本运算 特殊矩阵 可逆阵有关定理 对称正定阵有关定理 Jordan标准型定理