第三章线性方程组的数值解法1024

合集下载

第三章线性方程组AX=B的数值解法

第三章线性方程组AX=B的数值解法

线性方程组的解(续1)
求逆运算和行列式计算由于运算量大,实 际求解过程中基本不使用,仅作为理论上 的定性讨论 克莱姆法则在理论上有着重大意义,但在 实际应用中存在很大的困难,在线性代数 中,为解决这一困难给出了高斯消元法 还有三角分解法和迭代求解法

11.03.2019 华南师范大学数学科学学院 谢骊玲

11.03.2019 华南师范大学数学科学学院 谢骊玲
3.4 高斯消去法和选主元(续1)

考虑一个简单的例子:
3x 1 2x 2 7 4x 1 x 2 1

求解第二个方程,得
x2 5

第二个方程减去第 一个方程除以3再乘 以4得到的新方程, 得到新的方程组:
3x 1 2x2 7 5 25 x2 3 3
上三角线性方程组的求解(续1)
(2) 式可简写成 u11 U
11.03.2019
U x b , 其中
u12 u1n u 22 u 2 n u nn
华南师范大学数学科学学院 谢骊玲
3.4 高斯消去法和选主元
求解有N个方程和N个未知数的一般方程组 AX=B的一般做法:构造一个等价的上三角 方程组UX=Y,并利用回代法求解 如果两个N×N线性方程组的解相同,则称 二者等价 对一个给定方程组进行初等变换,不会改 变它的解
2 x1 x2 4 x3 16 1 x2 5x3 -14 2 x1 3x2 3x3 16
2 x1 x 2 4 x3 16 1 x 2 5 x3 -14 2 5 x 2 x3 8 2
11.03.2019
2x1 x2 4x3 16 x2 10x3 -28 26x3 78

第三章线性方程组数值解法

第三章线性方程组数值解法

a 11 Di xi , D det( A ), D i det D a n1

a 1i 1
b1 bn
a1i 1 a ni 1


a ni 1

a1 n a nn
第3章
线性方程组的数值解法
但Gram法则不能用于计算方程组的解,如n=100,1033次/秒的计算机要算10120年
所以,Gauss消元法的可行条件为: a ( k ) 0 kk
《 计 算 方 法 与 实 习 》
因此,有些有解的问题,不能用Gauss消元求解
另外,如果某个 a kk
(k )
很小的话,会引入大的误差
第3章
线性方程组的数值解法
高斯主元素消元法是消去法的一种改进。它的基
本思想是在逐次消元时总是选绝对值最大的元素(称之 为主元)做除数,按消元法的步骤消元。
《 n次运算 ① 计 算 方 A diag ( a , a , , a ) x b i , i 1, , n 11 22 nn i 法 a ii 与 实② (n+1)n/2次运算 习 i 1 》 l11
l 21 A l n1
l 22 ln 2 l nn
《 解线性方程组的方法可以分为2类: 计 ①直接法:准确,可靠,理论上得到的解是精确的,但由于计算中有舍入误差,故 算 得到的也是近似解. 方 法 ②迭代法:速度快,但有误差(雅可比迭代法、高斯—赛得尔迭代法) 与 实 习 》
第3章
线性方程组的数值解法
3.2 消元法
我们知道,下面有3种方程的解我们可以直接求出:
运算量: (n-2)*(1+n-1)=(n-2)n

线性方程组的四种数值解法

线性方程组的四种数值解法

线性方程组的四种数值解法(电子科技大学物理电子学院,四川 成都 610054)摘要:本文介绍了四种求解线性方程组的数值解法: 雅克比迭代法、高斯赛德尔迭代法、高斯消去法和改进的平方根法的基本原理和算法流程,通过求解具体方程,对四种求解方法进行了对比。

对于雅克比迭代法和高斯赛德尔迭代法,研究了两种算法对求解同一方程组的迭代效率差异,结果表明高斯赛德尔迭代法达到同样精度所需迭代次数较少。

对于高斯消去法,通过选择列主元的方法提高算法的准确度,计算结果表明高斯消去法计算精确,且运算复杂度也不是很高。

对于改进的平方根法,其运算复杂度低,但对于给定的方程组有着严苛的要求。

关键词:雅克比迭代法;高斯赛德尔迭代法;高斯消去法;改进的平方根法;线性方程组引言线性方程组的求解在日常生活和科研中有着极其重要的应用,但在实际运算中,当矩阵的维数较高时,用初等方法求解的计算复杂度随维数的增长非常快,因此,用数值方法求解线性方程组的重要性便显现出来。

经典的求解线性方程组的方法一般分为两类:直接法和迭代法。

前者例如高斯消去法,改进的平方根法等,后者的例子包括雅克比迭代法,高斯赛德尔迭代法等。

这些方法的计算复杂度在可以接受的范围内,因此被广泛采用。

一般来说,直接法对于阶数比较低的方程组比较有效;而后者对于比较大的方程组更有效。

在实际计算中,几十万甚至几百万个未知数的方程组并不少见。

在这些情况下,迭代法有无可比拟的优势。

另外,使用迭代法可以根据不同的精度要求选择终止时间,因此比较灵活。

在问题特别大的时候,计算机内存可能无法容纳被操作的矩阵,这给直接法带来很大的挑战。

而对于迭代法,则可以将矩阵的某一部分读入内存进行操作,然后再操作另外部分。

本文使用上述四种算法求解对应的方程组,验证各种算法的精确度和计算速度。

1 算法介绍1.1 雅克比迭代法 1.1.1 算法理论设线性方程组(1)b Ax的系数矩阵A 可逆且主对角元素 均不为零,令并将A 分解成 (2)从而(1)可写成令其中. (3)以B 1为迭代矩阵的迭代法(公式)(4)称为雅克比(Jacobi)迭代法(公式),用向量的分量来表示,(4)为(5)其中为初始向量.1.1.2 算法描述 1给定迭代初始向量X 0以及误差要求delta 2根据雅克比迭代公式计算出下一组向量 3判断X 是否满足误差要求,即||X k+1 – X k || < delta4若误差满足要求,则停止迭代返回结果;若否,则返回第二步进行下一轮迭代1.2 高斯赛德尔迭代法nna ,...,a ,a 2211()nna ,...,a ,a diag D 2211=()D D A A +-=()b x A D Dx +-=11f x B x +=b D f ,A D I B 1111--=-=()()111f x B x k k +=+⎩⎨⎧[],...,,k ,n ,...,i x a ba xnij j )k (j j i iii)k (i21021111==∑-=≠=+()()()()()Tn x ,...x ,x x 002010=1.2.1 算法理论由雅克比迭代公式可知,在迭代的每一步计算过程中是用的全部分量来计算的所有分量,显然在计算第i 个分量时,已经计算出的最新分量没有被利用,从直观上看,最新计算出的分量可能比旧的分量要好些.因此,对这些最新计算出来的第次近似的分量加以利用,就得到所谓解方程组的高斯—塞德尔(Gauss-Seidel )迭代法.把矩阵A 分解成(6)其中,分别为的主对角元除外的下三角和上三角部分,于是,方程组(1)便可以写成即其中(7)以为迭代矩阵构成的迭代法(公式)(8)称为高斯—塞德尔迭代法(公式),用变量表示的形式为(9)1.2.2 算法描述 1给定迭代初始向量X 0以及误差要求delta2根据高斯赛德尔迭代公式计算出下一组向量()k x ()1+k x ()1+k ix ()()1111+-+k i k x ,...,x 1+k()1+k x()1+k jx U L D A --=()nna ,...,a ,a diag D 2211=U ,L --A ()b Ux x L D +=-22f x B x +=()()b L D f ,U L D B 1212---=-=2B ()()221f x B x k k +=+⎩⎨⎧[],...,,k ,n ,,i x a x a b a xi j n i j )k (j ij )k (j ij i ii)k (i21021111111==∑∑--=-=+=++3判断X 是否满足误差要求,即||X k+1 – X k || < delta4若误差满足要求,则停止迭代返回结果;若否,则返回第二步进行下一轮迭代1.3 高斯消去法 1.3.1 算法理论下面三种变换称为初等行变换:1.对调两行;2.以数k ≠0乘某一行中的所有元素;3.把某一行所有元素的k 倍加到另一行对应的元素上去。

大学数值计算方法(第3章解线性方程组的数值解法)3

大学数值计算方法(第3章解线性方程组的数值解法)3
定义3.4.5 设λi(i = 1,2,...,n)为矩阵A的特
征值, 则称 ρ ( A) = max{| λi |}
1≤i ≤ n
为矩阵A的谱半径。 矩阵A的谱半径ρ ( A)不是A的一种范数, 但可能与A的任何一种范数有某种关系。
例题
2 求矩阵 A = − 2 − 1 的谱半径。 4
则必存在两正数m, M , 使得 m || x ||β ≤|| x ||α ≤ M || x ||β
向量范数性质 等价性质:
1) 2) 3) 1 || x ||1 ≤|| x ||∞ ≤|| x ||1 n || x ||∞ ≤|| x ||1 ≤ n || x ||∞ || x ||∞ ≤|| x ||2 ≤ n || x ||∞
lim || x
(k)
− x ||∞ = 0 ⇔ lim max x
* k →∞ 1≤i ≤ n k →∞ (k ) i
(k ) i
− xi = 0
⇔ lim x
=x
* i
(i = 1,2,...n)
3.4.2 矩阵范数
定义3.4.3 设任意A ∈ R n×n , 若按某一确定的法则对 应于一非负实数 || A ||, 且满足 : 1)非负性 :|| A ||≥ 0,当且仅当A = 0时, A ||= 0; || 2)奇次性: kA ||=| k ||| A || ,k ∈ R; || 3)三角不等式: A + B ||≤|| A || + || B ||, ∀A, B ∈ R n×n ; || 4)相容性: ≤ A B ,∀A, B ∈ R n×n, AB 则称 || A || 为R n×n的一种范数。
算子范数
所以对x ≠ 0有 || ( A + B) x || ≤|| A || + || B || || x || || ( A + B) x || || A + B ||= max ≤|| A || + || B || x ≠0 || x || || AB ||≤|| A |||| B || 。 || I ||= max || Ix ||= 1 x =1

线性方程组的数值解法

线性方程组的数值解法

对每行计算乘数
mi1aa1i1111, i2,3,,n
用 mi1 乘以第1个方程,加到第 i个方程,消去
第 2个方程到第 n个方程的未知数x1 ,得 A2xb2
即:
a111
a112 a222
aa1212nnxx12
bb1212
an22 an2nxn bn2
其中: a bii2 2 j a bii1 1j m m ii1 1b a1 1 1 1j i,j2,3, ,n
an1 ann
x1
x
x n
b1
b
b n
若矩阵A非奇异,即A的行列式 deAt0,根据
克莱姆(Gramer)法则,方程组有唯一 解:
xi
Di D
i1,2, ,n
其中D表示 detA,D i 表示 D 中第 i列换成 b后
所得的行列式。
当阶数较高时用这种方法求解是不现实的。n阶行
综上所述,高斯消去法的框图如图3-1所示。从 中可看出高斯消去法的计算机运算和存储方式的特点:
1〉按消元规则进行运算后,对角线以下元素为0。 故对于对角线以下元素不用作计算,减小了计算量。
2〉对角线以下元素对回代求解无影响,故可将乘 数放在该处,即
a akikkaik,ik1,k2, ,n
以节省存储单元。
列式有 n项!,每项又是 个n数的乘积。对较大的 ,
其计n算量之大,是一般计算机难以完成的。而且, 这时的舍入误差对计算结果的影响也较大。
例如,求解一个20阶线性方程组,用加减消元法需 3000次乘法运算,而用克莱姆法则要进行 9.71020次 运算,如用每秒1亿次乘法运算的计算机要30万年。
线性代数方程组的计算机解法常用方法:

线性方程组的数值解法详解演示文稿

线性方程组的数值解法详解演示文稿

n
非行零交判换断的次元数素最个多数为为::kn1(1nnk1()n12kn)(n
k 1
1)
1 2
n(n
1)
二、矩阵三角分解法
设有线性方程组:AX=b
a11 a12 a1n
x1
b1
A
a21
a22
a2
n
,
X
x2
,
b
b2
.
an1 an2 ann
xn
bn
矩阵三角分解法包括不选主元和选主元两种方法。
1、不选主元三角分解算法 当A非奇异时,可以将A作LU分解:
1 0
0 u11 u12 u1n
A
LU
l21
1
0
0
u22
,
ln1 ln,n1 1 0 0 unn
其中:(矩阵LU分解)
(1) u1 j a1 j (i 1,2,,n), li1 ai1 / u11(i 2,,n),
1
0 0
1
2,y
2 ,
x
0
.
1 1 1 0 0 1
1 1
§3 解线性方程组的迭代法
考虑线性方程组
a11x1 a12x2 a1nxn b1
a21x1
a22x2
a2n xn
b2
an1x1 an2x2 annxn bn
也就是
Ax=b.
进行矩阵分裂
A=M-N,
(2.1) (2.2)
其中
a1(11)
0
0
a1(12) a2(22)
an(22)
a1(1n) a2(2n)
an(2n)

第三章线性代数方程组解法

第三章线性代数方程组解法
x2 - 3x3 = 1 (2)
-19x2 + 30x3 = -10 (3) 第二次消元: (2) × (-(-19)/1)+(3) 得
2x1 + 6x2 - 4x3 = 4 (1)
x2 - 3x3 = 1 (2)
- 27x3 = 9 (3) b. 回代过程
x3 = 9/(-27) = -1/3, x2 = 1 + 3x3 = 1-1= 0, x1 = (4 + 4x3 + 6x2 )/2= (4+4×(-1/3)+6×0)/2 = 4/3
Xi=Di/D ( i=1, 2 , … , n ) 然而,对于较高阶的情况, 用这种方法求解是不现实的。一
个 n 阶行列式有 n! 项, 每一项又是 n 个数的乘积。就算不计舍
入误差对计算结果的影响 , 对较大的 n , 其运算量之大 [ 不考
虑加减,仅乘除次数就需 (n+1) n! (n-1) +n ] , 也是计算机在一般
一、列主元高斯消去法
列主元消去法的主要思想是:在第k次消元 时,从k列的以下的各个元素中选出绝对值最大 的元素,然后通过行交换将其交换到k行上,再 做第k次消元(同顺序高斯消去法);回代过程 与顺序高斯消去法完全相同。
用列主元高斯消去法解线性方程组举例

0.01x1 + 2x2 - 0.5x3 = - 5
n
xi (bi(i)
ai(ji)xj
)
/
a(i) ii
ji1
(i =n-1,…,2,1)
四、顺序高斯消去法计算量分析
用计算机作四则运算时,加减操作所花的机器时间比乘除操 作少得多, 所以我们仅统计乘除次数。

第3章_线性代数方程组的数值解法_new

第3章_线性代数方程组的数值解法_new

其中biT为A的第i行的n维行向量.
上页 下页
矩阵的基本运算:
(1) 矩阵加法
C A B cij aij bij ( A, B, C R
(2) 矩阵与标量的乘法
mn
).
C A cij aij ( A, C Rmn ,是一个数).
(3) 矩阵与矩阵的乘法


(1) b1 (1) b2
(1) (1) (1) a12 a1 x b n 1 1 (1) (1) (1) a 22 a 2 n x 2 b2 . (1) ( 1 ) (1) am a mn 2 x n bm

(1) bm
上页
下页
将(2.1)记为A(1)x=b(1),其中
(1) a11 (1) a 21 a (1) m1 (1) (1) a11 a12 a1 n (1) (1) a 22 a2 a21 n (1) (1) a am a 2 mn m1
解为
b1 b2 l 21 y1 y1 , y2 , l11 l 22
, yn
bn l1 j y j
j 1
n 1
l nn
计算量(乘除法的主要部分)都为 n2/2. 因此,我们将一般的线性方程组化成等价的三 角形方程组来求解.
上页 下页
首先举一个简单的例子来说明消去法的基本思想. 例1 用消去法解方程组
上页 下页
x1 x 2 (m维列向量). m x R x x m A a1 a2 an ,
其中aj为A的第j列的m维列向量. 同理

数值计算方法-第3章--线性方程组的解法PPT课件

数值计算方法-第3章--线性方程组的解法PPT课件

个顺序主子式
a a (1)
(1)
11
12
Dk
a(1) 21
a(1) 22
a(1) 1k
a(1) 2k
0
(k 1, 2,..., n 1).
a a (1)
(1)
k1
k2
a(1) kk
.
13
顺序Gauss消去法计算过程中的 akk(k) 称为主元素,在 第k步消元时要用它作除数,则可能会出现以下几种情况
.
是原方程组 Ax=b 的解向量。
27
对于
Ly =b
1

l21
1
l31
l32 1
y1 b1
y2
b2
y3
b3
ln1 ln2 lnn1 1 yn bn
.
解得
y1 yk
b1 bk
k 1 i 1
lki
yi
,
k 2,3,, n
28
对于 Ux =y
u11 u12 u1n x1 y1
2x3 6

x1 6 (x2 x3 ) 1
x2 x3 5 / 4 2
x3 (6) / (2) 3
用x3, x2的值求x1 把x3的值代入②求x2
.
8
从下向上逐步求解
对应的增广矩阵的变化
1 1 1 6 1 1 1 6
( A | b) 0
4
1 5 0
4
1
5
2 2 1 1 0 4 1 11
0.8334
5.910
12.10
0.0120 0.0100 0.1670 0.6781
3200
1200
4.200 981.0

线性代数方程组的数值解法

线性代数方程组的数值解法

1 0.75 0 3 1 0.75 0 3
0 1 5 5 0 1 5 5
0
0
6.5 6.5
0
0
1 1
回代解得 x3 1, x2 0, x1 3
3.3 解线性方程组的矩阵分解法
一、 非对称矩阵的三角分解法 矩阵分解法的基本思想是:
对于给定的线性方程组 Ax b ( A 0)
解 消元过程为
A
b
4 2 1
2 3 2
5 0 4
588
""消归元一""
1 0 0
0.5 2 1.5
1.25 2.5 2.75
432
”归一“ 1 0.5 1.25 2”归一“ 1 0.5 1.25 2

消元

0 0
1 0
1.25 4.625
02
0 0
1 0
1.25 1
02
I
2
13 1 x1 2 x2 2 x3 2
4x2 x3 2
x2 x3 5

消元
“100
1 2
4
1
3
2 1 1
1
2 2
5
第二步:将方程 I 2 中第二个方程的两边除以 x 2 的系数4
II
1
x1
1 2
x2
3 2
x3
1 2
1
1
x2 4 x3
2
x2 x3 5
1 ” 归 一 “
a (0) 4n
a (0) 1n1
a (0) 2n1
a
(0) 3n1
a
(0) 4n
2
高斯消去法: (1)消元过程: 对k=1,2, …, n 依次计算

《数值计算方法》复习资料

《数值计算方法》复习资料

实用文档《数值计算方法》复习资料第一章数值计算方法与误差分析第二章非线性方程的数值解法第三章线性方程组的数值解法第四章插值与曲线拟合第五章数值积分与数值微分第六章常微分方程的数值解法自测题课程的性质与任务数值计算方法是一门应用性很强的基础课,在学习高等数学,线性代数和算法语言的基础上,通过本课程的学习及上机实习、使学生正确理解有关的基本概念和理论,掌握常用的基本数值方法,培养应用计算机从事科学与工程计算的能力,为以后的学习及应用打下良好基础。

第一章数值计算方法与误差分析一考核知识点误差的来源类型;绝对误差和绝对误差限,相对误差和相对误差限,有效数字;绝对误差的传播。

二复习要求1.知道产生误差的主要来源。

2.了解绝对误差和绝对误差限、相对误差和相对误差限和有效数字等概念以及它们之间的关系。

3.知道四则运算中的误差传播公式。

实用文档三例题例 1 设x*= =3.1415926⋯近似值 x=3.14 = 0.314× 101,即 m=1,它的绝对误差是- 0.001 592 6 ,⋯有即 n=3,故 x=3.14 有 3 位有效数字 .x=3.14准确到小数点后第 2 位 .又近似值 x=3.1416,它的绝对误差是0.0000074 ⋯,有即 m=1,n= 5, x=3.1416 有 5 位有效数字 .而近似值x=3.1415,它的绝对误差是0.0000926 ⋯,有即 m=1,n= 4, x=3.1415 有 4 位有效数字 .这就是说某数有s 位数,若末位数字是四舍五入得到的,那么该数有s 位有效数字;例 2指出下列各数具有几位有效数字,及其绝对误差限和相对误差限:2.000 4-0.002 009 0009 000.00解因为 x1=2.000 4= 0.200 04× 101, 它的绝对误差限 0.000 05=0.5 × 10 1―5,即m=1,n=5, 故 x=2.000 4 有 5 位有效数字 . a1=2,相对误差限x2=- 0.002 00,绝对误差限0.000 005,因为 m=-2,n=3 ,x2=- 0.002 00 有 3 位有效数字 . a1=2 ,相对误差限r ==0.002 5实用文档x3=9 000 ,绝对误差限为0.5× 100,因为 m=4, n=4, x3=9 000 有 4 位有效数字, a=9 ,相对误差限r== 0.000 056x4=9 000.00 ,绝对误差限0.005,因为 m=4, n=6, x4=9 000.00 有 6 位有效数字,相对误差限为r== 0.000 000 56由 x3与 x4可以看到小数点之后的0,不是可有可无的,它是有实际意义的.例 3 ln2=0.69314718⋯,精确到10-3的近似值是多少?解精确到 10-3= 0.001,意旨两个近似值x1,x2满足,由于近似值都是四舍五入得到的,要求满足,近似值的绝对误差限应是=0.0005,故至少要保留小数点后三位才可以。

数值计算方法第3章解线性方程组的数值解法

数值计算方法第3章解线性方程组的数值解法
第3章 解线性方程组的数值解法
可编辑ppt
1
引言
在自然科学和工程技术中很多问题的解决 常常归结为解线性代数方程组。例如电学中的 网络问题,船体数学放样中建立三次样条函数 问题,用最小二乘法求实验数据的曲线拟合问 题,解非线性方程组问题,用差分法或者有限 元法解常微分方程,偏微分方程边值问题等都 导致求解线性方程组,而且后面几种情况常常 归结为求解大型线性方程组。
a(k) kk
...
a(k) kn
bk(
k
)
... ... ... ...
a(k) nk
...
a(k) nn
bn(k )
可编辑ppt
19
高斯顺序消去法
则第k次消元: 令 lika aik((k kk)), ik1,..n., ,k1,2,..n. ,1 则有
a i (k j1 ) a i (k ) j lia k k (k ) , ji k 1 ,.n ;.j .k , 1 ,.n ..,
线性代数方面的计算方法就是研究求解线 性方程组的一些数值解法与研究计算矩阵的特 征值及特征向量的数值方法。
可编辑ppt
2
引言
关于线性方程组的数值解法一般有两类。
直接法:经过有限步算术运算,可求得方程 组的精确解的方法(若在计算过程中没有舍 入误差)
迭代法:用某种极限过程去逐步逼近线性方 程组精确解的方法
b i(k 1 ) b i(k) lib kk (k), i k 1 ,.n ..,
a (1) 11

li1
a (1) i1
a (1) 11
,i
2 ,3 ,...,
n
a
(1 11
)
A( 1)

线性方程组求解的数值方法52614共103页文档

线性方程组求解的数值方法52614共103页文档

(1)
an1x1 an2 x2 L ann xn bn
系数矩阵
a11 a12 L
A
a
21
a22
L
L L L
a
n1
an2
L
a1n
a
2
n

L
a
nn
x1
x
x
2
,
L
x
n
b1
b
b
2

L
b
n
5
若记 则(1)可写为
A=A (1)(ai(j1)),bb(1),
A(1)xb(1)
ai(jk1)
a(k) ij
mij
a(k kj
)
i k 1,L ,n
j
k 1,L
, n
bi(k1)
b(k) j
mikbk(k) (i
k 1,L
, n)
n 1
除法: (n k )次 k 1
n1 乘法:(nk)(nk)2次 k1
乘除法: k n 1 1 2 (n k) (n k)2 1 6(2 n 3 3 n 2 5 n )n 3 3,
3
=
说明:整个计算过程可分为两部分: 1. 消元:把原方程组转化为系数矩阵为上三角矩阵的 方程组; 2. 回代:由系数矩阵为上三角矩阵的方程组求解
4
一般情形: n阶线性方程组的高斯消元法
a11x1 a12 x2 L a1n xn b1
aM21x1
a22 x2 M
L M
a2n xn b2 M
(n-k)2次乘法
i,jk1,L,n (n-k)次乘法
A(k+1)与A(k) 前 k 行元素相同,A(k+1)左上角为上三角阵

3线性方程组解法资料

3线性方程组解法资料

第3章 线性方程组的解法本章讨论线性方程组11112211211222221122n n n n n n nn n na x a x a xb a x a x a x b a x a x a x b +++=⎧⎪+++=⎪⎨⎪⎪+++=⎩的求解问题.线性方程组的矩阵表示Ax b =式中A 称为系数矩阵,b 称为右端项。

数值分析中,线性方程组的数值解法主要分为直接法和迭代法两大类。

直接法是用有限次计算就能求出线性方程组“准确解”的方法(不考虑舍入误差);迭代法是由线性方程组构造出迭代计算公式,然后以一个猜测的向量作为迭代计算的初始向量逐步迭代计算,来获得满足精度要求的近似解。

迭代法是一种逐次逼近的方法。

1 线性方程组的迭代解法线性方程组迭代解法有Jocobi迭代法、Gauss-Seidel迭代法及SOR法等基本思想(与简单迭代法类比)将线性方程组Ax b等价变形为x Bx g =+以构造向量迭代格式()()1k k xBxg +=+用算出的迭代向量序列()()12,,x x 去逼近解。

11112211211222221122n n n n n n nn n na x a x a xb a x a x a x b a x a x a x b +++=⎧⎪+++=⎪⎨⎪⎪+++=⎩1. 构造原理(1) Jacobi迭代法将线性方程组的第i 个变元i x 用其他n-1个变元表 出,可得121))n n n n nn n a x a x a x -------Jacobi 迭代格式:(3)取定初始向量()()()()()000012,,,Tnxx x x =,代入,可逐次算出向量序列()()()12,,,k x x x,这里()()()()()12,,,Tk k k k nxx x x =。

(2)Gauss-Seidel迭代法:Seidel迭代格式例1对线性方程组123123123+22=1+=22+2=3x x x x x x x x x ⎧-⎪+⎨⎪+⎩ 写出Jacobi 迭代格式和Gauss-Seidel 迭代格式.3)SOR法SOR法的迭代格式1,2,,n式中参数ω称为松弛因子,当ω =1时,SOR法就是Seidel迭代法.2.迭代分析及向量收敛1) 三种迭代法的向量迭代格式 对 Ax=b ,将系数矩阵A 作如下分解A D L U =--112212121212,00000000,0000nn n n n n a a D a a a a a L U a a ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦--⎡⎤⎡⎤⎢⎥⎢⎥--⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥--⎣⎦⎣⎦则Ax=b 可以写成()D L U x b --=Jacobi 迭代的向量迭代格式()()1k k J J xB x g +=+1()J B D L U -=+,1J g D b -=. JB 为Jacobi 迭代法的迭代矩阵.Seidel 向量迭代格式()()1k k S S xB x g +=+()1S B D L U-=-,()1S g D L b -=-.s B 为Seidel 迭代法的迭代矩阵.SOR 法的向量迭代格式()()1k k xB x g ωω+=+()()11B D L D U ωωωω-=--+⎡⎤⎣⎦,()1g D L b ωωω-=-.B ω为超松弛迭代法的迭代矩阵。

线性方程组求解的数值方法(讲义)

线性方程组求解的数值方法(讲义)

x k11 k22
kii
(3.4)
的向量,都是该方程的解。齐次线性方程组的解集的最大无关组称为该齐次 线性方程组的基础解系。
对于非齐次线性方程 Ax b ,则具有如下性质: 性质 3 设 x 1 及 x 2 都是非齐次线性方程 Ax b 的解,则 x 1 2 为对 应的齐次线性方程组 Ax 0 的解。 性质 4 设 x 是非齐次线性方程 Ax b 的解,x 是对应的齐次线性方程 组 Ax 0 的解,则 x 仍是该非齐次方程的解。 于是非齐次线性方程 Ax b 的通解为:
解:该方程可等价转化为:
2 x1 3x2 1 2 x1 3x2 1 和 , x1 x2 0 x1 x2 0
从而得到方程的两组解。 一般的,对于 f (a1 x1 ... an xn ) g 的方程,都可通过先求解外层函数的解, 然后再求内层线性方程解的形式加以解决。
3.2 消元法
消元法主要包括高斯消去法和对其的改进方法,如列主元消去法和全主元消 去法。消去法基于如下简单的事实:三角矩阵可以很容易的求出该方程的解。
例 3.4:求解方程
3 4 5 x1 8 0 1 2 x 2 2 0 0 1 x3 1
(3.1)
其中, x1 , x2 ,... xn 为未知量, a11 ,..., ann 为线性方程组的系数, b1, b2 ,..., bm 为常 数项。 利用线性代数中矩阵的相关知识,线性方程 Amn 组也可表示为矩阵的形式:
Amn xn1 bm1
(3.2)
其中,为线性方程组的系数矩阵, xn1 为未知向量, bm1 为常数向量。如果

第三章线性方程组求解的数值方法

第三章线性方程组求解的数值方法

用 4 位浮点数计算精确解, 然后舍入到 4 位有效数字, 解出原方程的组的解为: (MATLAB 求解程序如下) A=[0.001 2.0 3.0;-1 3.712 4.623;-2 1.072 5.643]; >> b=[1 2 3]'; >> X=A\b
x1 0.4904 , x2 0.05104 , x3 0.3675 ,
A L U , 则 AX b 变 为 L U X b Y UX , 则 变 为 LY b
解出:
Y y1 y2 其 中 yn
y 1 b1 i 1 , i 2 , 3, , n ) ( y bi m ij y j i j 1
列式。 克莱姆法则解线性方程组的计算量(乘法次数) : S n ( n 1) n ! ( n 1) ( n 1) !( n 1) 次 。
xk
Dk
, k 1, 2 , , n ) (
运算量很大! !
• 基本思想:用逐次消去未知数的方法把 原方程组化为三角形方程组再求解 。 • 消元:用初等变换将原方程组的系数矩 阵化为三角形矩阵(简称三角阵)再求 解的方法。 • 回代:解出三角形方程组的最后一个方 程,将求得的值逐步往前一个方程代入 的方法。
r1
a r i m r k u r i m rk u ki u ri , 有 :
k 1 r 1 k 1
n
u r i a r i m r k u ki , i r , r 1, , n ) (
k 1 r 1
a i r m ik u kr
得 : m ir
( k 1, 2 , , n )

第三章线性方程组的数值解法

第三章线性方程组的数值解法

主元素所在的行称为主行。
高斯消去法的计算步骤为:
1〉消元过程
设 a 0 ,对 k 1,2,, n 1 ,计算
k kk
2〉回代过程
bnn xn n ann n , i bi aiji x j j i 1 xi aiii
结果与准确解非常接近。这个例子告诉我们,在采用高 斯消元法解方程组时,用做除法的小主元素可能使舍入 误差增加,主元素的绝对值越小,则舍入误差影响越大。 固应避免采用绝对值小的主元素,同时选主元素尽量的 大,可使该法具有较好的数值稳定性。
为避免上述问题,可在每一次消元之前增加一 个选主元的过程,将绝对值大的元素交换到主对角 线的位置。根据交换的方法可分成全选主元和列选 主元两种方法。
a11
1 2 a 22
Hale Waihona Puke a121 2 a 23

k a kk k a nk
A
k
a1n a 22 n k a kn k a nn
1 ai1 mi 1 1 , i 2,3,, n a11
用 mi1 乘以第1个方程,加到第 i 个方程,消去
第 2个方程到第 n个方程的未知数x1 ,得 A2 x b2
即:
1 a11 1 a12 a11 x1 b11 n 2 2 2 a 22 a 2 n x 2 b2 2 2 2 a n 2 a nn x n bn
写成矩阵-向量形式
Ax b
其中 A 为系数矩阵,x 为解向量,b 为右端常向量。

第3章 线性代数方程组的数值解法

第3章   线性代数方程组的数值解法

第k步消元:
丛rk+1,rk+2, ,rn中消去xk项,条件akk(k)≠0,使得
A(k+1)x = b(k+1)A(k)x = b(k)
其中
第3章 线性代数方程组的数值解法Gauss消去法
(1 a11) (1 a12)

(k a kk )
( a11) n ( a 22 ) n


( a nn,1n)1 1

( a nn 1) 1n (n a nn)
b1(1) (1) b1 ( bnn11) (n) bn
(3.2.5)
由(3.2.4)式按倒序可方便的求出解向量x:
xn
( n) bn
( n) ann
( ( ( xn1 bnn11) ann,1n) xn ann,1n)1 1 1
ri(k)likrk(k) ri(k+1),i= k+1,k+2, ,n
(3.2.2)
以矩阵[A(k),b(k)]中的第k行乘以-lik加到i行,即 其中第i行 aij(k+1) = aij(k) likakj(k),i, j= k+1,k+2,,n bi(k+1) = bi (k) likbk (k),i= k+1,k+2,,n 当完成第k=n1步时, A(1)变为上三角阵A(n) ,Gauss消元过程
b1(1) ( 2) b2 ( bn2 )
第3章 线性代数方程组的数值解法Gauss消去法
具体方法:
-(r1(1)/a11(1))a21(1)加到第2行, -(r1(1)/a11(1))a31(1)加到第3行,,
  1. 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. 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. 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)。

解:消元
1 7 2 1 2 1 1 7 − 4 r1 + r2 2 4 5 − 1 11 → 0 3 − 3 − 3 1 1 − 2 1 0 − r1 + r3 0 − 2.5 0.5 − 3.5
2
7 2 1 1 − 2.5 r2 + r3 − 0 3 − 3 − 3 3 → 0 0 − 2 − 6 −6 − 3 + 3 x3 x3 = x2 = = 3, = 2, 回代得 回代得 −2 3 7 − x2 − x3 x1 = =1 2
i , j = k + 1, k + 2,L , n
2〉回代过程
( bnn ) xn = (n ) a nn n , (i ) ( bi − ∑ a iji ) x j j = i +1 xi = ( aiii )
i = n − 1,L ,2,1
综上所述,高斯消去法的框图如图3 所示。 综上所述,高斯消去法的框图如图3-1所示。从 中可看出高斯消去法的计算机运算和存储方式的特点: 中可看出高斯消去法的计算机运算和存储方式的特点: 1〉按消元规则进行运算后,对角线以下元素为0。 按消元规则进行运算后,对角线以下元素为0 故对于对角线以下元素不用作计算,减小了计算量。 故对于对角线以下元素不用作计算,减小了计算量。 2〉对角线以下元素对回代求解无影响,故可将乘 对角线以下元素对回代求解无影响, 数放在该处, 数放在该处,即
4〉回代后的数值仍放在常数项存储单元
bn → bn a nn n b − a x i j∑ 1 ij j =i+ → bi a ii
i = n − 1, L , 2,1
这时
b1 , b2 , L , bn
单元中存放的就是输出值 x1 , x2 ,L , xn
高斯消元法的条件
(1 )
b1(1) (2 ) b2 M (k ) b = (k ) bk M (k ) bn

(k a kk ) ≠ 0
,计算乘数
( a ikk ) m ik = (k ) , i = k + 1, L , n a kk
定理1 如果在消元过程中A的主元素 ( k 定理 如果在消元过程中 的主元素 a kk ) ≠ 0 (k=1,2,…,n) ,则可通过高斯消元法求出 则可通过高斯消元法求出Ax=b 的解。 的解。 则可通过高斯消元法求出 引理 是矩阵A的各阶顺序主子式不为零 的各阶顺序主子式不为零, 是矩阵 的各阶顺序主子式不为零,即 a11 L a1k
最后, 最后,经过会代求得原方程组的解为 18 x3 = = −2 −9 6 + 2 x3 x2 = =1 2 14 − 8 x2 − 2 x3 x1 = =5 2 例 2 解方程组
2 x1 + x 2 + x 3 = 7 4 x1 + 5 x 2 − x 3 = 11 x − 2x + x = 0 1 2 3
消去法常用方法: 消去法常用方法: 选主元消去法 高斯- 高斯-约旦消去法
3.1 高斯消去法 ——按自然顺序进行的消元法
消去法
高斯消去法属于直接法,一般由“消元过程” 高斯消去法属于直接法,一般由“ 和“回代过程”两部分组成。先举几个简单实例, 两部分组成。先举几个简单实例, 再对一般n阶方程组说明高斯消去法的基本思想。 再对一般n阶方程组说明高斯消去法的基本思想。
非奇异, 若矩阵A非奇异,即A 的行列式 det A ≠ 0 ,根据 克莱姆( 克莱姆(Gramer)法则,方程组有唯一 解: )法则,
Di xi = D
i = 1,2, L , n
其中D 表示 det A ,Di 表示 D 中第 i 列换成 b 后 所得的行列式。 所得的行列式。
当阶数较高时用这种方法求解是不现实的。 当阶数较高时用这种方法求解是不现实的。 阶 n 行列式有n项,每项又是 ! 个数的乘积。 n个数的乘积。对较大 计算量之大,是一般计算机难以完成的。 的 n ,其计算量之大,是一般计算机难以完成的。 舍入误差对计算结果的影响也较大 而且,这时的舍入误差对计算结果的影响也较大。 而且,这时的舍入误差对计算结果的影响也较大。
例 1 用高斯消元法求解方程组 2 x1 + 8 x2 + 2 x3 = 14 x1 + 6 x2 − x3 = 13 2 x + x + 2 x = 5 1 2 3
, 解 用第一个方程削去后两个方程中的 x1 得 2 x1 + 8 x2 + 2 x3 = 14 2 x2 − 2 x 3 = 6 − 9 x2 = −9 再用第2个方程消去第 个方程消去第3个方程中的 , 再用第 个方程消去第 个方程中的 x2 得 2 x1 + 8 x2 + 2 x3 = 14 2 x2 − 2 x3 = 6 − 9 x3 = 18
线性代数方程组的计算机解法常用方法: 线性代数方程组的计算机解法常用方法:
直接法 迭代法
消去法 矩阵三角分解法
ห้องสมุดไป่ตู้
– 直接法:经过有限步算术运算,可求得方程组 经过有限步算术运算,
的精确解的方法(若在计算过程中没有舍入误差) 的精确解的方法(若在计算过程中没有舍入误差)
– 迭代法:用某种极限过程去逐步逼近线性方程
主元素所在的行称为主行 主元素所在的行称为主行。 主行。
高斯消去法的计算步骤为: 高斯消去法的计算步骤为: 1〉消元过程 设 a ( ) ≠ 0 ,对 k = 1,2,L, n − 1 ,计算
k kk
( a ikk ) m ik = ( k ) a kk (k +1) ( ( a ij = a ijk ) − m ik a kjk ) (k +1) ( bi = bi(k ) − m ik bkk )
第三章 线性方程组的数值解法
问题的提出: 问题的提出 n阶线性代数方程组的一般形式为: 阶线性代数方程组的一般形式为
a11 x1 + a12 x x + L + a1n x n = b1 a x + a x + L+ a x = b 21 1 22 x 2n n 2 LL a n1 x1 + a n 2 x x + L + a nn x n = bn
组精确解的方法 – 迭代法具有占存储单元少,程序设计简单, 迭代法具有占存储单元少,程序设计简单,原 始系数矩阵在迭代过程中不变等优点, 始系数矩阵在迭代过程中不变等优点,但存在收 敛性及收敛速度等问题
3.1 消去法 消去法在线性代数中已有详细的讨论, 消去法在线性代数中已有详细的讨论,在此只 给出一些说明以及算法的具体描述。 消去法的基本思想: 消去法的基本思想:是通过将一个方程乘或除以 某个常数,以及将两个方程相加减,逐步减少方程中 某个常数,以及将两个方程相加减, 的变元数,最终使每个方程只含一个变元, 的变元数,最终使每个方程只含一个变元,从而得出 所求的解。 所求的解。 高斯消去法
例如,求解一个20阶线性方程组,用加减消元法需 例如,求解一个 阶线性方程组, 阶线性方程组 3000次乘法运算,而用克莱姆法则要进行 9.7×1020次 次乘法运算, 次乘法运算 运算,如用每秒1亿次乘法运算的计算机要 万年。 亿次乘法运算的计算机要30万年 运算,如用每秒 亿次乘法运算的计算机要 万年。
消去法
下面讨论一般 n 阶线性方程组的高斯消去法。 阶线性方程组的高斯消去法。 记 Ax = b 为 A(1) x = b(1) ,A(1) 和 b(1) 的元素
( i a ij1 ) 和 b i(1 ) ,, j = 1,2, L , n ,系数上标 (1) 分别记为
代表第1次消元之前的状态。 代表第1次消元之前的状态。 第1次消元时,设 次消元时, 对每行计算乘数
(k a kk ) ≠ 0 (k=1,2,…,n) 的充要条件 A的主元素 的主元素
L ≠ 0, k = 2, 3,L , n D1 = a11 ≠ 0 Dk = L ak 1 L akk
a ik → a ik , i = k + 1, k + 2, L , n a kk
以节省存储单元。 以节省存储单元。
3〉对角线以上元素和常数变换后的元素仍放在原来 的位置以节省存储单元。 的位置以节省存储单元。
aij − aik a kj → aij bi − aik b j → bi i , j = k + 1, k + 2, L , n
(k 只要 akk ) ≠ 0 ,消元过程就可以进行下去,直到经 消元过程就可以进行下去,
过 n − 1 消元之后,消元过程结束,得 消元之后,消元过程结束,
A(n) x = b(n)
(1 (1 ( a11) a12) L a11) x1 b1(1 ) n (2 ) (2 ) x (2 ) a 22 L a 2 n 2 b2 = O M M M (n ) x (n ) a nn n bn
( ( ( aij2 ) = aij1) − m i 1a11j) 其中: (2 ) bi = bi(1 ) − m i 1b1(1 )
i , j = 2,3,L , n
第 k 次消元 (2 ≤ k ≤ n − 1) 时,设第 k − 1 次消元 已完成, 其中: 已完成,即有 A(k ) x = b(k ) 其中:
(1 a11) ≠ 0
1 a i(1 ) m i 1 = (1) , i = 2,3, L , n a11
用 − mi1 乘以第1个方程,加到第 i 个方程,消去 乘以第1个方程, 个方程, 第 2个方程到第 n 个方程的未知数x 1 ,得 A(2 ) x = b(2 ) 即:
相关文档
最新文档