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。
数值分析第三章线性方程组解法
数值分析第三章线性方程组解法在数值分析中，线性方程组解法是一个重要的主题。
线性方程组是由一组线性方程组成的方程组，其中未知数的次数只为一次。
线性方程组的解法包括直接解法和迭代解法两种方法。
一、直接解法1.1矩阵消元法矩阵消元法是求解线性方程组的一种常用方法。
这种方法将方程组转化为上三角矩阵，然后通过回代求解得到方程组的解。
1.2LU分解法LU分解法是将系数矩阵A分解为一个下三角矩阵L和一个上三角矩阵U的乘积，然后通过解两个三角方程组求解线性方程组。
这种方法可以减少计算量，提高计算效率。
1.3 Cholesky分解法Cholesky分解法是对称正定矩阵进行分解的一种方法。
它将系数矩阵A分解为一个下三角矩阵L和它的转置的乘积，然后通过解两个三角方程组求解线性方程组。
Cholesky分解法适用于对称正定矩阵的求解，具有较高的精度和稳定性。
二、迭代解法2.1 Jacobi迭代法Jacobi迭代法是一种迭代求解线性方程组的方法。
它通过分解系数矩阵A为一个对角矩阵D和一个余项矩阵R，然后通过迭代更新未知数的值，直至达到一定精度要求为止。
Jacobi迭代法简单易懂，容易实现，但收敛速度较慢。
2.2 Gauss-Seidel迭代法Gauss-Seidel迭代法是一种改进的Jacobi迭代法。
它通过使用新计算出的未知数值代替旧的未知数值，达到加快收敛速度的目的。
Gauss-Seidel迭代法是一种逐步逼近法，每次更新的未知数值都会被用于下一次的计算，因此收敛速度较快。
2.3SOR迭代法SOR迭代法是一种相对于Jacobi和Gauss-Seidel迭代法更加快速的方法。
它引入了一个松弛因子，可以根据迭代的结果动态地调整未知数的值。
SOR迭代法在理论上可以收敛到线性方程组的解，而且收敛速度相对较快。
三、总结线性方程组解法是数值分析中的一个重要内容。
直接解法包括矩阵消元法、LU分解法和Cholesky分解法，可以得到线性方程组的精确解。
解线性方程组的直接方法主元素方法
17
设方程组
Ax b 的系数矩阵A的顺序主子式不为零
Ak
a11 a21
a12 a22
a1k a2 k akk
0, k 1,2,
, n 1,
ak1 ak 2
在Gauss消去法中,第一次消元时等价于用单位下三角阵
18
第二章 解线性方程组的直接方法
1 l 21 L1 l 31 l n1
(3)
等价于用矩阵
0 1 l32 ln 2
0 0 1 0
(i 3,4,, n)
(2) (2)
20
于是有
[ A , b ] L2 [ A , b ]
(3)
第二章 解线性方程组的直接方法
一般地，第k次消元等价于用矩阵
Lk 1 1 O lk 1 k lnk 1 O O 1
（2-13）
(k ) (k ) 左乘矩阵 [ A( k ) , b(k ) ], 其中 lik aik / akk (i k 1,, n)
经过
n 1
次消元后得到
21
21
第二章 解线性方程组的直接方法
(1) a11 [ A( n ) , b ( n ) ] 0
再用Gauss消去法求解，消元后得同解方程
(2 10b)
5.0 x1 0.96x 2 6.5 x3 0.96 4.12x 2 2.24x3 0.364 2.99x3 5.99
4
第二章 解线性方程组的直接方法
回代得解
x3 2.00, x2 1.00, x1 2.60
与准确解相同. 产生上述现象的原因在于舍入误差.因为按式(2-10)的 方程顺序进行消元时，主元
数值分析小论文线性方程组的直接解法
数值分析小论文线性方程组的直接解法线性方程组的直接解法是指通过一系列的代数运算直接求解线性方程组的解。
线性方程组是数值分析中非常重要的问题，广泛应用于工程、科学、计算机图形学等领域。
在线性方程组的直接解法中，最常用的方法是高斯消元法，它是一种基于矩阵变换的方法。
高斯消元法将线性方程组表示为增广矩阵，并通过一系列的行变换将增广矩阵转化为行阶梯形矩阵，从而得到方程组的解。
高斯消元法的主要步骤包括消元、回代和得到方程组的解。
消元是高斯消元法的第一步，通过一系列的行变换将增广矩阵的元素转化为上三角形式。
在消元过程中，我们首先找到主元素，即矩阵的对角线元素，然后将其它行的元素通过消元操作转化为0，从而使得矩阵逐步变成上三角形矩阵。
回代是高斯消元法的第二步，通过一系列的回代操作求解线性方程组。
回代操作是从上三角形矩阵的最后一行开始，通过依次求解每个未知数的值，最终得到方程组的解。
高斯消元法的优点是算法简单易于实现，可以在有限的步骤内求解线性方程组，适用于一般的线性方程组问题。
但是高斯消元法也存在一些问题，例如当矩阵的主元素为0时，无法进行消元操作，此时需要通过行交换操作来避免这种情况。
另外，高斯消元法对病态矩阵的求解效果较差，容易引起舍入误差累积，导致解的精度下降。
在实际应用中，为了提高求解线性方程组的效率和精度，人们常常使用一些改进的直接解法，例如列主元高斯消元法和LU分解法。
列主元高斯消元法通过选择最大主元来避免主元为0的情况，进一步提高了求解线性方程组的精度。
LU分解法将矩阵表示为两个矩阵的乘积，从而将线性方程组的求解问题转化为两个三角形矩阵的求解问题，提高了求解效率。
综上所述，线性方程组的直接解法是一种基于矩阵变换的方法，通过一系列的代数运算求解线性方程组的解。
高斯消元法是最常用的直接解法之一，它简单易于实现，适用于一般的线性方程组问题。
在实际应用中，可以通过改进的直接解法来进一步提高求解效率和精度。
数值分析第二章解线性方程组的直接方法
a2(22) x2 ... a2(2n) xn b2(2) ,
..............
an(nn) xn bn(n) .
对此方程组进行回代，就可求出方程组的解.
xn
xiΒιβλιοθήκη bn(n) (bi(i )
an(nn) ,
n
ai(ji ) x
j i 1
j
)
ai(ii ) ,
i n 1,n 2,,1.
x3 x3
1 1
4x1 2x2 2x3 3
消去后两个方程中的x1得
x1
2 x2 5 x2
x3 1 2x3 2
6x2 6x3 1
再消去最后一个方程的x2得
x1
2 x2 5 x2
x3 1 2x3 2
42 5
x3
7 5
消元结束.
x1
1 2
经过回代得解:
x2
1 3
互换, 因而程序比较复杂, 计算时间较长.
• 列主元素法的精度虽然稍低于全主元素法, 但其
计算简单, 工作量大为减少, 且计算经验与理论实
践均表明, 它与全主元素法同样具有良好的数值稳
定性.
• 列主元素法是求解中小型稠密线性方程组的最好
方法之一.
27
§2 直接三角分解法
Gauss消元法的矩阵表示
a12
a13
a 1 0 a21 a22 a23 a21 aa11 a22 aa12 a23 aa13
b 0 1 a31 a32 a33 a31 ba11 a32 ba12 a33 ba13
28
n=3时Gauss消元法的矩阵表示
a11 a12 a13 A a21 a22 a23
线性方程组的直接解法
线性方程组的直接解法
线性方程组（linear equation system）是一类几何问题，也是解决线性系统和代数问题的重要方法，线性方程组由多个联立方程组成，这些方程中也可能含有未知量。
直接解法是把数学模型转换为数值模型，并给出实现其解题步骤的算法，它不同于间接求解的方法，既不做任何假设，也不处理不确定性问题，只是简单地直接求解线性方程组。
解线性方程组的直接解法主要分为三种，分别是高斯消元法、列主元消去法和列坐标变换法。
高斯消元法是一种比较常用的方法，主要是把线性方程组的未知量从左到右一步步求出来，其中用到的主要技术是把矩阵中部分元素消去为零，以便求解不定线性方程组的未知量。
而列主元消去法则是以一列为主元，去消除其他联立方程中出现的此列中的变量，从而最终求出其他未知变量的值。
最后，列坐标变换法是将线性方程组转换为一个更有利于求解的矩阵，其中未知量可以直接求得解答。
除了这三种常见方法外，还有一些更特殊的直接解法，比如要解常微分方程的未知函数，可以用拉格朗日方法和分部积分方法，再比如求解雅各比方程的根，可以通过主副方程互解求解，这种方法也叫作特征根法。
综上，解线性方程组的直接解法有高斯消元法、列主元消去法、列坐标变换法等；特殊问题可以采用拉格朗日方法、分部积
分法和特征根法等。
每种方法都有自己的优势，因此在使用时，可以根据问题的特点，选择适合的方法来解决。
第三章 解线性方程组的直接法
第三章 解线性方程组的直接法3.1 引言许多科学技术问题要归结为解含有多个未知量x 1, x 2, …, x n 的线性方程组。
例如，用最小二乘法求实验数据的曲线拟合问题，三次样条函数问题，解非线性方程组的问题，用差分法或有限元法解常微分方程、偏微分方程的边值等，最后都归结为求解线性代数方程组。
关于线性方程组的数值解法一般有两类：直接法和迭代法。
1. 直接法直接法就是经过有限步算术运算，可求得线性方程组精确解的方法（假设计算过程中没有舍 入误差）。
但实际计算中由于舍入误差的存在和影响，这种方法也只能求得线性方程组的近似解。
本章将阐述这类算法中最基本的高斯消去法及其某些变形。
2. 迭代法迭代法就是用某种极限过程去逐步逼近线性方程组精确解的方法，迭代法需要的计算机存储 单元少、程序设计简单、原始系数矩阵在计算过程中不变，这些都是迭代法的优点；但是存在收敛性和收敛速度的问题。
迭代法适用于解大型的稀疏矩阵方程组。
为了讨论线性方程组的数值解法，需要复习一些基本的矩阵代数知识。
3.1.1 向量和矩阵 用nm ⨯R表示全部n m ⨯实矩阵的向量空间，nm C⨯表示全部n m ⨯复矩阵的向量空间。
()⎪⎪⎪⎪⎪⎭⎫⎝⎛==⇔∈⨯nn n n n n ij nm a a aa a aa a a a212222111211A R A 此实数排成的矩形表，称为m 行n 列矩阵。
⎪⎪⎪⎪⎪⎭⎫⎝⎛=⇔∈n n x x x 21x R x x 称为n 维列向量矩阵A 也可以写成)(n 21a ,,a ,a A = 其中 a i 为A 的第i 列。
同理⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=T T T n 21b b b A其中T i b 为A 的第i 行。
矩阵的基本运算：（1） 矩阵加法 )( ,n m n m R C ,R B ,R A B A C ⨯⨯⨯∈∈∈+=+=n m ij ij ij b a c . （2） 矩阵与标量的乘法 ij j a ci αα== ,A C （3） 矩阵与矩阵乘法 p nk kjik b acij ⨯⨯⨯=∈∈∈==∑m p n n m R C ,R B ,R A AB C ( ,1（4） 转置矩阵 ji ij T nm a c ==∈⨯ , ,A C RA（5） 单位矩阵 ()n n ⨯∈=R e ,,e ,e I n 21 ，其中 ()Tk e 0,0,1,0,0 = k=1,2,…,n（6） 非奇异矩阵 设nn ⨯∈RA ，nn ⨯∈RB 。
数值分析_第七章_解线性方程组的直接解方法.
因‖R０‖＜１，故lim‖R０‖k→∞２k＝０．则２k‖Rk‖≤‖R０‖→０（k→∞），－１即Rk→０（k→∞）．Rk＝I－ACk，故当Rk→０时，Ck→A．四、习题１畅用Gauss消去法解方程组２x１＋x２＋x３＝４，３x１＋x２＋２x３＝６，x１＋２x２＋２x３＝５．２畅（１）设A是对称矩阵且a１１≠０，经过Gauss消去法一步后，A约化为a１１０证明A２是对称矩阵．（２）用Gauss消去法解对称方程组０畅６４２８x１＋０畅３４７５x２－０畅８４６８x３＝０畅４１２７，０畅３４７５x１＋１畅８４２３x２＋０畅４７５９x３＝１畅７３２１，－０畅８４６８x１＋０畅４７５９x２＋１畅２１４７x３＝－０畅８６．３畅（１）用表达式（７畅４）证明其中aij＝aij．（１）a１TA２．aij＝aij－li１a１j－li２a２j－…－li，k－１ak－１，j，i，j≥k，（k）（１）（１）（２）（k－１）（r）（２）使Gauss消去法中arj＝urj（j≥r），利用（１）证明urj＝arj－k∑lrkukj（j＝r，r＋１，…，n），＝１lir＝（air－k∑likukr）／urr（i＝r＋１，…，n）．＝１４畅设方程组x１＋２x２＋３x３＝１，５x１＋４x２＋１０x３＝０，３x１－０．１x２＋x３＝２．r－１r－１３１８（１）试用Gauss全主元消去法求解．（２）试用Gauss列主元消去法求解．５畅设A为n阶非奇异矩阵且有分解式A＝LU，其中L为单位下三角阵，U为上三角阵，求证A的所有顺序主子式均不为零．２，…，n－１）时，则有６畅由Gauss消去法证明：当Δi≠０（i＝１，A＝LU，其中L为单位下三角阵，U为上三角阵．７畅设A为n阶矩阵，若｜aii｜＞j∑｜aij｜（i＝１，２，…，n），则称A＝１j≠in为对角优势矩阵．试证明：设A是对角优势矩阵，又设经过Gauss消去法一步后，A具有形式a１１０α１TA２，则A２是对角优势矩阵．且由此推断：对于对称的对角优势矩阵，用Gauss消去法和部分（列）主元Gauss 消去法可得到同样的结论．８畅设Lk为指标是k的初等下三角矩阵，即１筹Lk＝１mk＋１，k…mnk１筹１．（除第k列对角元下元素外，Lk与单位阵I相同）求证当i，j＞k时，L珟k＝IijLkIij也是一个指标为k的初等下三角矩阵，其中Iij 为初等排列矩阵．９畅试推导矩阵A的Crout分解的计算公式：A＝LU，其中L为下三角矩阵，U 为单位上三角矩阵．１０畅设UX＝b，其中U为三角矩阵．（１）就U为上及下三角矩阵推导一般的求解公式．（２）计算解三角形方程组UX＝b的乘除法次数．３１９（３）设U为非奇异矩阵，试推导求U３２３T－１的计算公式．１１畅用平方根法（Cholesky分解）解方程组２２０３５９１－２１０３０１２５９１７０１－２１－２A＝－４－６４１８２x１x２x３x１x２x３００１－２８－１６．－２０，b＝５＝３．７１０＝１６．３０１１０－１－１１２畅用LDL分解法解方程组３３５－２A＝１００１３畅用追赶法解三对角方程组AX＝b，其中．１４畅求矩阵A的LU分解，并利用分解结果计算A．１５畅下述矩阵能否分解为A＝LU，其中L为单位下三角矩阵，U为上三角矩阵．若能分解，那么分解是否唯一？１A＝２４２４６３７０．６０．１０．５０．３１３１２３１１１６２５１５６１５．４６１，B＝２１，C＝２１６畅设A＝F唱范数．１７畅求证：，计算A的行范数、列范数、２唱范数及（１）‖X‖∞≤‖X‖１≤n‖X‖∞，３２０（２）‖A‖F≤‖A‖２≤‖A‖F．n×n１８畅设P∈R范数．定义且为非奇异矩阵，又设‖X‖为R上一向量‖X‖P＝‖PX‖．n试证明‖X‖P是R上向量的一种范数．１９畅设X∈R，X＝（x１，x２，…，xn），求证：p→∞nTn２０畅证明：当且仅当与Y线性相关且XY≥０时，才有Tlim（i∑｜xi｜＝１np）１＝１max｜xi｜＝‖X‖∞．≤i≤n‖X＋Y‖２＝‖X‖２＋‖Y‖２．２１畅设A∈Rn×n，求证特征值相等λ（AA）＝λ（AA）．TT２２畅证明：如果A＝（α１，α２，…，αn）是按列分块的，则‖A‖２F＝‖α１‖２＋‖α２‖２＋…＋‖αn‖２．２２２－１２３畅证明：如果‖B‖＜１，则‖I－（I－B）‖≤‖B‖．２４畅证明：对任何矩阵算子范数有‖I‖＝１（其中I是单位矩阵），‖A‖‖A－１‖≥１．nj≠i２５畅（１）如果A是对角优势矩阵，即｜aii｜＞j∑｜aij｜（i＝１，２，＝１…，n），证明aii≠０（i＝１，２，…，n）．（２）设A为对角优势矩阵，使A＝DB，其中D＝diag（aii），证明B＝I－C，其中‖C‖∞＜１，因此由定理（７畅１６），A是非奇异阵．（３）证明：如果应用Gauss消去法解对角优势方程组，则所有元素akk≠０．（k）２６畅设‖A‖s、‖A‖t为任意两种R明存在常数c１、c２＞０，使n×n上矩阵算子范数，证n×nc１‖A‖s≤‖A‖t≤c２‖A‖s（对一切A∈R）．３２１２７畅设A＝１００９９９９９８，计算A的条件数cond（A）ν（ν＝２，∞）．２８畅证明：如果A是正交阵，则Cond（A）２＝１．２９畅设A，B∈Rn×n且‖·‖为Rn×n上矩阵的算子范数，证明TT３０畅设A为对称正定矩阵，且其分解为A＝LDL＝WW，其中W＝L，求证：T１Cond（A·B）≤Cond（A）·Cond（B）．（１）cond（A）２＝（cond（W）２）．２（２）cond（A）２＝cond（W）２·cond（W）２．３１畅设对称正定矩阵A＝试计算‖A－１T２－１－１２，λ２，且找出b１‖２＝１／λ，‖A‖２＝λ２及cond２（A）＝（常数）及扰动δb，使‖δb‖２‖δX‖２＝cond２（A）．２２３２畅求下面两个方程组的解，并利用矩阵的条件数估计‖δX‖．２４０－１７９２４０－１７９畅５－３１９２４０２４０x１x２＝x１x２３４＝，即AX＝b，３４，即（A＋δA）（X＋δX）＝b．－３１９畅５３３畅已知Hilbert矩阵３２２１H３＝１１T１＝b时，若H３及b有微小误‖δX‖∞．∞７畅０００３－７T．（１）计算H３的条件数cond∞（H）．１１１３４７（２）解方程H３X＝差（取３位有效数字），估计解X的误差３４畅设A＝２畅０００１－２－１１，b＝，已知方程组AX＝b的精确解为X＝（３，－１）．（１）计算条件数cond∞（A）．计算剩余r＝b－AX珚．（２）若近似解X珚＝（２．９７，－１．０１），（３）利用定理７畅２０计算不等式右端，并与不等式左端比较，此结果说明什么？３５畅填空题（１）X＝（２，３，－４），则‖X‖１＝，‖X‖２＝，‖X‖∞TT＝．１－３２－１０２０１，则‖A‖１＝，ρ（A）＝．０－１则cond２（A）＝．２０a，为使A可分解为A＝LL，其中L为３２３T（２）A＝－１２－１１２（３）A＝（４）设A＝１０a２对角线元素为正的下三角形矩阵，a的取值范围，取a＝１，则L＝．五、习题解答１畅解为消去第２、３两个方程中的x１，取l２１＝，l３１＝．将第２个方程减去－l２１倍的第１个方程，第３个方程减去－l３１倍的第１个方程，得２x１＋x２＋x３－＝４，x２＋x３＝０，x２＋x３＝３．为消去第３个方程中的x２，取l３２＝－３．将第３个方程减去－l３２倍的第２个方程，得三角方程组２x１＋x２＋x３＝４，－１１x２＋x３＝０，３x３＝３．回代，算出方程组的解x３＝３／３＝１，x２＝０－１x３（１）－１＝１，x１＝（４－x２－x３）／２＝１．２畅解（１）记A＝（aij）＝（aij）．经Gauss消元一步后，A２的元素为a（２）ij（１）＝a（１）ij（１）i１（１）－a１j．１１（１）（１）（１）因A是对称的，所以有aij＝aji，ai１＝aj１，于是有３２４a故A２是对称的．（２）ij＝a（１）jij１（１）（２）－a１i＝aji．１１（１）（２）用Gauss消去法求解所给对称方程组，得X＝（４畅５８６０３５，－０畅６３１５２２８，２畅７３５１９９）．倡T ３畅解（１）因aij＝aij（k）（k－１）－li，k－１ak－１，j，（k－１）而故aij＝aij（k）（k－２）（１）aij（k－１）＝aij（k－２）－li，k－２ak－２，j，（k－２）（k－１）－li，k－２ak－２，j－li，k－１ak－１，j＝…（k－２）（１）（２）（k－２）（k－１）＝aij－li１a１j－li２a２j－…－li，k－２ak－２，j－li，k－１ak－１，j，i，j≥k．（２）由（１）有urj＝a又０＝air由此解出（r＋１）（r）rj＝arj－k∑lrkakj（j＝r，r＋１，…，n）．＝１（k）r－１＝air－li１u１r－li２u２r－…－lirurr．lir＝likukrair－k∑＝１rrr－１．４畅解（１）选主元为１０，将第一行与第二行交换，第１列与第３列交换，得１０x３＋４x２＋５x１＝０，３x３＋２x２＋x１＝１，x３－０．１x２＋３x１＝２．消去第２、３方程中的x３，得１０x３＋４x２＋５x１＝０，０畅８x２－０．５x１＝１，－０．５x２＋２．５x１＝１．第２次选的主元为２畅５．将上述第２个方程与第３个方程交３２５换，第２列与第３列交换，得１０x３＋５x１２畅５x１消去第３方程中的未知数x１，得１０x３＋５x１＋４x２＝０，２畅５x１－０．５x２＝２，０．７x２＝１．４．回代求得，x２＝２，x１＝１．２，x３＝－１．４．得（２）列主元为５，将第１行与第２行交换，再消去x１，５x１＋４x２＋１０x３＝０，１畅２x２＋x３＝１，－２．５x２－５x３＝２．列主元为－２．５，将第２行与第３行交换，再消去x２，得５x１＋４x２＋１０x３＝０，－２畅５x２－５x３回代求得x３＝－１．４，x２＝２，x１＝１．２．５畅证设A、L、U的k阶顺序主子矩阵分别为Ak、Lk、Uk（k＝１，２，…，n），显然Ak＝LkUk．由A＝LU分解的定义可知，L１U的各阶顺序主子式均不为零，即故det（Lk）＝１，det（Uk）≠０．det（Ak）＝det（Lk）det（Uk）≠０，k＝１，…，n，＝２，－１畅４x３＝１畅９６．＋４x２＝０，－０．５x２＝２，－０．５x１＋０．８x２＝１．即A的各阶顺序主子式均不为零．（i）６畅证因Δi≠０，（i＝１，２，…，n－１）（Δi是i阶顺序主子式），所以aii≠０（i＝１，２，…，n－１），则Gauss消去法可进行到底，即存３２６在指标为i的初等下三角阵Li，使Ln－１Ln－２…L１A＝U，故A＝L１其中L＝L１－１－１－１（２）－１…Ln－２Ln－１U＝LU，－１－１…Ln－２Ln－１为下单位三角阵，U是上三角阵．aij＝aij－（２）７畅证记A２＝（aij），则有i１a１j．１１nj≠in又A是对角优势矩阵，可知｜aii｜＞j∑｜aij｜，i＝１，２，…，n．故＝１∑｜a｜＝j∑j＝２＝２（２）ijj≠innnj≠ii１aij－a１j１１≤j∑｜aij｜＋j∑＝２＝２j≠i｜ai１｜｜a１j｜１１j≠in｜aij｜n∑｜a１j｜＝j∑｜aij｜－｜ai１｜＋＝１１１j＝２j≠ij≠i≤｜aii｜－＝｜aii｜－≤｜aii｜－≤aii－ni１（｜a１１｜－j∑｜a１j｜）＝２１１j≠ini１（｜a１１｜－j∑｜a１j｜＋｜a１i｜）＝２１１ni１｜a１i｜（｜a１１｜－j∑｜a１j｜＞０．）＝２１１i１（２）a１i＝｜aii｜（i＝２，…，n）．１１即A２也是对角优势矩阵．若A是对角优势矩阵，经Gauss消元一步后．A→A（２）＝a１１０αTA２．由上述证明及第２题结论知，A２仍是对角优势矩阵，即｜a｜＞j∑｜aij｜（i＝２，…，n）．＝２（２）ii（２）j≠in由对称性也有３２７｜a｜＞i∑｜a｜＝i∑｜aij｜，（j＝２，…，n）．＝２＝２（２）jj（２）ji（２）i≠ji≠jnn这正好与Gauss顺序消去而第二步消元前所选列主元应为a２２，（k）法的主元相同．以此类推第k次所选主元就是akk，所以用Gauss （２）顺序消去法和列主元消去法得到同样的结果．８畅证因１筹Lk＝１mk＋１，k…mnk０，１，０，…，０）．故ek＝（０，…，T第k列＝I－lkek．筹１TT其中I是单位阵，lk＝（０，…，０，－mk＋１，k，…，－mik，…，－mn，k），L珟k＝IijLkIij＝Iij（I－lkek）Iij＝IijIIij－（Iijlk）（ekIij）＝I－lkek′TTT仍是指标为k的初等下三角阵，其中lk＝（０，…，０，－mk＋１，k，…，mjk，…，－mik，…，－mnk）．′T９畅解设A＝LU，即a１１a１２…a１na２１a２２…a２n…………an１an２…ann根据矩阵乘法，有ai１＝li１u１１＝li１，i＝１，…，n，a１j＝l１１u１j，得u１j＝３２８a１j，j＝２，…，n．１１＝l１１l２１l２２……筹ln１ln２…lnn１u１２１…u２３筹……筹筹u１nu２n…un－１，n１．现设L的前k－１列与U的前k－１行已算好，因akk－１ik＝r∑＝１lirurk＝r∑＝１lirurk＋likukk（i＝k，…，n，ukk＝１），k－１所以lik＝aik－r∑＝１lirurk（i＝k，…，n）．同样akk－１kj＝r∑＝１lkrurj＝r∑＝１lkrurj＋lkkukj（j＝k＋１，…，n），k－１kj所以u－r∑＝１lkrurjkj＝akk，j＝k＋１，…，n．综上，Crout分解公式li１＝ai１，i＝１，２，…，n，u１j＝a１j／l１１，j＝２，…，n，lk－１ik＝aik－r∑＝１lirurk，i＝k，…，n，uk－１kj＝（akj－r∑＝１lkrurj）／lkk，j＝k＋１，…，n．１０畅解（１）设U为上三角阵，则有u１１……u１nx１b１u２２…u２nx２筹……＝b２…．unnxnbn由unnxn＝bn，得xn＝bn／unn．一般地，由uiixi＋ui，i＋１xi＋１＋…＋uinxn＝bi，得nxbi－j＝∑ijxji＝ui＋１ii（i＝n－１，n－２，…，１）．当U是下三角矩阵时，有３２９u１１u２１…un１u２２…un２筹…unnx１x２ (x)n＝b１b２…bn．由u１１x１＝b１，得x１＝b１／u１１．一般地，由ui１x１＋ui２x２＋…＋uiixi＝bi，i＝２，…，n，得xi＝（bi－j∑uijxj）／uii，i＝２，…，n．＝１（２）乘法次数，对固定的i有n－i次，i从１到n，所以总乘法次数R （n－i）＝i∑i＝R＝i∑＝１＝１除法次数D，D＝n．＋n故总的乘除法次数＝＋n＝．２nn－１i－１．（３）设Uu１１…筹－１＝V，这里V也是上三角阵，即u１n…unnv１１…筹v１n (v)nnj１＝UV＝１筹１．V按行计算，i＝n－１，…，１，vij＝－k＝i＋１∑uikvkjii，j＝i＋１，…，n．vii＝，i＝１，２，…，n．ii２２３＝２＞０，Δ３＝２３２２０３０１２＞０．１１畅解因系数矩阵顺序主子式Δ１＝３＞０，Δ２＝３２且系数矩阵对称，故为正定方程组．按照算法（７畅９）得３３０l１１＝，l２１＝２／，l３１＝，l２２＝则有３２３２２０３０１２由２／得再由２／y１＝－y１y２y３５＝３，７＝２／－２／－．，l３２＝－，l３３＝．５１１，y２＝－，y３＝．x１x２x３＝５／－１／，１／－得x３＝１１，x２＝，x１＝１．１２畅解此方程组的系数矩阵为对称正定矩阵，因此可用改进的平方根法，用算式（７畅１１）得到d１＝a１１＝３，t２１＝a２１＝３，l２１＝d２＝a２２－t２１l２１＝５－３＝２，t３２＝a３２－t３１l２１＝９－１＝８，l３２＝t２１３＝＝１，１３１５＝，１t３１＝a３１＝５，l３１＝３２８２＝＝４，d３＝a３３－t３１l３１－t３２l３２＝．２３３１１则A＝LDL＝T３１２１１１５／３２．１５／３２１２／３１由LY＝b，即１y１１０１１y２＝１６，５／３２１y３３０得y１＝１０，y２＝６，y３＝４／３．再解DLTX＝Y，得x３＝２，x２＝－１，x１＝１．１３畅解设－２１００１u１d１１－２１０l２１u２d２０１－２１＝l ３１u３００１－２l４１由分解公式（７畅１５）计算得d１＝１，d２＝１，d３＝１，u１＝－２，l２＝－１，u２＝－３，l３＝－２，u３＝－４，l４＝－３，u４＝－５．由公式（７畅１６）解１y１１－１１LY＝b＝痴y２１－２１y＝３０，－１y４－１得y１＝１，y２＝３，y３＝１，y４＝－１．再由公式（７畅１７）解３３２d３．u４－２UX＝Y痴１－x１１－４１－x２x３＝１３１，１－x４１３７６得x４＝，x３＝－，x２＝－，x１＝－．１４畅解由矩阵的三角分解公式（７畅６），计算得１－２４８A＝LU＝２１０１０－３２．３－１１００－７６１００－０．５０畅２－０畅１３６９－１－１L＝－２１０，U＝０畅１－０畅０４２１１．－５１１－０畅０１３１６所以－０畅２１５５０畅０６３１－０畅１３６９－１－１－１A＝UL＝０畅０１０５５０畅０５７８９－０畅０４２１１．０畅０６５３－０畅０１３１６－０畅０１３１６１５畅解设A能分解，则有１A＝LU＝l２１l３１０１l３２００１u１１００u１２u２２０u１３u３３u３３１＝２４２４６３１．７由分解公式（７畅６）知，u１１＝１，u１２＝２，u１３＝３，l２１＝２，l３１＝４，u２２＝０，而a３２＝l３２u２２＋l３１u１２＝０＋４×２＝８与a３２＝６矛盾，故A的LU分解不能进行．但A为非奇异阵，所以存在排列阵P，使PA＝LU．即将A的１行与２行交换，则可分解为LU．设B＝LU，则１２３１２３１１＝１１l２１l３１０１l３２００１u１１００u１２u２２０u１３u２３u３３３３３．由分解公式（７畅６）知，u１１＝u１２＝u１３＝１，l２１＝２，l３１＝３，u２２＝０．而由３＝l３１u１２＋l３２u２２，得３＝３＋l３２u２２．故l３２可任选，即B的三角分解存在且不唯一．因C的各阶顺序主子均不为０，故由定理７畅４知，C的三角分解存在且唯一．１６畅解A的行范数６＋０．５，０．１＋０．３｝＝１．１．‖A‖∞＝max｛０．A的列范数６＋０．１，０．５＋０．３｝＝０．８．‖A‖１＝max｛０．‖A‖F＝（０．３６＋０．２５＋０．０１＋０．０９）AA＝T１／２＝０．８４２６．０畅３３０畅３４．０畅６０畅５０畅１０畅３０畅６０畅１０畅６０畅３＝２０畅３７０畅３３｜λI－AA｜＝TTλ－０畅３７－０畅３３－０畅３３λ－０畅３４＝λ－０．７１λ＋０．０１６９＝０．所以λmax（AA）＝０．６８５，则‖A‖２＝１７畅证（１）由定义知，‖X‖∞≈０畅８３．n＝１max｜xi｜≤i∑｜xi｜≤i≤n＝１＝‖X‖１≤i∑max｜xi｜＝n‖X‖∞，＝１１≤i≤n∞n从而‖X‖２∞≤‖X‖１≤n·‖X‖TT．（２）由范数定义有‖A‖２＝λmax（AA）≤λ１（AA）＋λ２（AA）＋…＋λn（AA）TT＝AA的对角元之和＝i∑a＋i∑a＋…＋i∑ani＝１＝１＝１T２１i２２２i２nnn＝j∑∑a＝i∑∑aij＝‖A‖F．＝１i＝１＝１j＝１２ji２nnnn又‖A‖２＝λmax（AA）２T３３４≥＝从而TTT［λ１（AA）＋λ２（AA）＋…＋λn（AA）］１２‖A‖F．‖A‖F≤‖A‖２≤‖A‖F．注：此处用到了矩阵的特征值之和等于其对角线上元素之和的概念．从所证不等式也知道，矩阵的２唱范数可由F唱范数得到控制；矩阵的２唱范数与F唱范数是等价的．１８畅证只要证明‖X‖P＝‖PX‖满足范数定义的（１），（２），（３）．（１）因P非奇异，故对任意X≠0，PX≠0，则‖X‖P＝‖PX‖＞０；当X＝0时，PX ＝0，则‖X‖（２）对任意实数α，‖αX‖P＝‖PαX‖＝‖αPX‖＝｜α｜‖PX‖＝｜α｜‖X‖（３）‖X＋Y‖PPP＝‖PX‖＝０；当‖X‖P＝‖PX‖＝０时，则PX＝0，即X＝0．．＝‖P（X＋Y）‖＝‖PX＋PY‖≤‖PX‖＋‖PY‖＝‖X‖P＋‖Y‖P．综上所述，‖X‖P是R上的一种向量范数．１９畅证因‖X‖p∞n＝１max｜xi｜≤i∑｜xi｜≤n·１max｜xi｜＝n·‖X‖≤i≤n≤i≤n＝１‖X‖∞≤（i∑｜xi｜）＝１np１／ppnppp∞，两边开p次方有≤n‖X‖∞．１而plim＝１，故→∞２０畅证由Cauchy不等式，有｜（X，Y）｜≤‖X‖２‖Y‖２，且当且仅当X、Y线性相关时，有３３５lim（i∑｜xi｜）p→∞＝１pn１／p１＝‖X‖∞．｜（X，Y）｜＝‖X‖２‖Y‖２；又当且仅当XY≥０时，有｜（X，Y）｜＝（X，Y）．T故（X，Y）＝‖X‖２‖Y‖２当且仅当X、Y线性相关，且XYT≥０时，所以‖X＋Y‖２＝（X＋Y，X＋Y）＝（X，X）＋２（X，Y）＋（Y，Y）２＝‖X‖２＋２‖X‖２‖Y‖２＋‖Y‖２２２＝（‖X‖２＋‖Y‖２）２当且仅当X、Y线性相关，且X，Y≥０时，即‖X＋Y‖２＝‖X‖２＋‖Y‖２迟痴X，Y线性相关，且XY≥０．T２１畅证由于I－A及记B＝μIATTOμI－AIμIAATTAμIAμI＝＝μIO２２AμI－AATT，．（７畅２６）（７畅２７）μIOAμIμIμI－AAATOμI．对（７畅２６）、（７畅２７）两式两边取行列式得μdet（B）＝μdet（μI－AA），nnnn２２T记λ＝μ≠０，故２μdet（B）＝μdet（μI－AA）．TTT２２畅证设A＝（α１α２…αn）按列分块，即αj＝（α１j，α２j，…，αnj）（j ＝１，２，…，n），则‖αj‖＝i∑αij．而＝１２２２Tndet（λI－AA）＝det（λI－AA）．‖α１‖＋‖α２‖２２nn２ij２２＋…＋‖αn‖＝j∑‖αj‖２＝１２２２nn２２n＝j∑（∑α）＝j∑∑αij＝‖A‖F．＝１i＝１＝１i＝１２３畅证因‖B‖＜１，由定理７畅１６知I－B可逆且‖（I－B）－１‖≤，所以３３６‖I－（I－B）－１‖＝‖（I－B）≤‖（I－B）≤－１－１（I－B－I）‖‖‖B‖‖B‖．２４畅证由矩阵算子范数定义有‖I‖＝maxX≠O由矩阵范数的相容性有‖A‖‖A优势矩阵，则j＝１j≠i０－１‖IX‖‖X‖＝max＝１．X≠O‖≥‖AA－１‖＝‖I‖＝１．２５畅证（１）用反证法．若有某个i０使ai０i０＝０，因A是对角∑｜ai０j｜＜｜ai０j０｜＝０．n这是不可能的．得证．（２）因A＝DB，即a１１A＝a２１…an１而１B＝a２１２２…n１nn１２１１１………………１n１１a２n２２…１＝１１１１３３７…………a１na２n…anna１１a２２筹ann１２１２２…n１nn a１２１１１………………a１n１１２n２２…１＝DB．＝０－－－a２１２２n１nn－１２１１０…………－１n１１＝I－C．a２n２２０‖C‖∞＝maxi∑j＝１nj≠iaijii＝max∑ij＝１n｜aij｜＜１iij≠in｜aij｜＜｜aii｜）．所以由定理（这是因为A是对角优势矩阵，则j∑＝１j≠i７畅１６知，B＝I－C为非奇异阵．由（１）aii≠０，故D非奇异．因此A＝DB 非奇异．２，…，n．而a１１（３）设A为对角优势阵，由（１）知aii≠０，i＝１，＝a １１，所以a１１≠０．又设经Gauss消元一步后A具有形式：（１）（１）a１１０（２）（k）α１TA２．（２）由习题７知，A２也是对角优势矩阵．又由（１）知aii≠０，i＝２，…，n，即有a２２≠０．如此类推akk≠０．２６畅证因‖A‖s＝maxX≠O‖AX‖s．s对一切X都有由定理７畅１０知，存在a１，a２＞０，b１，b２＞０，a１‖AX‖s≤‖AX‖t≤a２‖AX‖s，与b１‖X‖s≤‖X‖t≤b２‖X‖s．于是１‖AX‖s‖AX‖t２‖AX‖s≤≤．１st２s令１２＝c１＝c２，故有１２c１‖AX‖s‖AX‖t‖AX‖s≤≤c２．sts３３８c１maxX≠0即‖AX‖s‖AX‖t‖AX‖s２max≤max≤c．X≠0X≠0stsc１‖AX‖s≤‖AX‖t≤c２‖AX‖s．１００９９A－１２７畅解A＝９９９８＝，则－９８９９‖A－１９９－１００．‖A‖∞＝１９９，‖A－１‖∞＝１９９，所以∞因A是对称矩阵，故cond（A）∞＝‖A‖‖∞＝１９９×１９９＝３９６０１．λmax（A）．min＝λ－１９８λ－１＝０，２cond（A）２＝由det（λI－A）＝得即λ－１００－９９－９９λ－９８λ１＝１９８畅００５０５０３，λ２＝－０畅００５０５０３５．cond（A）２＝λ１＝３９２０６．２T－１２８畅证因A是正交阵，故A＝Acond（A）２＝max＝min，则max＝１．minmax＝min－１－１２９畅证由条件数的定义及矩阵范数的相容性，有cond（AB）＝‖AB‖‖（AB）＝‖A‖‖AT－１‖‖‖A－１－１≤‖A‖‖B‖‖B‖‖‖‖B‖‖B＝cond（A）cond（B）．３０畅证（１）因A＝WW，所以cond（A）２＝‖A‖２‖A ２－１－１T‖２＝‖WW‖２‖（WW）TT－１‖２＝‖W‖２‖W‖２＝（cond（W）２）．２２T（２）由习题２１知，λ（WW）＝λ（WW），则３３９‖W‖２＝TTTmax＝－T故由（１）得，cond（W）２＝‖W‖２‖Wmax＝‖W‖２．－１‖２＝‖W‖２‖W２T‖２＝cond（W）２．３１畅解由cond（A）２＝［cond（W）２］＝cond（W）２cond（W）２．｜λI－A｜＝λ－２１１λ－２＝λ－４λ＋３＝０，２解得所以‖A设b＝－１λ１＝１，λ２＝３．‖２＝１，‖A‖２＝３，cond（A）２＝，δb＝１１，这时有λ２＝３．１１－１‖δX‖２‖δb‖２＝cond（A）２．２２事实上，设X＋δX＝Y，则A（X＋δX）＝b＋δb，即２－１解得y１＝又解得x１＝所以δX＝１１‖δX‖２＝２－１２y１y２＝２０，４２，y２＝．２－１１１，x２＝－．－１２x１x２＝１－１，＋＝＝３．而cond（A）２＝３４０‖δb‖２＝cond（A）２２＝cond（A）２＝３，故‖δX‖２‖δb‖２＝cond（X）２．２２３２畅解记A＝T２４０－１７９－３１９２４０T，δA＝０－０畅５－０畅５０则AX＝b的解X＝（４，３），而（A＋δA）（X＋δX）＝b的解（X＋δX）＝（８，６）．故‖X‖而A－１∞＝４，‖δX‖＝２４０１７９－１－１∞＝４．，∞∞３１９２４０‖A‖‖δA‖‖δA‖cond∞（A）＝‖A∞‖‖∞∞＝６２６畅２，＝０畅５６０１２．＝０畅５，‖A由推论７畅１９畅２得‖δX‖∞∞‖δA‖∞∞０畅５６０１２≤＝≤１畅２７４，∞１－cond∞（A）∞∞‖δX‖∞≤１畅２７４‖X‖∞≤５畅１０，表明估计‖δX‖∞＝４略大，是符合实际的．９３３畅解（１）H３－１－３６１９２－１８０３０－１８０；１８０＝－３６３０‖H３‖∞＝所以c ond∞（H３）＝７４８．－１，‖H３‖∞＝４０８，（２）方程组在H３及b有微小变化时为１畅０００畅５０００畅３３３０畅５０００畅３３３０畅２５００畅３３３０畅２５００畅２００x１＋δx１x２＋δx２x３＋δx３１畅８３＝１畅０８０畅７８３３４１简记为（H３＋δH３）（X＋δX）＝b＋δb，它的精确解为X＋δX＝（１畅０８９５１２５３８，０畅４８７９６７０６２，１畅４９１００２７９８）．T而H３X＝b的精确解X＝（１，１，１），于是δX＝（０畅０８９５，－０畅５１２０，０畅４９１０）．‖δH３‖∞‖δb‖∞－３≈０畅１８×１０＜０畅０２％，≈０畅１８２％３∞∞而‖δX‖∞≈５１畅２％．∞这表明H３及b的相对误差不超过０畅３％，而引起解的相对误差超过５０％．由推论７畅１９畅２，可得‖δX‖∞≤∞≤３∞１－cond∞（H３）３∞‖δb‖∞‖δH３‖∞＋３∞∞TT４０８（（０畅０００２）＋０畅００１８２）≤０畅８９７４＝８９畅７４％．这个估计结果比实际误差大是合理的．３４畅解（１）先算出A于是cond∞（A）＝‖A（２）r＝b－AX珚＝＝７畅０００３－７－１＝‖∞１００００２００００‖A‖－∞１００００２０００１２畅０００１－２＝，－１＝４０００１×３畅０００１≈１２００１２．－１１０畅０５－０畅０５．２畅９７－１畅０１７畅０００３－７－６畅９５０３－６畅９５∞∞（３）依定理７畅２０，右端为cond∞（A）而左端为３４２‖r‖＝１２００１２×０畅０５≤８５７畅１９２，‖X－X珚‖∞０畅０３＝＝０畅０１．∞这表明当A为病态矩阵时，尽管剩余‖r‖很小，误差估计仍然较大，因此，当A病态时用‖r‖大小作为检验解的准确度是不可靠的．３５畅解（１）‖X‖１＝９，‖X‖２＝２（３）由１１２０a＞０，得a＜３，故a的取值范围－＜a＜２，‖X‖∞＝５．２（２）‖A‖１＝４，ρ（A）＝１（｜λI－A｜＝（λ－１），λ１，２＝１）．０a２，取a＝１时，L＝１００００．２３４３。
计算方法第三章线性方程组的直接解法
5 3
3 1
r3
r1 6
6 1 18 2
1 0
4 5 1 3
3 1
r3 r225
1 0
4 1
5 3
3 1
0 25 48 16
0 0 27 9
林龙
计算方法
6
化原方程组为三角方程组的过程为消元过程. 解三角方程组的过程为回代过程.
也可将上边的增广矩阵进一步化简.
1 4 5 3
1 0 7 1
xi
Di D
(i
1, 2,3,
)，由于方程含有n 1个
行列式.如对每个行列式按展开定理来计算.
用克莱姆法则求解,所需要的乘除运算量为
n!(n2 1) n次,若n 20用每秒一千万次的
计算机要三百万年,所以并不是凡直接法都
可以用来做实际运算.
林龙
计算方法
4
设有
§3.1直接法
a11x1 a12 x2 a21x1 a22 x2
解 : 10
7
0
7
r1 r2
5 1 5 6
林龙
计算方法
16
10 3 5
7 2 1
0 6 5
7 4 6
r2
3 10
r1
r3
5 10
r1
10
0
0
7 0.1 2.5
0 7 6 6.1 5 2.5
r2 r3
r3
1 25
r2
10 7 0 7 x3 1
0
2.5
5
2.5
x2
2.5 5x
nn
a11 a12 .... a1n 1 0 0
a21
a22
第三章 解线性方程组的直接法
相等.
定理 线性方程组 AX = b 可以用简单高斯消元法求解的
充要条件是
系数矩阵
A的
k
阶顺序主子式
∆k
≠
0
(k
=1, 2, , n).
8
如果主对角元素 ak(kk) 的绝对值很小, 由第一章的误差分 析可知计算时将会产生很大的计算误差.
例 用简单高斯消元法求解方程组(用四位浮点数计算)
0.012x1 + 0.01x2 + 0.167 x3 = 0.6781,
a(2) 2n
b1(1) b2( 2 )
→
An
= 0
0
a(3) 33
a(3) 3n
b3( 3 )
.
0
0
0
a(n) nn
bn(n)
对应的同解上三角形方程组为
a(1) 11
x1
+
a(1) 12
x2
a(2) 22
x2
+
+
a(1) 1n
b
0.6781
12.10
981.0
r1 ↔ r3
14
例 用高斯全主元消元法求解方程组(用四位浮点数计算)
0.012x1 + 0.01x2 + 0.167 x3 = 0.6781,
x1
+
0.8334 x2
+
5.91x3
= 12.1,
3200
x1
+
1200 x2
+
第二章 解线性代数方程组的直接法(DOC)
第二章 解线性方程组的直接法本章研究的对象是n 阶线性方程组⎪⎪⎩⎪⎪⎨⎧=+++=+++=+++nn nn n n n n n n b x a x a x a b x a x a x a b x a x a x a .........22112222212111212111 （2.1）其矩阵形式为b AX = （2.1）′其中，)(ij a A =是方程组的系数矩阵，⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=n x x x X ...21,⎪⎪⎪⎪⎪⎭⎫⎝⎛=n b b b b ...21分别为方程组的未知向量和常数向量。
所谓直接法，就是在不计舍入误差时，经过有限步运算能求得方程组精确解的方法。
下面介绍几种较实用的直接法。
2.1 Gauss 消去法 2.1.1 Gauss 顺序消去法高斯（Gauss ）消去法实质是消元法,只是步骤规范,便于编程。
它的基本做法是把方程组(2.1)转化成一个等价的三角方程组⎪⎪⎩⎪⎪⎨⎧==++=+++n n nn n n n n g x b g x b x b g x b x b x b 2222211212111 (2.2) 这个过程称为消元。
然后,逐个求出11,,,x x x n n -,这个过程称为回代。
(一) 高斯消去法的计算过程为了符号统一,把方程组(2.1)改写成下面形式⎪⎪⎩⎪⎪⎨⎧=+++=+++=+++)1()1(2)1(1)1()1()1(2)1(1)1()1()1(2)1(1)1( (212)22221111211n nn n n n n b x a x a x a b x a x a x a b x a x a x a n n n(2.3)用矩阵表示为)1()1(b X A = (2.3)′其中⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=)1()1(2)1(1)1(2)1(22)1(21)1(1)1(12)1(11)1(nn n n nn a a a a aa a aa A, ⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=)1()1()1()1(...21n b b b b 若0)1(11≠a ,用第二个方程减去第一个方程的)1(11)1(21/a a 倍,第三个方程减去第一个方程的)1(11)1(31/a a 倍,等等。
数值计算方法-第5章_解线性方程组的直接法
本章讲解直接法
5.1 消元法
我们知道，下面有3种方程的解我们可以直接求出：
①
n次运算
A
diag(a11, a22 ,
, ann )
xi
bi aii
,i
1,
,n
②
（n＋1）n/2次运算
l11
A
l21 ln1
l22 ln2
(aik
k 1
liklkr ) r 1 lkk
,i k 1, , n
因此不常用
又 l11
1
l11
l21 l22
ln1
ln2
lnn
l '21 l 'n1
1 l'n2
1
l22
lnn
则有
A L~D~D~T L~T LDLT
L~
D~
1
L
l21 ln1
lnn
xi
bi
i 1
lij x j
j 1
lii
,i
1,
,n
③
（n＋1）n/2次运算
u11
A
u12 u22
u1n
u2n unn
xi
bi
n
uij x j
j i 1
uii
,i
n,
,1
对方程组，作如下的变换，解不变 ①交换两个方程的次序 ②一个方程的两边同时乘以一个非0的数 ③一个方程的两边同时乘以一个非0数，加到另一个方程
1 ln2
1
d1
D
d2
dn
a11 a12
a21 a22
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。
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。
计算方法实验：解线性方程组的直接法
实验二解线性方程组的直接法一、实验目的用列主元素高斯消去法和三角分解法解线性方程组Ax=b。
式中，A为n阶非奇异方阵，x，b是n阶列向量，并分析选主元素的重要性。
二、实验方法（1）列主元素高斯消去法通过变换，将系数矩阵换成等价的上三角矩阵，在每步消元过程中，选列主元素。
对k=1,2,……n-1，逐次计算l ik=a ik(k-1)/a kk(k-1) (i=k+1,k+2,……,n)a ij(k)=a ij(k-1)-l ik a kj(k-1) (i,j=k+1,k+2,……,n)b i(k)=b i(k-1)-l ik b k(k-1) (i=k+1,k+2,……,n)逐步回代气的原方程组的解X n=b i(n-1)/a nn(n-1)X k=(b k(k-1)_a kj(k-1)x j)/a kk(k-1) (k=n-1,n-2, (1)（2）直接三角分解法由于两个矩阵相等就是它们的对应元素相等，因此通过比较A与LU的对应元素，即可得到直接计算L,U的元素的公式。
设A=L×U，其中U的第一行、L的第一列的元素分别为对(依次：U的第二行，L的第二列，U的第三行，L的第三列……)，有由上述两种方法得到矩阵A的LU分解后，求解Ly=b与Ux=y的计算公式为∑+=n1kj三、实验内容解下列方程组·=四、实验程序（1）列主元素高斯消去法（2）直接三角分解法0147.06721.109998.42371.13142.17643.89217.44129.35435.15330.27875.15301.04017.31651.18326.31348.14321xxxx9237.164231.183941.65342.9五、实验结果（仅供参考）精确解为:(1,1,1,1)T六、结果分析实验的数学原理很容易理解，也容易上手。
把运算的结果带入原方程组，可以发现符合的还是比较好。
这说明列主元消去法计算这类方程的有效性。
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 》
- 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)。
(1.5)
消去法的回代过程是解上三角形方程组(1.5).我们从方程组(1.5)的第三个方 x3 6 / 6 1 ; 程解得 然后将它代入第二个方程得到
x2 ( 5 x3 ) / 3 2;
最后，将 x3 1, x2 2 代第一个方程得到
x1 (3 2 x2 3 x3 ) / 2 2.
②
（n＋1）n/2次运算
i 1 l11 bi lij x j l21 l22 j 1 A xi , i 1, , n lii l l l nn n1 n 2
③
（n＋1）n/2次运算
n u11 u12 u1n bi uij x j u22 u2 n j i 1 A x , i n, ,1 i uii u nn
1,2,...,n)
（ 1 .2 ）
Ax b,
a1n a2 n , ann
§1 1.1 Gauss 消去法 本章主要介绍求解线性方程组(1.1)的直接法。所谓直接法，就是不考虑 计算过程的舍入误差时，经有限次数的运算便可求得方程组准确解的方法.我 们还将在§5中对计算过程中的舍入误差作一些初步分析．
a11 a 21 A, b ... an 2
之间有一对应关系.不难看出:
a12 a22 ... an 2
... ... ... ...
a1n a2 n ... ann
b1 b2 ... bn
（1.3）
（1）交换矩阵(1.3)的第p,q两行(记作 的第p,q两个方程；
(1.8)
(1.9)
(1.9)式是消元过程的一般计算公式.式中作分母的元素
( k 1)
步的)主元素(简称主元).若 akk 0, 则 ak 1,k ,...,ank 中至少有一 个元素，比方说 a( k 1) , 不为零(否则,方程组(1.1)的系数矩阵A奇异).这样, rk ( k 1) 我们可取 a , 作为主元 .然后,交换矩阵 A( k 1) , b( k 1) 的第 k行与第 r行,把它交换到(k,k)的位置上.
在回代过程中，我们反复运用了上述的行运Gauss消去法推广到解一般的 n×n 阶线性方程组(1.1). Gauss消去法的消元过程由n—1步组成： 第一步 设 a11 0, 把增广矩阵(1.3)的第一列中元素 a21 , a31 ,..., an1 消为零．为此， ai1 l , i 2,..., n. 令 i1 从
(1.6)
(1) aij aij lij a1 j , j 2,..., n ai(1) 0 i 2,..., n. 1 bi(1) bi li1b1
第二步 设 a (1) 0, 把矩阵 A(1) , b (1) 的第二列中元素 22 为零. 仿此继续进行消元，假设进行了k—l步，得到
(1) a32 ,...,an(12)
消
A
( k 1)
, b ( k 1)
第 k步 消为零，得到
b1 a11 a12 ... a1k a1,k 1 ... a1n (1) (1) (1) (1) (1) a22 ... a2 k a2,k 1 ... a2 n b2 ... ... ( k 1) ( k 1) ( k 1) ( k 1) akk ak ,k 1 ... akn bk . (1.7) 1) ( k 1) ( k 1) ( k 1) ak( k a ... a b 1, k k 1, k 1 k 1, n k 1 ... ... ( k 1) ( k 1) ( k 1) ( k 1) a a ... a b nk n , k 1 nn n ( k 1) ( k 1) ( k 1) ( k 1) ( k 1) 设 akk 0, 把 A 的第k列的元素 ak 1,k ,...,ank ,b
A, b 的第i(i—2，…， n)行分别减去第一行的 li1 倍，得到
(1) (1) A , b
a11
其中
a11 0 ... 0
a12 (1) a22 ... (1) an 2
... ... ...
a1n (1) a2 n ... (1) ann
b1 (1) b2 , ... (1) bn
rp rq )相当于交换方程组(1.1)
p
（2）用一个非零数 λ 乘矩阵(1.3)的第p行(记作 p )相当于用 λ 乘 方程组(1.1)的第p个方程；
（3）矩阵(1.3)的第q行减去第p行的 λ 倍(记作 q 组(1.1)的第q个方程减去第p个方程的 λ 倍.
)相当于方程
因此，解线性方程组(1.1)的基本Gauss消去法的消元过程可以对它的增 广矩阵进行上述行初等变换．
线性方程组直接解法
引言
快速、高效地求解线性方程组是数值线性代数研究中的 核心问题，也是目前科学计算中的重大研究课题之一。 各种各样的科学和工程问题，往往最终都要归结为求 解一个线性方程组。 线性方程组的数值解法有：直接法和迭代法。
直接法：在假定没有舍入误差的情况下，经过有限次 运算可以求得方程组的精确解；
a1,k 1 ... a1n b1 a11 a12 ... a1k (1) (1) (1) (1) (1) a ... a a ... a b 22 2k 2 , k 1 2n 2 ... ... ( k 1) ( k 1) ( k 1) ( k 1) ( k 1) ( k 1) akk ak ,k 1 ... akn bk . A ,b 1) ( k 1) ( k 1) ( k 1) ak( k a ... a b 1, k k 1, k 1 k 1, n k 1 ... ... ( k 1) ( k 1) ( k 1) ( k 1) a a ... a b nk n , k 1 nn n 其中 ( k 1) ( k 1) lik aik / akk , (k ) aik 0, i k 1,...,n. (k ) ( k 1) ( k 1) aij aij lik akj , j k 1,...,n, bik bi( k 1) lik bk( k 1) , (0) aij aij , bi( 0) bi , i , j 1,2,...,n. 规定
1.1 Gauss 消去法
我们知道，对线性方程组（1.1）作行运算（变换）: （1）交换方程组中任意两个方程的顺序； （2）方程组中任何一个方程乘上某一个非零数； （3）方程组中任何一个方程减去某倍数的另一个方程， 得到新的方程组都是与原方程组(1.1)等价的。若方程组(1.1)或(1.2)的系数 矩阵A是非奇异的，则得到的新方程组与原方程组是同解的。这一章若无特别 申明，总是假定方程组(1.1)的系数矩阵是非奇异，因此它有唯一解。 解方程组(1.1)的基本Gauss消去法就是反复运用上述运算，按自然顺序 (主对角元素的顺序)逐次消去未知量，将方程组(1.1)化为一个上三角形方程 组，这个过程称为消元过程；然后逐一求解该上三角形方程组，这个过程称 为回代过程。计算得该该上三角形方程组的解就是原方程组(1.1)的解. 我们知道，线性方程组(1.1)与其增广矩阵
解：
2 2 1 2 0 1 7 8 0 9 2 1 1
x3 1 x2 8 7 x3 1 x1 2 2x2 2x3 2
我们知道，下面有3种方程的解我们可以直接求出： ①
n次运算
bi A diag(a11 , a22 ,, ann ) xi , i 1,, n aii
迭代法：从一个初始向量出发，按照一定的迭代格 式，构造出一个趋向于真解的无穷序列。
举例（一）
x1 2 x2 2 x3 2 例：直接法解线性方程组 2 x1 3 x2 3 x3 4 4 x1 x2 6 x3 3
1 2 2 2 ( A, b) 2 3 3 4 4 1 6 3 2 2 1 2 0 1 7 8 0 0 61 61
rk
( k 1)
( k 1)
( k 1) akk 称为(第k
lik (i k 1,..,n)
3 5 4
2 3 3 2 3 2 2 0 3 1 5 0 6 6 0 此得到与方程组(1.4)同解的上三角形方程组 2 x1 2 x2 3 x3 3, 3 x2 x3 5, 6 x3 6.
例1
用基本Gauss消去法解线性方程组
2 x1 2 x2 3x3 3, 4 x1 7 x2 7 x3 1, 2 x1 4 x2 5 x3 7.
(1.4)
解
Gauss消去法的消元过程可对方程组(1.4)的增广矩阵进行初等变换：由 2 3 3 2 3 2 2 2 2 1 0 3 ( 1) 1 A, b 4 7 7 1 3 1 4 5 7 6 8 2 0
对方程组，作如下的变换，解不变 ①交换两个方程的次序 ②一个方程的两边同时乘以一个非0的数 ③一个方程的两边同时乘以一个非0数，加到另一个方程 因此，对应的对增广矩阵(A，b)，作如下的变换，解不变 ①交换矩阵的两行 ②某一行乘以一个非0的数 ③某一个乘以一个非0数，加到另一行 消元法就是对增广矩阵作上述行的变换，变为我们已知的3 种类型之一，而后求根.
§1 §2 §3 §4 §5
解线性方程组的 Gauss 消去法 直接三角分解法 行列式和逆矩阵的计算 向量和矩阵的范数 Gauss 消去法的浮点舍入误差分析