第5章 线性代数方程组的直接解法

合集下载

10_解线性代数方程组的直接方法1

10_解线性代数方程组的直接方法1
(1) 1n (1) 1
(1) i1 1 j
这里 a
b
(2) i
(2) ij
(1) i
a l a
(1) ij
l i1 a
(1) i1
a
(1) 11
b
l i1b1
(1)
i, j 2,3,
,n
8
第二步消元: 若 a (2) 22 0 ,对除第一行第一列外 的子阵作计算:
(1) (1) a11 a12 (2) 0 a 22 (3) 0 A 0 0 0
总乘除法共
1 n 2 n n 3 3
(n 30, 为9890) 16
三、 高斯主元素消去法
(k ) 在高斯法消元过程中可能出现akk 0的情况,这时消去法 (k ) 将无法进行;即使主元素akk 0但很小,用其作除数,也会
导致其他元素数量级的严重增长和舍入误差的扩散。
为避免此种情况的发生,可通过交换方程的次序,选取 绝对值大的元素作主元——主元素法。
a x a x 2 a x a x n b (2) (2) (2) (2) a 22 x 2 a 23 x 3 a 2 n x n b 2 (2) (2) (2) (2) a 32 x 2 a 33 x 3 a 3n x n b3 (2) (2) (2) (2) a x a x a x bn 2 3 nn n n 2 n 3
(i ) ii i
x
(i ) (i ) a in x n bi
a
( n 1) n 1n 1 n 1
1) ( n 1) a (nn b n 1 1n x n
a xn b

解线性方程组的直接法

解线性方程组的直接法

a23x3 a33x3
a24x4 a34x4
b2 b3
a41x1 a42x2 a43x3 a44x4 b4
增广矩阵 a11 a12 a13 a14
A
a21
a22 a23
a24
a31
a32 a33
a34
a41 a42 a43 a44
b1
b2
b3
b4
32
计算3个消元因子(乘子向量)
-3x1 + x2 + 3x3 + 2x4 =6
1 2 1 4 13
1 2 1 4 13
2 0 4 3 28 4 2 2 1 20 -3 1 3 2 6
-主元行*2 -主元行*4 -主元行*-3
0 –4 2 -5 2 0 –6 –2 –15 -32 0 7 6 14 45
24
1 2 1 4 13
0 –4 2 -5 2
消元过 程
回代:x4=2,x3=4,
x2=-1,x1=3
25
有回代的高斯消去法
(Gaussian Elimination with Back Substitution)
如果A是NN非奇异矩阵(存在A-1),则存 在 线性方程组UX=Y与线性方程组AX=B等价,这 里U 是上三角矩阵,并且akk0。当构造出U和Y后, 可用回代法求解UX=Y,并得到方程组的解X。
16
➢ 高斯消元法: 思 首先将A化为上三角阵 ,再回代求解。

=
17
4 初等变换(Elementary Transformation) 下列三种变换可使一个线性方程组变换成另一
个等价的线性方程组 交换变换:对调方程组的两行 比例变换:用非零常数乘方程组的某一行 替换变换:将方程组的某一行乘一个常数再加到

数值分析第5章解线性方程组的直接方法课堂课资

数值分析第5章解线性方程组的直接方法课堂课资

所谓直接解法是指,若不考虑计算过程中的舍入误差, 经过有限次算术运算就能求出线性方程组的精确解的方法。
但由于实际计算中舍入误差的存在,用直接解法一般 也只能求出方程组的近似解。
Cramer法则是一种不实用的直接法,本章将介绍几种 实用的直接法。
章节内容
3
5.1.2 预备知识
a11
A Rmn
A
23
(2)如果A为非奇异矩阵,则可通过高斯消去法(及交换两行的初等 变换)将方程组Ax=b约化为方程组(2.10). 定理6 约化的主元素aii(i) ≠0(i=1,2,…,k)的充要条件是矩阵A
的所有顺序主子式 /* determinant of leading principal
submatrices
解为:
x* (1,2,3)T
章节内容
18
上述过程相当于
1 1 1 6 1 1 1 6 1 1 1 6
(A | b) 0 4 1 5 0 4 1 5 0 4 1 5
2
2
1
1
0
4
1 11
0
0
2
6
(2)* r1 r3 r3 r2 r3 r3
思 首先将A化为上三角阵 /* upper-triangular matrix */, 路 再回代求解 /* backward substitution */。
(4) A的顺序主子式都大于零,即det(Ak ) 0(k 1,2,, n).
章节内容
14
定理3.
设A Rnn为对称矩阵,如果de(t Ak) 0(k 1,2,, n),
或A的特征值i 0(i 1,2,, n),则A为对称正定矩阵.
定理4 (Jordan标准型) 设A为n阶矩阵,则存在一个非奇异矩阵P使得

现代科学工程计算基础课后答案

现代科学工程计算基础课后答案

现代科学工程计算基础课后答案《现代科学与工程计算基础》较为详细地介绍了科学与工程计算中常用的数值计算方法、基本概念及有关的理论和应用。

全书共分八章,主要内容有误差分析,函数的插值与逼近,数值积分与数值微分,线性代数方程组的直接解法与迭代解法,非线性方程及非线性方程组的数值解法,矩阵特征值和特征向量的数值解法,以及常微分方程初、边值问题的数值解法等。

使用对象为高等院校工科类研究生及理工科类非“信息与计算科学”专业本科生,也可供从事科学与工程计算的科技工作者参考。

《现代科学与工程计算基础》讲授由浅人深,通俗易懂,具备高等数学、线性代数知识者均可学习。

基本信息出版社: 四川大学出版社; 第1版 (2003年9月1日)平装: 378页语种:简体中文开本: 32ISBN: 7561426879条形码: 9787561426876商品尺寸: 20 x 13.8 x 1.6 cm商品重量: 399 g品牌: 四川大学出版社ASIN: B004XLDT8C《研究生系列教材:现代科学与工程计算基础》是我们在长期从事数值分析教学和研究工作的基础上,根据多年的教学经验和实际计算经验编写而成。

其目的是使大学生和研究生了解数值计算的重要性及其基本内容,熟悉基本算法并能在计算机上实现,掌握如何构造、评估、选取、甚至改进算法的数学理论依据,培养和提高读者独立解决数值计算问题的能力。

目录第一章绪论§1 研究对象§2 误差的来源及其基本概念2.1 误差的来源2.2 误差的基本概念2.3 和、差、积、商的误差§3 数值计算中几点注意事项习题第二章函数的插值与逼近§1 引言1.1 多项式插值1.2 最佳逼近1.3 曲线拟合§2 Lagrange插值2.1 线性插值与抛物插值2.2 n次Lagrange插值多项式2.3 插值余项§3 迭代插值§4 Newton插值4.1 Newton均差插值公式4.2 Newton差分插值公式§5 Hermite插值§6 分段多项式插值6.1 分段线性插值6.2 分段三次Hermite插值§7 样条插值7.1 三次样条插值函数的定义7.2 插值函数的构造7.3 三次样条插值的算法7.4 三次样条插值的收敛性§8 最小二乘曲线拟合8.1 问题的引入及最小二乘原理8.2 一般情形的最小二乘曲线拟合8.3 用关于点集的正交函数系作最小二乘拟合8.4 多变量的最小二乘拟合§9 连续函数的量佳平方逼近9.1 利用多项式作平方逼近9.2 利用正交函数组作平方逼近§10 富利叶变换及快速富利叶变换10.1 最佳平方三角逼近与离散富利叶变换10.2 快速富利叶变换习题第三章数值积分与数值微分§1 数值积分的基本概念1.1 数值求积的基本思想1.2 代数精度的概念1.3 插值型求积公式§2 等距节点求积公式2.1 Newton—CoteS公式2.2 复化求积法及其收敛性2.3 求积步长的自适应选取§3 Romberg 求积法3.1 Romberg求积公式3.2 Richardson外推加速技术§4 Gauss型求积公式4.1 Gauss型求积公式的一般理论4.2几种常见的Gauss型求积公式§5 奇异积分和振荡函数积分的计算5.1 奇异积分的计算5.2 振荡函数积分的计算§6 多重积分的计算6.1 基本思想6.2 复化求积公式6.3 Gauss型求积公式§7 数值微分7.1 Taylor级数展开法7.2 插值型求导公式习题第四章解线性代数方程组的直接法§1 Gauss消去法§2 主元素消去法2.1 全主元素消去法2.2 列主元素消去法§3 矩阵三角分解法3.1 Doolittle分解法(或LU分解)3.2 列主元素三角分解法3.3 平方根法3.4 三对角方程组的追赶法§4 向量范数、矩阵范数及条件数4.1 向量和矩阵的范数4.2 矩阵条件数及方程组性态习题第五章解线性代数方程组的迭代法§1 Jacobi迭代法§2 Gauss-Seidel迭代法§3 超松弛迭代法§4 共轭梯度法习题第六章非线性方程求根§1 逐步搜索法及二分法1.1 逐步搜索法1.2 二分法§2 迭代法2.1 迭代法的算法2.2 迭代法的基本理论2.3 局部收敛性及收敛阶§3 迭代收敛的加速3.1 松弛法3.2 Aitken方法§4 New-ton迭代法4.1 Newton迭代法及收敛性4.2 Newton迭代法的修正4.3 重根的处理§5 弦割法与抛物线法5.1 弦割法5.2 抛物线法§6 代数方程求根6.1 多项式方程求根的Newton法6.2 劈因子法§7 解非线性方程组的Newton迭代法习题……第七章矩阵特征值和特征向量的计算第八章常微方分程数值解法附录参考文献欢迎下载,资料仅供参考!!!资料仅供参考!!!资料仅供参考!!!。

第五章 线性方程组的解法PPT课件

第五章 线性方程组的解法PPT课件
第五章 线性方 程组的解法
1
整体 概述
一 请在这里输入您的主要叙述内容

请在这里输入您的主要 叙述内容
三 请在这里输入您的主要叙述内容
2
问题的提出:
在自然科学与工程技术中,很多 问题的解决常常归结为求解线性方程 组,如电学中的网络问题,机械和建 筑结构的设计和计算等,因此利用计 算机求解线性方程组就成为一个非常 重要的问题。
a(k) kj
ak(kj1)
/ak(kk1)
对于i=k+1,k+2,…,n,n+1计算
ai(kj)ai(kj1)ai(kk1)ak(k)j
其中j=k,k+1,k+2,…,n,n+1。 当k=n,即
27
继续这种过程,第n次消元后增广矩阵为
1
a(1) 12
(A(n) b(n))
1
a(1) 13
a(2) 23
会导致舍入误差的扩散,这是它的缺陷。
30
G-J消去法的一般求解过程如下:
消元过程:对于k=1,2,…,n,执行

a(k1) kk
0
,对于j=k,k+1,…,
n,n+1计算
a(k) kj
ak(kj1)
/ak(kk1)
对于i=k+1,k+2,…,n,计算
ai(kj)ai(kj1)ai(kk1)ak(k)j 其中j=k,k+1,k+2,…,n,n+1
0
0
a(2) n3
a(2) nn
an(2,n)1
19
如此继续计算下去,第k-1次消元结 束后就得到增广矩阵
a1(01)

线性代数方程组的解法

线性代数方程组的解法
上一页 下一页 3
(2) 迭代解法:所谓迭代方法,就是构造某种 极限过程去逐步逼近方程组的解.
经典迭代法有: Jacobi 迭代法、Gauss Seidel 迭代法、 逐次超松弛(SOR)迭代法等;
上一页 下一页 4
5.1.1 向量空间及相关概念和记号
1 向量的范数
设 是n维实向量空间Rn上的范数,最常用的向量
a21 x1 a22 x2 a23 x3 a24 x4 b2 ,
(1)
a31 x1 a32 x2 a33 x3 a34 x4 b3 ,
a41 x1 a42 x2 a43 x3 a44 x4 b4 .
上一页 下一页 26
若 a11 0 ,则以第 i(i 2, 3,4) 个方程减去
证明 我们只证按行严格对角占优的情形,这时有
n
aij | aii |, i 1, 2,L , n
j 1 ji
假设 Ax 0有非零解x (x1, x2,L , xn ),
则存在下标1 i n,使得 xi
max 1 jn
xj
0,
考虑 Ax 0的第i 行 ai1x1 ai2x2 L ain xn 0
j 1 ji
且至少有一 i 个使不等式严格成立,则称矩阵 A 为按行对角占优矩阵。若 i 1, 2,L , n 严格不等 式均成立,则称 A 为按行严格对角占优矩阵. 类似地,可以给出矩阵 A 为按列(严格)对角
占优矩阵的定义.
上一页 下一页 22
定理 5.8 若 A为严格对角占优矩阵,则 A非奇异.
此时 A ( AT A) 2
若 A Rnn 为对称阵, A ( A) 2 ( 因为 ( AT A) ( A2 ) )
上一页 下一页 15

线性代数方程组的直接解法

线性代数方程组的直接解法

n
谱半径
列范数:
A
1
max
1 jn
i 1
aij
n
( A)
max
1 i n
i
❖行范数:
A
max
1 i n
j 1
aij
1
谱范数: A 2
1 ( AT A) 2
其中

1
A的T A最大特征值
20
证明:
谱范数: A 2
1 其中是1 A的T A最大特征值
1
A max Ax max[( Ax)T Ax]2
x
x c2
x
x Rn
则称 • 和 是• 上等R价n 的向量范数。
例如 x x n x
2
1
2
7
性质4 向量范数的等价性具有传递性。
性质5 Rn 的所有向量范数是彼此等价的。
性质6 (向量序列的范数极限)
设 x(k) Rn ,则 lim x(k) 的x充要条0 件是 k
lim
k
x(k) i
18
相容性:
AB max ABx max A(Bx)
x 1
x 1
max( A Bx ) A B x 1
矩阵范数的一般定义形式:
A max Ax , A Rnn
p
x p 1
p
19
Th3.5.4上述一般定义形式中分别取 p 1, 2,
从而得到常用的3种分别从属于它们的矩阵范数:
记 A (aij )nn
Ax0 A x0
则称 A是 从属于向量范数 的x矩 阵范数。 A 从属于向量范数 x的必要条件:
I 1
16
Th3.5.3 设 是 中Rn的一种向量范数,若定义 A max Ax , A Rnn

数值分析-线性方程组的直接解法

数值分析-线性方程组的直接解法

算法 Gauss(A,a,b,n,x)
1. 消元 For k=1,2, … , n-1 1.1 if akk=0 , stop; 1.2 For i=k+1,k+2, …, n 1.2.1 l ik=aik /akk => aik 1.2.2 For j=k+1,k+2, … ,n ai j -aik ak j =>aij 1.2.3 bi -aik bk=> bi 2. 回代 2.1 bn / an=>xn; 2.2 For i=n-1,n-2, …, 2,1 2.2.1 bk => S 2.2.2 For j=k+1,k+2, … ,n S –akj xj =>S 2.2.3 S/ akk => xk a1 1 a1 2 a13 a2 1 a2 2 a23
线性方程组的直接解法
刘 斌
线性方程组的直接解法
§1 Gauss消去法 1.1 顺序Gauss消去法
1.2
§2 2.1 2.2 2.3
列主元Gauss消去法
Gauss消去法的矩阵运算 Doolittle分解法 平方根法
直接三角分解方法
2.4
追赶法
引入
在科学计算中,经常需要求解含有n个未知量 的n个方程构成的线性方程组 a11 x1 a12 x2 a1n xn b1 a21 x1 a22 x2 a2 n xn b2 (1) an1 x1 an 2 x2 ann xn bn
(1) a12 ( 2) a22 0
(1) (1) a13 a1 n ( 2) ( 2) a23 a2 n ( 3) ( 3) a33 a3 n
0

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。

数值计算方法-第5章_解线性方程组的直接法

数值计算方法-第5章_解线性方程组的直接法
①直接法:准确,可靠,理论上得到的解是精确的 ②迭代法:速度快,但有误差
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:

n次运算
A
diag(a11, a22 ,
, ann )
xi
bi aii
,i
1,
,n

(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

(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

第5章 求解线性代数方程组的直接法

第5章 求解线性代数方程组的直接法

数值计算与MATLAB1《数值计算与MATLAB 》第5章求解线性代数方程组的直接法§0 引言§1 线性代数方程组求解概论§2 恰定线性方程组求解§3 矩阵的三角分解§4 MATLAB实现《数值计算与MATLAB 》引言大量的科技与工程实际问题,常常归结为解线性代数方程组,有关线性方程组解的存在性和唯一性在“线性代数”理论中已经作过详细介绍,本章的主要任务是讨论系数行列式不为零的n阶非齐次线性方程组Ax=b的两类主要求解方法:直接法(精确法)和迭代法。

《数值计算与MATLAB 》5.1 线性代数方程组求解概论线性代数方程组的矩阵表示Ax=b⎪⎪⎩⎪⎪⎨⎧=+++=+++=+++mnmnmmnnnnbxaxaxabxaxaxabxaxaxa22112222212111212111《数值计算与MATLAB 》线性代数方程组解的性质AS≡b解的判别及其结构Ax=0:有非零解——系数矩阵的秩R(A)<n。

若R(A)=n,则方程组只有零解。

Ax=b:分三种类型:当R(A)=R(B)=n时,称方程组为恰定方程组,这时它有唯一解向量;当R(A)=R(B)<n时,称方程组为欠定方程组,这时它有无穷多解向量;当R(A)<R(B)时,称方程组为超定方程组或矛盾方程组,即保留方程个数大于未知量个数,一般意义下无解,但可求出其最小二乘解。

《数值计算与MATLAB 》5.2 恰定线性代数方程组求解克莱姆法则对于恰定方程组Ax=b,即满足R(A)=R(B)=n 的方程组求解,可用克莱姆(Cramer)法则得出唯一解。

利用Cramer法则求解所需乘除运算量为:N=(n+1)!(n-1)+n=n!(n2-1)+nAΔhhxdet《数值计算与MATLAB 》高斯消去法(消元法)消元过程回代过程顺序高斯消去法(Gauss-Jordan)列主元素消去法主元素消去法全主元素消去法《数值计算与MATLAB 》5.3 矩阵的三角分解高斯消去法和三角矩阵消元过程:实质上就是用一系列行初等变换,即P n-1P n-2...P1Ax= P n-1P n-2 (1)使方程组等价地变换成一个三角形回代过程:就是先求出,然后逐个由下往上进行回代,求得方程组的解。

数值分析实验报告

数值分析实验报告

实验五 解线性方程组的直接方法实验5.1 (主元的选取与算法的稳定性)问题提出:Gauss 消去法是我们在线性代数中已经熟悉的。

但由于计算机的数值运算是在一个有限的浮点数集合上进行的,如何才能确保Gauss 消去法作为数值算法的稳定性呢?Gauss 消去法从理论算法到数值算法,其关键是主元的选择。

主元的选择从数学理论上看起来平凡,它却是数值分析中十分典型的问题。

实验内容:考虑线性方程组n n n R b R A b Ax ∈∈=⨯,,编制一个能自动选取主元,又能手动选取主元的求解线性方程组的Gauss 消去过程。

实验要求:(1)取矩阵⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=1415157,6816816816 b A ,则方程有解T x )1,,1,1(* =。

取n=10计算矩阵的条件数。

让程序自动选取主元,结果如何?(2)现选择程序中手动选取主元的功能。

每步消去过程总选取按模最小或按模尽可能小的元素作为主元,观察并记录计算结果。

若每步消去过程总选取按模最大的元素作为主元,结果又如何?分析实验的结果。

(3)取矩阵阶数n=20或者更大,重复上述实验过程,观察记录并分析不同的问题及消去过程中选择不同的主元时计算结果的差异,说明主元素的选取在消去过程中的作用。

(4)选取其他你感兴趣的问题或者随机生成矩阵,计算其条件数。

重复上述实验,观察记录并分析实验结果。

思考题一:(Vadermonde 矩阵)设⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=∑∑∑∑====n i i n n i i ni i n i i n n n n n n nx x x x b x x x x x x x x x x x x A 002010022222121102001111 ,, 其中,n k k x k ,,1,0,1.01 =+=,(1)对n=2,5,8,计算A 的条件数;随n 增大,矩阵性态如何变化?(2)对n=5,解方程组Ax=b ;设A 的最后一个元素有扰动10-4,再求解Ax=b(3)计算(2)扰动相对误差与解的相对偏差,分析它们与条件数的关系。

线性方程组直接法

线性方程组直接法
类似选主元法
练习 利用LU分解法求解方程组
1 2 3 x1 2 1 3 5 x2 4. 1 3 6 x3 5
1001 2 3 2 1 答L: U 110 01 2 , y 2 ,x 0 .
111 001 1 1
二、解三对角方程组的追赶法
在数值求解常微分方程边值问题、热传导方程和建立
二、向量和矩阵的范数
定义1 ( 向量范数) x 和 y 是 Rn 中的任意向量 , 向量范数‖•‖是定义
在 Rn上的实值函数, 它满足:
(1) ‖ x ‖≥0, 并且当且仅当 x=0 时, ‖ x ‖=0;
(2) ‖k x ‖=|k| ‖ x ‖, k 是一个实数;
(3) ‖ x + y ‖≤ ‖ x ‖+ ‖ y ‖
1 0 01 2 3
A 2 3
1 5
0 0 1 0
1 0
4
24
LU
3=-72/-24; 2=[-10+4*3]/1;
求解
1=[14-(2*2+3*3)]/1]
Ly (14, 18, 20)T , 得y (14, 10,72)T 同理当 ukk 0或 Ux (14, 10, 72)T , 得x (1, 2, 3)T 很小时,可用
子式 Di 0(i 1,2,,k),即
a11 Di
ai1
a1i
aii
0aa1i((i1i1))
0 Di
Di1 0
由于高斯消去法过在程消中元可能ak(出 kk) 现 0的情况, 这时消去法将无;法即进使行主a元 k(kk) 素0但很小时, 用其作除数,会他导元致素其数量级的长严和重舍增
入误差的扩散,使最得后计也算的解不可靠。

线性代数方程组求解直接方法

线性代数方程组求解直接方法
通过对方程组进行初等行变换,将方 程组化为上三角矩阵形式,然后回代 求解得到方程组的解。该方法具有简 单易懂的优点,但在处理大型方程组 时可能存在数值稳定性问题。
LU分解法
将系数矩阵分解为一个下三角矩阵L和 一个上三角矩阵U的乘积,然后通过求 解LY=b和UX=Y两个三角形方程组得到 原方程组的解。LU分解法具有较高的数 值稳定性,适用于中小型方程组。
根据系数矩阵的第一行和最后一行元素, 计算出初始参数。
2. 追赶过程
3. 回代过程
从第二行开始,逐行进行消元,将系数矩 阵转化为上双对角矩阵。
从最后一行开始,逐行回代求解,得到方程 组的解。
平方根法的基本原理与计算步骤
基本原理
1. Cholesky分解
2. 前代过程
3. 回代过程
平方根法是一种适用于对称正 定矩阵线性方程组的求解方法 ,通过Cholesky分解将系数矩 阵分解为下三角矩阵和其转置 的乘积,进而简化计算。
收敛速度
在适当的条件下,雅可比迭代法的收敛速度可能比一般的 迭代法更快。
计算复杂度
雅可比迭代法需要计算雅可比矩阵及其逆矩阵,因此计算 量相对较大;而一般的迭代法只需要进行矩阵与向量的乘 法运算,计算量相对较小。
稳定性
雅可比迭代法的稳定性较好,对初始近似解的要求较低; 而一般的迭代法可能对初始近似解的要求较高,否则可能 导致迭代序列发散。
对系数矩阵进行Cholesky分解 ,得到下三角矩阵L。
通过下三角矩阵L,求解出中间 向量y。
利用中间向量y和下三角矩阵L 的转置,求解出方程组的解。
追赶法与平方根法的比较
适用范围
追赶法适用于三对角矩阵线性方程组, 而平方根法适用于对称正定矩阵线性方

第五章 解线性代数方程组

第五章 解线性代数方程组

求解线性方程组的直接解法5.3 特殊矩阵的三角分解① 实对称矩阵的LDL T 分解设A 是实对称阵,且A 的所有顺序主子式均不为零,则LDR 分解中R =L T , 故可用以作LDL T 分解.这就是说,当A 的对角元素非零时,我们可以作LU 分解,也就得到LDL T 分解,L 相同,是单位上三角阵,U 的对角元素构成D .不过没有利用对称性,存储量运算量都未能节省—预计是一半。

试用n =3的计算表格说明如何实现节省。

这样,。

引进輔助量t 1, t 2代替u 1j ,u2j ,并利用对称性得到:据此不难写出LDL T 分解A =LDL T 的计算公式和程序(逐行计算L,D ).d 1=a 11for i =2:nfor j =1:i -1t j =a ij -l j 1t 1-l j 2t 2-…-l j ,j-1t j-1l ij =t j /d j end d i =a ii -l i 1t 1-l i 2t 2-…- l i ,i-1t i-1 end存储约n (n +1)/2单元,乘加运算各约n 3/6. 利用LDL T 分解解Ax =b 分四步: 1.分解A =LDL T 2.解 Lg =b 求g 3.解 Dy =g 求y 4.解 L T x =y 求x② 实对称正定矩阵的LL T 分解A 实对称正定时顺序主子式皆正,可作LDL T ,D 的对角元素皆正,有正的平方根。

因此有LL T 分解A =LL T ,L 下三角阵,对角元素皆正,是LDL T 中的LD 1/2.乃可用上半部元素逐列计算L T .l 11=a 111/2 for i =2:nfor j =1:i -1l ij =(a ij -l i 1l j 1-l i 2l j 2-…-l i ,j-1l j ,j-1)/d jjend2/121,2221)(-----=i i i i ii ii l l l a l end存储量,运算量同LDL T 分解,但要n 次求平方根.利用LL T 分解解Ax =b 分三步:1.分解A =LL T 2.解 Lg =b 求g 3.解 L T x =g 求x③ 三对角方程组的追赶法消去法或LU 分解用于三对角方程组有特殊形式,即称追赶法.设Ax =f : b 1x 1+ c 1x 2=f 1a i x i-1+b i x i +c i x i+1=f i i=2,3,n -1 a n x n-1+b n x n =f nA 是三对角阵,则L ,U 同样结构.L 的对角元素为α2,α3,…,αn ,U 的对角元素为β1,β2,…,βn ,上对角元素同A .1.分解A =LU : β1= b 1,αi =a i /βi-1,βi = b i -αi c i -1, i=2,3,…,n 2.解 Lg =f 求g : g 1=f 1,g i =f i -αi f i -1, i=2,3,…,n 3.解 U x =g 求x : x n =g n /βn ,x i =(g i -c i x i +1)/βi , i=n -1,n -2,…,1编程时,A 可用三个一维数组,f 用一个一维数组.L ,U 存入A 。

  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)。

第5章 线性代数方程组的直接解法
一、选择题(四个选项中仅有一项符合题目要求,每小题3分,共计15分) 1、一般用高斯消元法解线性代数方程组要采用的技术是( )
(1)调换方程位置; (2)选主元; (3)直接求解; (4)化简方程组。

2、设矩阵A 的LU 分解如下:2231002234772100124511006A b a ⎛⎞⎛⎞⎛⎞⎜⎟⎜⎟⎜⎟
==⎜⎟⎜⎟⎜⎟⎜⎟⎜⎟⎜⎟−−⎝⎠⎝⎠⎝⎠
则该分解式中,a b 的值分别为 ( )
(1)2,6a b ==;(2)6,2a b ==;(3)2,3a b ==;(4)1,2a b =−=。

3、设矩阵n n
A R ×∈,n n
Q R
×∈,且T
Q Q E =,则下列关系式不成立的是( )
(1) 2
2A AQ =;(2) F
F QA
A =;(3) 22Qx x =,其中n x R ∈;
(4)
()()cond A cond AQ ∞∞=。

4、设矩阵314122232A −⎡⎤⎢⎥=−−⎢⎥
⎢⎥−−⎣⎦,111x ⎡⎤⎢⎥=−⎢⎥⎢⎥⎣⎦
,则Ax
∞和
A ∞的值分别为(

(1) 88,; (2) 87,; (3) 86,; (4) 77,。

5、若解线性代数方程组的Gauss 部分选主元方法第二步得到的系数矩阵的第三列向量为
()2632542T
−,则第三步主行是( )
(1) 第2行; (2) 第3行; (3) 第5行; (4) 第6行。

二、填空题(每小题3分,共计15 分)
1、设2101202A a a ⎡⎤
⎢⎥=⎢⎥⎢⎥⎣⎦
,为使A 可分解为T
A LL =,其中L 是对角元素为正的下三角矩阵,
则a 的取值范围是___________________。

2、设210121012A −⎡⎤⎢⎥=−−⎢⎥⎢⎥−⎣⎦
,则2()Cond A =_________________。

3、设()214T
x =,如果()2
00T
Lx =,则初等下三角矩阵L = 。

1
4、设n n
A R
×∈为上半带宽为p ,下半带宽为q 的带状矩阵,且A 的各阶顺序主子式均不为
零,A LU =为Doolitte 分解,则上三角矩阵U 的上半带宽为 。

5、设对称正定矩阵11(),0n n
ij A a R
a ×=∈≠,经过一次Gauss 消元得到形如11
10a A A ∗⎛⎞=⎜
⎟⎝⎠
的矩阵,则1A 是 矩阵。

三、(12分)试用高斯列主元素法求解线性方程组
123413243267102115914350156x x x x ⎡⎤−−⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥−−−⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥−−⎢⎥⎢⎥⎢⎥−−−⎢⎥⎣⎦⎣⎦
⎣⎦ 四、(12分)利用矩阵A 的三角分解A LU =求解下列方程组 123121022331302x x x ⎛⎞⎛⎞⎛⎞⎜⎟⎜⎟⎜⎟=⎜⎟⎜⎟⎜⎟⎜⎟⎜⎟⎜⎟−−⎝⎠⎝⎠
⎝⎠ 五、(12分)用平方根法求解下列方程组
1234241021710341097x x x −−⎛⎞⎛⎞⎛⎞⎜⎟⎜⎟⎜⎟−=⎜⎟⎜⎟⎜⎟⎜⎟⎜⎟⎜⎟−−⎝⎠⎝⎠
⎝⎠ 六、(10分)设线性代数方程组Ax b =中系数矩阵A 非奇异,x 为精确解,0b ≠,若向量
x
%是Ax b =的一个近似解,残向量r b Ax =−%,证明估计式:()x x r
cond A x b
−≤%(假定所用矩阵范数与向量范数相容)。

七、(12分)设实对称矩阵()ij n n A a ×=的特征值为12,,,n λλλL
试证:F
A
=。

八、(12分)已知方程组Ax b =,其中310110233110A ⎡⎤⎢⎥=−⎢⎥⎢⎥⎣⎦,14514b ⎡⎤⎢⎥=−⎢⎥
⎢⎥⎣⎦

(1)构造求解该方程组的一种收敛的迭代格式,并说明理由;
(2)写出(1)中迭代方法的迭代矩阵。

相关文档
最新文档