函授 数值 课件 chap4:解线性方程组的直接法3(直接三角分解法)
合集下载
数值分析第三章 解线性方程组的直接方法 ppt课件

对算每一一次行。计以算后每s注i一意数步m 1:学考j这上a虑n两|严x子a个格i列j |方等。 a程价为...kk 组。省中在时as间iki 最,s大i 只的在ai初k 为始主时元计。
a nk
注:稳定性介于列主元法和全主元法之间。
§2 三角分解法 /* Matrix Factorization */
A(2) b(2)
其中
a(2) ij
b(2) i
a(1) ij
b(1) i
mi
a(1)
1 1j
mi1b1(1)
(i, j 2, ...,n)
Step
k:设
a(k) kk
, 0计算因子
m ik a i(k k )/a k (k )k(i k 1 ,..n ) .,
且计算
a(k1) ij
➢ 高斯消元法的矩阵形式 /* Matrix Form of G.E. */:
Step 1: m i1a i1/a 11(a 1 10 )
1
记 L1 =
m 21 ...
1
m n1
a1(1)1...a1(1n) b1(1)
A b ,则 L 1 [A (1 ) b (1 )]
(2) (2)
1
Step n 1:
Ln1Ln2 ...L1
Ab
a1(11)
a(1) 12
a(2) 22
...
a(1) 1n
...
a(2) 2n
... ...
bb12((12))
...
其中 Lk =
1
a(n) nn
bn(n)
1
m k 1,k ...
m n ,k
1
1
数值分析课程课件 直接三角分解方法

u22
u11
u2n
l n1 l n2
1
unn
即
a11 a12 a 21 a22
a1n
a2n
u11 l21u11
u12 l21u12 u22
u1n
l21u1n
u2n
a n1 a n2
ann
ln1u 11
由(5.3.1)- (5.3.4)求得L和U后,解方程组Ax=b 化为求解LUx=b,若记Ux=y,则有Ly=b。于是可分两部解 方程组LUx=b,只要逐次向前代入的方法即可求得y。第
二步求解Ux=y,只要逐次用向后回代的方法即可求得x。 设 x=(x1 ,x2, ···xn) T, y=(y1, y2, ···yn) T,
n
i1
lniuin
unn
第四章方程组的直接解法
由A的第1行和第1列可计算出U的第1行和L的第1列,即
u1 j a1 j , j 1, 2, , n,
(5.3.1)
lk1
ak1 u11
,k
2, 3,
, n.
(5.3.2)
如果U的第1至k-1列和L的第1至k-1列已经算出,则由
解 设 A=LU,即
l11 a11 1, l21 a21 2, l31 a31 0
u12
a12 l11
2, u13
a13 l11
1,
l22 a22 l21u12 3, l32 a32 l31u12 1
解线性方程组的直接法

有列主元素消去法及矩阵的三角分解法.
3.1 引 言
迭代法又称为间接法,是先从一个给定的初始值开始,然后用 某种极限过程去逼近方程组准确解的一类方法. 这类方法编程较容 易,但要考虑迭代过程的收敛性、收敛速度等问题. 由于实际计算
时只能进行有限步的计算,从而得到的也是近似解. 当线性方程组
的系数矩阵阶数高,零元素比较多时(即系数矩阵为高阶稀疏矩 阵),一般优先考虑迭代法. 目前常用的迭代法有雅可比迭代法、 高斯─赛德尔迭代法、超松弛迭代法和梯度法.
( k 1)
, n )个
A
其中
xb
( k 1)
( k 1) (k ) (k ) aij aij mik akj ( k 1) ( k ) (k ) m bi ik b k bi
i, j 2,3, , n
3.2.2 n阶线性方程组的高斯消去法
只要 a
(k ) kk
0 ,就可继续进行消元,直到经过 n 1 次消元后,消
(1) (1) a11 a12 (2) a 22 (1) a x1 b1 (2) a x2 b 2 (n) (n) ann xn b n (1) 1n (2) 2n
其中,a
(k ) kk
称为各次消元的主元素,mik 称为各次消元的比例
系数,主元素所在的行称为主行。( k 1, 2,
,n )
3.2.2 n阶线性方程组的高斯消去法
(i ) a 定理1 约化的主元 ii 0(i 1, 2, , k ) 的充要条件是矩阵A的顺序主子
式均不为零,即
a11 D1 a11 0, Di ai1
3.1 引 言
迭代法又称为间接法,是先从一个给定的初始值开始,然后用 某种极限过程去逼近方程组准确解的一类方法. 这类方法编程较容 易,但要考虑迭代过程的收敛性、收敛速度等问题. 由于实际计算
时只能进行有限步的计算,从而得到的也是近似解. 当线性方程组
的系数矩阵阶数高,零元素比较多时(即系数矩阵为高阶稀疏矩 阵),一般优先考虑迭代法. 目前常用的迭代法有雅可比迭代法、 高斯─赛德尔迭代法、超松弛迭代法和梯度法.
( k 1)
, n )个
A
其中
xb
( k 1)
( k 1) (k ) (k ) aij aij mik akj ( k 1) ( k ) (k ) m bi ik b k bi
i, j 2,3, , n
3.2.2 n阶线性方程组的高斯消去法
只要 a
(k ) kk
0 ,就可继续进行消元,直到经过 n 1 次消元后,消
(1) (1) a11 a12 (2) a 22 (1) a x1 b1 (2) a x2 b 2 (n) (n) ann xn b n (1) 1n (2) 2n
其中,a
(k ) kk
称为各次消元的主元素,mik 称为各次消元的比例
系数,主元素所在的行称为主行。( k 1, 2,
,n )
3.2.2 n阶线性方程组的高斯消去法
(i ) a 定理1 约化的主元 ii 0(i 1, 2, , k ) 的充要条件是矩阵A的顺序主子
式均不为零,即
a11 D1 a11 0, Di ai1
数值分析解线性方程组的直接方法 PPT

a1(11) D1 ak(kk) Dk / Dk1, k 2,3,, n.
(2、12)
§5、2、2 三角分解法 /* Matrix Factorization */
➢ 高斯消元法的矩阵形式 /* Matrix Form of G、E、 */:
Step 1: mi1 ai1 / a11 (a11 0)
A的谱半径为 ( A) 7.
5、1、4 特别矩阵 A (aij ) Rnn. (1)对角矩阵 如果当i j时,aij 0. (2)三对角矩阵 如果当| i j | 1时,aij 0. (3)上三角矩阵 如果当i j时,aij 0. (4)上海森伯格阵 如果当i j 1时,aij 0. (5)对称矩阵 如果AT A. (6)埃尔米特矩阵 设ACnn ,如果AH A( AH AT ) (7)对称正定矩阵 如果(a)AT A,(b)对任意非零向量 x Rn , ( Ax, x) xT Ax 0. (8)正交矩阵 如果A-1=AT
an1x1 an2 x2 ... ann xn bn
的直截了当解法。方程组(5、1)的矩阵形式为
其中
a11
A
a 21 2
... ... ... ...
Ax=b
a1n a2n ... a nn
x1
,
x
x2 ...
x n
b1
(3) 相似矩阵 B=S-1AS有相同的特征多项式、
1 2 2
例1 求 A 2 2 4 的特征值及谱半径、
2 4 2
解: A的特征方程为
1 2 2
det(I A) 2 2 4
2
4 2
3 32 24 28 ( 2)2 ( 7) 0,
故A的特征值为 1 2 2, 3 7
数值分析解线性代数方程组的直接解法省公开课一等奖全国示范课微课金奖PPT课件

i 2, , n, j 2, , n
b (2) i
b (1) i
mi1b1(1) ,
i 2, , n
对方程组A(1) x b(1)从左边乘以L1 L1 A(1) x L1b(1)
数值分第析18页
数值分析
第二步:设a2( 22 )
0,取mi 2
a(2) i2
a(2) 22
,i
3, ..., n
数值分第析4页
数值分析
数值求解方法有以下三条路径(三种框架)
直接法:利用Gauss消元或矩阵分解,经过有限次运 算可求出准确解。
迭代法:结构迭代格式,产生迭代序列,经过无限 次迭代过程求解。有限次截断得近似解。
极小化方法:结构二次模函数,用迭代过程求二次
模函数极小化问题,即变分法(经
n次运算,理论上得准确解)要求A
数值分析
将方程组Ax=b系数矩阵与右端项合并为
a11 a12
A, b
a21
a22
an1
an2
a1n b1
a2n
b2
A
ann
bn
记A
(1)
A
a1(11)
...
a(1) 1n
b(1) 1
1(1)
,
(1) 2
,
...,
(1) n
,
b(1)
an(11)
...
a(1) nn
b(1) n
第一步:设a1(11) 0, 取mi1 aa( (1i1111) ),
6 3 3
x1
2x2 x2
3x3 2x3 3x3
6 3 3
回代求得 x3 3 / 3 1
x2 (3 2 x3 ) (3 2 1) 1
理学解线性方程组的直接法

对一般线性方程组: A x = b, 其中
a11 A a21
a12 a22
a1n
a2
n
b1
b
b2
an1 an2
ann
bn
x1
x
x2
M
xn
由以前所学内容知,当且仅当矩阵A行列式不为0 时,即A非奇异时,方程组存在唯一解,可根据 Cramer法则求解。
《计算方法》 第三章 解线性方程组的直接法 数学科学学院 房秀芬
计算2个数:[m32 m42]T = [a32(1) a42(1)]T / a22(1) 用-m32乘矩阵第二行后加到矩阵第三行; 用-m42乘矩阵第二行后加到矩阵第四行; 其系数增广矩阵变为:
a11 a12 a13 a14
A(2)
a a (1) (1) 22 23 a(2) 33
a (1) 24
第三章 解线性方程组的直接法
引言 Gauss消元法 列主元素消元法 矩阵三角分解法 向量和矩阵的范数 误差分析
《计算方法》 第三章 解线性方程组的直接法 数学科学学院 房秀芬
3.1 引言
小行星轨道问题:
天文学家要确定一小行星的轨道,在轨道平面建 立以太阳为原点的直角坐标系。在坐标轴上取天文测 量单位(一天文单位为地球到太阳的平均距离:9300万 英里,约1.5亿千米),对小行星作5次观察,测得轨道 上5个点的坐标数据如下: x 5.7640 6.2860 6.7590 7.1680 7.4800
方程组的解。
《计算方法》 第三章 解线性方程组的直接法 数学科学学院 房秀芬
Gauss消元的目的:
原始方程组
a11x1 a12 x2 L a1n xn b1 La21Lx1 a22 x2 L a2n xn b2 an1x1 an2 x2 L ann xn bn
计算方法PPT课件第三章 解线性代数方程组的直接法

k 1,2,, n 1; i k 1, k 2,, n
计算
lik
a(k) ik
a(k) kk
对 j k 1, k 2,, n 1
计算
a (k 1) ij
a(k) ij
lik
a(k kj
)
2020年11月24日星期二
.
(2)回代过程 回代过程只需要二
重循环,即计算
xn
a(n) in1
x
2
a (1) 1n
xn
a
(1) 22
x
2
a (1) 2n
xn
a (1) 1n1
a (1) 2 n 1
a
(1) n1
x1
a (1) n2
x2
a (1) nn
xn
a (1) nn1
2020年11月24日星期二
.
5
(1)第k个导出方程 组
假设a(111)
0,将第1个方程乘以(
a(1) i1
a(1) 11
)加到第i个方
程(2 i n)得到第一个导出方 程组
a(111)x1
a(112)x2 a(11n)x n a(222)x2 a(22n)x n
a(1) 1n 1
a(2) 2n 1
a(n22)x 2
a(n2n)x n
a(2) nn 1
其中a(i2j)
a(1) ij
a(1) i1
2020年11月24日星期二
.
4
3.1.1 顺序消去法
1. 消元过程
考虑一般方程组(3.1),记系数矩阵A的元素
aij为ai(j1),右端向量b的元素bi 记为ai(n1) 1,于是方程 组(3.1)成为形式(将书中k=0改为k 1便于推导)
数值分析线性代数方程组的直接解法公开课一等奖优质课大赛微课获奖课件

ln1 ln2 ln3
Step2 Step4 Step6
u1n Step1 u2n Step3 u3n Step5
unn Step2n-1
Step2(n-1)
对方程组求解,只要得到了系数矩阵三角分解形式,再利 用前代算法和回代算法解两个三角方程组即得.
第22页
例1:用Gauss消去 6 x1 2 x2 x3 x4 6
a (1) 11
0
A(1)
a (1) 11
c1
r1T A1
高斯变换
a (1) 11 0
r1T
第15页
取 L1 I l1e1T l1 (0, l21, , ln1 )T
其中
li1
a (1) i1
a (1) 11
i 2,3,
,n
记 A(2) L11 A(1)
1
A( 2 )
c1
a (1) 11
L11 I l1e1T
0
a (1) 11
r1T
I
n1
c1
A1
第16页
A( 2 )
a1(11) 0
A1
r1T c1r1T
a (1) 11
(ai(j2)
)
a(2) ij
a (1) ij
a a (1) (1) i1 1 j
a (1) 11
i, j 2,3,
,n
第12页
三、 三角分解计算
➢ Gauss消去法
设给定矩阵
1 4 7
A 2 5
8
取Gauss变换矩阵 3 6 10
1 0 0 L1 2 1 0
3 0 1
1 4 7
则有 L1A 0
3
6
Step2 Step4 Step6
u1n Step1 u2n Step3 u3n Step5
unn Step2n-1
Step2(n-1)
对方程组求解,只要得到了系数矩阵三角分解形式,再利 用前代算法和回代算法解两个三角方程组即得.
第22页
例1:用Gauss消去 6 x1 2 x2 x3 x4 6
a (1) 11
0
A(1)
a (1) 11
c1
r1T A1
高斯变换
a (1) 11 0
r1T
第15页
取 L1 I l1e1T l1 (0, l21, , ln1 )T
其中
li1
a (1) i1
a (1) 11
i 2,3,
,n
记 A(2) L11 A(1)
1
A( 2 )
c1
a (1) 11
L11 I l1e1T
0
a (1) 11
r1T
I
n1
c1
A1
第16页
A( 2 )
a1(11) 0
A1
r1T c1r1T
a (1) 11
(ai(j2)
)
a(2) ij
a (1) ij
a a (1) (1) i1 1 j
a (1) 11
i, j 2,3,
,n
第12页
三、 三角分解计算
➢ Gauss消去法
设给定矩阵
1 4 7
A 2 5
8
取Gauss变换矩阵 3 6 10
1 0 0 L1 2 1 0
3 0 1
1 4 7
则有 L1A 0
3
6
直接三角分解法

直接三角分解法
• 直接三角分解法简介 • 直接三角分解法的算法原理 • 直接三角分解法的实现过程 • 直接三角分解法的应用案例 • 直接三角分解法的优化与改进
01
直接三角分解法简介
定义与特点
定义
高效
直接三角分解法是一种线性代数中的方法 ,用于将一个矩阵分解为一个下三角矩阵 和一个上三角矩阵的乘积。
计算分解矩阵
根据所选方法计算出左奇 异矩阵、右奇异矩阵和奇 异值矩阵。
提取关键信息
从分解矩阵中提取关键信 息,如主成分或特征向量, 用于后续分析。
结果
可视化结果
将分解结果以图表、图像等形式呈现,便于直观 理解。
量化分析
对分解结果进行量化分析,如计算各主成分的贡 献率或方差解释率。
决策建议
根据分析结果提供决策建议,指导后续工作。
图像修复
通过直接三角分解法,可以将图像中的损坏或缺失部分进行修复或替 换,从而得到完整的图像。
05
直接三角分解法的优化与改进
算法优化
减少计算量
通过选择合适的算法和数据结构,减少不必要的计算和重复计算, 提高算法的效率。
并行化处理
将算法中的计算任务分解为多个子任务,并利用多核处理器或多 线程技术并行处理,加快计算速度。
利用三角分解法,可以方便地计算矩阵的逆和行列式,对于解决一些数学问题具有重要意义。
在机器学习中的应用
矩阵分解
在推荐系统和协同过滤等机器学习算法中,矩阵分解是一种常见的方法。通过直接三角分 解法,可以将矩阵分解成低秩矩阵和稀疏矩阵,从而更好地表示用户和物品之间的关系。
降维处理
在处理高维数据时,直接三角分解法可以用于降维处理,将高维数据投影到低维空间,保 留主要特征,降低计算复杂度。
• 直接三角分解法简介 • 直接三角分解法的算法原理 • 直接三角分解法的实现过程 • 直接三角分解法的应用案例 • 直接三角分解法的优化与改进
01
直接三角分解法简介
定义与特点
定义
高效
直接三角分解法是一种线性代数中的方法 ,用于将一个矩阵分解为一个下三角矩阵 和一个上三角矩阵的乘积。
计算分解矩阵
根据所选方法计算出左奇 异矩阵、右奇异矩阵和奇 异值矩阵。
提取关键信息
从分解矩阵中提取关键信 息,如主成分或特征向量, 用于后续分析。
结果
可视化结果
将分解结果以图表、图像等形式呈现,便于直观 理解。
量化分析
对分解结果进行量化分析,如计算各主成分的贡 献率或方差解释率。
决策建议
根据分析结果提供决策建议,指导后续工作。
图像修复
通过直接三角分解法,可以将图像中的损坏或缺失部分进行修复或替 换,从而得到完整的图像。
05
直接三角分解法的优化与改进
算法优化
减少计算量
通过选择合适的算法和数据结构,减少不必要的计算和重复计算, 提高算法的效率。
并行化处理
将算法中的计算任务分解为多个子任务,并利用多核处理器或多 线程技术并行处理,加快计算速度。
利用三角分解法,可以方便地计算矩阵的逆和行列式,对于解决一些数学问题具有重要意义。
在机器学习中的应用
矩阵分解
在推荐系统和协同过滤等机器学习算法中,矩阵分解是一种常见的方法。通过直接三角分 解法,可以将矩阵分解成低秩矩阵和稀疏矩阵,从而更好地表示用户和物品之间的关系。
降维处理
在处理高维数据时,直接三角分解法可以用于降维处理,将高维数据投影到低维空间,保 留主要特征,降低计算复杂度。
计算机数值方法 第二章 解线性方程组的直接法

第二章 解线性方程组的直接法
即
Ax b
同解
A( n ) x b( n ) ------------(2)
以上求解线性方程组的方法称为Gauss消去法
如果将线性方程组Ax b 的系数矩阵A分解成 两个三角形矩阵 L和U ,即 都是三角
A LU
则
形方程组
Ax b
LUx b
Ly b Ux y
第二章 解线性方程组的直接法
如果在求解时将1,2行交换,即
1 1 2 A ( A, b) 0.000100 1 1
1 2 1 0 1.00 1.00
m21 0.0001
0.9999
回代后得到
x1 1.00 , x2 1.00
(i ) 可知 aii 0
i 1,2,, n
因此, 上三角形方程组A( n) x b( n) 有唯一解
因此可得线性方程组 Ax b 的解:
第二章 解线性方程组的直接法
(n ) bn x n (n ) ann
n (i ) (i ) b a i ij x j j i 1 xi (i )
第二章 解线性方程组的直接法
u11 x1 u12 x2 u1n xn b1 i ,i 1 xi 1 uin xn bi uii xi u un1 ,n1 xn1 un1 ,n xn bn1
unn xn bn
n2 n ( n i 1) 2 2 i 1
n
于是Gauss消去法的乘除法运算总的次数为
3 n3 n n n2 O( n 2 ) MD 3 3 3
- 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)。
然后解线性方程组 Ux = y
紧凑格式的 Doolittle法
14
例2. 用紧凑格式的Doolittle法解方程组(例1) 解:
a11 a21 A= a31 a41 a12 a22 a32 a42 a13 a23 a33 a43 a14 a24 a34 a44 a15 2 10 0 3 a25 3 4 12 13 = 1 a35 2 3 4 a45 4 14 9 13
3 10 0 2 17 3 2 11 12 解Ux = y 2 → 1 3 3 2 11 11 11 2 2 6 9 4 11
5
u rj = a rj ∑ l rk u kj
k =1
r 1
r = 1 ,2 , L , n j = r ,L , n r = 1 ,2 , L , n 1
U的第r行 ------(3)
lir =
air ∑ lik u kr
k =1
r 1
u rr
i = r + 1,L , n
L的第r列 ------(4)
若 n阶方阵 A = ( aij ) n× n 的顺序主子式 Dk ≠ 0 , k = 1,2 , L , n
则由上节可知 , A的 LU 分解 A = LU 存在且唯一 , 即
a11 M A = ak 1 M a n1 L a1 k O M L akk M L ank L a1 n 1 M M O L akn = mk 1 L 1 O M M M L ann mn 1 L mnk a( 1) L a ( 1) L a ( 1) 1k 1n 11 O M M (k (k akk ) L akn ) O O M (n L 1 ann )
a1 j = u 1 j
r
j = 1,2 , L , n
ai 1 = li 1u 11
i = 2 ,3 , L , n
a rj = ∑ lrk u kj
k =1
j = r ,L , n
r = 1 ,2 , L , n
air = ∑ lik u kr
k =1 r 1
r
i = r + 1, L , n
r = 1,2 , L , n 1
air lir (i ≥ r + 1), r = 1,2 , L , n 1
同样 , 解三角形方程组Ly = b时, 有如下特点:
求出y1后b1的存储位置即不再需要
12
求出yi 后bi (i ≥ 2 )的存储位置即不再需要 因此yi的存储可以使用 bi (i ≥ 1)空出的存储位置
bi yi , i = 1,2 , L , n
r 1
10 5 2 7
3 10 0 2 10 3 4 12 13 5 r =1 → 12 4 2 2 3 2 2 14 9 13 7
u1
j
= a1
a i1 u 11
u rj = a rj ∑ lrk u kj
j
k =1
li1 =
lir =
称上述(1) ~ (4)式所表示的分解过程为Doolittle分解
思考
A的 Doolittle 分解 A = LU 中 L为单位下三角阵 U 为上三角阵,如果将 A = LU 中的 L表示为下三 角阵 , U表示为单位上三角阵 , 则称之为 Crout 分 解, 请找出类似于 (1) ~ ( 4 )式的表达式 .
u1 , n u2 ,n M u n 1 ,n unn
urr
r = n 1, n 2 , L ,2 ,1
8
上述解线性方程组的方法称为 直接三角分解法的 Doolittle法 例1. 用Doolittle法解方程组
0 3 2 10 3 4 12 13 1 2 3 4 9 13 4 14
yn xn = unn
T
(x1
x2
x3
x4 ) = (1 2 3 4 )T
yr xr =
j =r +1
∑u
n
rj
xj
urr
Doolittle法在计算机上实现是比较容易的 但如果按上述流程运算仍需要较大的存储空间:
A, b , x , L , U , y都需要单独的存储空间
而从lij , uij的计算过程( 1) ~ ( 4 )式可知 求出U的第一行 u1 j 后a1 j ( j ≥ 1)的存储位置即不再需要
y1 u11 b2 r = 2 l21 → l31 b3 l b4 41
u12 u22 l32 l42 u12 u22 l32 l42
u13 u23 a33 a43 u13 u 23 u 33 l43
u14 u24 a34 a44 u14 u24 u34 u 44
y1 y2 b3 b4 y1 y2 y3 y4
直接三角分解的Doolittle法可以用以下过程表示: Doolittle :
a11 a21 a31 a41 a12 a22 a32 a42 a13 a23 a33 a43 a14 a24 a34 a44 a15 a11 a25 a21 = a31 a35 a45 a41
x1 10 5 x2 = x3 2 x 4 7
u1 j = a1 j
li 1 = ai1 u 11
9
解:
由Doolittle分解
u12 u13 u14 ) = (2 10 0 3 )
(u11
(1
l21
l31
l41 )T = (1 1.5 0.5 2 )T
a rj = ∑ lrk u kj + 1 u rj
k =1
r 1
air = ∑ lik u kr + lir u rr
k =1
因此可以推导出
u 1 j = a1 j ai 1 li 1 = u 11
j = 1, 2 , L , n
U的第一行
------(1)
i = 2 ,3 , L , n
L的第一列 ------(2)
air ∑ lik u kr
k =1r ∑ lrj y j
j =1
r 1
15
2 3 2 r =2 → 1 2 2 2 3 r =3 2 1 → 2 2
10 17 11 12 20 2 3 3 4 2 11 6 9 13 7 11 3 10 0 10 17 11 12 20 2 3 3 2 17 11 11 11 11 6 9 13 7 11 10 0
= LU
2
上式可记为
a11 M A = ar 1 M a n1 L a1 r O M L arr M L anr L a1 n 1 u11 L u1 r L u1 n M M O O M M L arn = lr 1 L 1 u rr L u rn O M M M O O M l L ann unn n 1 L lnr L 1
6
对于线性方程组
Ax = b
系数矩阵非奇异,经过Doolittle分解后
A = LU
线性方程组可化为下面两个三角形方程组
Ly = b
y为中间未知量向量
1 l21 L = l31 M l n1 1 l32 M ln 2
Ux = y
O L 1
1 M ln 3
u11 U =
可知A的第r列元素主对角线以下元 素 air (i = r + 1,L , n )为
air = ∑ lik u kr
k =1
r
i = r + 1,L , n
r = 1 ,2 , L , n 1 i = 2 ,3 , L , n
4
显然 , r = 1时 , ai 1 = li 1u 11
综合以上分析,有
u12 u22
u13 u 23 O
L L un 1 ,n 1
u1 , n u2 ,n M un 1 , n unn
7
由第一节三角形方程组的知识 , 不难得到Ly = b的解 :
y1 = b1
y2 = b2 l21 y1 yr = br ∑ lrj y j
j =1 r 1
r = 2 ,3 , L , n
根据矩阵的乘法原理 , A的第一行元素 a1 j为
a1 j = u 1 j
j = 1,2 , L , n
A的第 r行元素主对角线以右元 素 arj ( j = r ,L , n )为
a rj = ∑ l rk u kj
k =1
r
j = r ,L , n r = 1 ,2 , L , n
3
同样,由
a11 M A = ar 1 M a n1 L a1 r O M L arr M L anr L a1 n 1 u11 L u1 r L u1 n O M M O M M L arn = lr + 1 ,1 L 1 u rr L u rn M O O M M O M l L ann n 1 L lnr L 1 unn
a11 a12 L a1n a21 a22 L a2n A= =b Ax M M M M an1 an2 L ann
第二章 解线性方程组的直接法 j =1
xi =
bi ∑lij xj lii
i1
§2.4, n直接三角分解法 i = 2,3,L
§ 2.4
直接三角分解法
一、基本的三角分解法(Doolittle法)
T
lir =
air ∑ lik u kr
k =1
r 1
u rr
T
y1 = b1 yr = br ∑ lrj y j
j =1 r 1
(0
( y1
0 0 u 44 ) = (0 0 0 4 )
解Ly = b , 得
y2 y3 y 4 )T = (10 20 17 / 11 16 )T
紧凑格式的 Doolittle法
14
例2. 用紧凑格式的Doolittle法解方程组(例1) 解:
a11 a21 A= a31 a41 a12 a22 a32 a42 a13 a23 a33 a43 a14 a24 a34 a44 a15 2 10 0 3 a25 3 4 12 13 = 1 a35 2 3 4 a45 4 14 9 13
3 10 0 2 17 3 2 11 12 解Ux = y 2 → 1 3 3 2 11 11 11 2 2 6 9 4 11
5
u rj = a rj ∑ l rk u kj
k =1
r 1
r = 1 ,2 , L , n j = r ,L , n r = 1 ,2 , L , n 1
U的第r行 ------(3)
lir =
air ∑ lik u kr
k =1
r 1
u rr
i = r + 1,L , n
L的第r列 ------(4)
若 n阶方阵 A = ( aij ) n× n 的顺序主子式 Dk ≠ 0 , k = 1,2 , L , n
则由上节可知 , A的 LU 分解 A = LU 存在且唯一 , 即
a11 M A = ak 1 M a n1 L a1 k O M L akk M L ank L a1 n 1 M M O L akn = mk 1 L 1 O M M M L ann mn 1 L mnk a( 1) L a ( 1) L a ( 1) 1k 1n 11 O M M (k (k akk ) L akn ) O O M (n L 1 ann )
a1 j = u 1 j
r
j = 1,2 , L , n
ai 1 = li 1u 11
i = 2 ,3 , L , n
a rj = ∑ lrk u kj
k =1
j = r ,L , n
r = 1 ,2 , L , n
air = ∑ lik u kr
k =1 r 1
r
i = r + 1, L , n
r = 1,2 , L , n 1
air lir (i ≥ r + 1), r = 1,2 , L , n 1
同样 , 解三角形方程组Ly = b时, 有如下特点:
求出y1后b1的存储位置即不再需要
12
求出yi 后bi (i ≥ 2 )的存储位置即不再需要 因此yi的存储可以使用 bi (i ≥ 1)空出的存储位置
bi yi , i = 1,2 , L , n
r 1
10 5 2 7
3 10 0 2 10 3 4 12 13 5 r =1 → 12 4 2 2 3 2 2 14 9 13 7
u1
j
= a1
a i1 u 11
u rj = a rj ∑ lrk u kj
j
k =1
li1 =
lir =
称上述(1) ~ (4)式所表示的分解过程为Doolittle分解
思考
A的 Doolittle 分解 A = LU 中 L为单位下三角阵 U 为上三角阵,如果将 A = LU 中的 L表示为下三 角阵 , U表示为单位上三角阵 , 则称之为 Crout 分 解, 请找出类似于 (1) ~ ( 4 )式的表达式 .
u1 , n u2 ,n M u n 1 ,n unn
urr
r = n 1, n 2 , L ,2 ,1
8
上述解线性方程组的方法称为 直接三角分解法的 Doolittle法 例1. 用Doolittle法解方程组
0 3 2 10 3 4 12 13 1 2 3 4 9 13 4 14
yn xn = unn
T
(x1
x2
x3
x4 ) = (1 2 3 4 )T
yr xr =
j =r +1
∑u
n
rj
xj
urr
Doolittle法在计算机上实现是比较容易的 但如果按上述流程运算仍需要较大的存储空间:
A, b , x , L , U , y都需要单独的存储空间
而从lij , uij的计算过程( 1) ~ ( 4 )式可知 求出U的第一行 u1 j 后a1 j ( j ≥ 1)的存储位置即不再需要
y1 u11 b2 r = 2 l21 → l31 b3 l b4 41
u12 u22 l32 l42 u12 u22 l32 l42
u13 u23 a33 a43 u13 u 23 u 33 l43
u14 u24 a34 a44 u14 u24 u34 u 44
y1 y2 b3 b4 y1 y2 y3 y4
直接三角分解的Doolittle法可以用以下过程表示: Doolittle :
a11 a21 a31 a41 a12 a22 a32 a42 a13 a23 a33 a43 a14 a24 a34 a44 a15 a11 a25 a21 = a31 a35 a45 a41
x1 10 5 x2 = x3 2 x 4 7
u1 j = a1 j
li 1 = ai1 u 11
9
解:
由Doolittle分解
u12 u13 u14 ) = (2 10 0 3 )
(u11
(1
l21
l31
l41 )T = (1 1.5 0.5 2 )T
a rj = ∑ lrk u kj + 1 u rj
k =1
r 1
air = ∑ lik u kr + lir u rr
k =1
因此可以推导出
u 1 j = a1 j ai 1 li 1 = u 11
j = 1, 2 , L , n
U的第一行
------(1)
i = 2 ,3 , L , n
L的第一列 ------(2)
air ∑ lik u kr
k =1r ∑ lrj y j
j =1
r 1
15
2 3 2 r =2 → 1 2 2 2 3 r =3 2 1 → 2 2
10 17 11 12 20 2 3 3 4 2 11 6 9 13 7 11 3 10 0 10 17 11 12 20 2 3 3 2 17 11 11 11 11 6 9 13 7 11 10 0
= LU
2
上式可记为
a11 M A = ar 1 M a n1 L a1 r O M L arr M L anr L a1 n 1 u11 L u1 r L u1 n M M O O M M L arn = lr 1 L 1 u rr L u rn O M M M O O M l L ann unn n 1 L lnr L 1
6
对于线性方程组
Ax = b
系数矩阵非奇异,经过Doolittle分解后
A = LU
线性方程组可化为下面两个三角形方程组
Ly = b
y为中间未知量向量
1 l21 L = l31 M l n1 1 l32 M ln 2
Ux = y
O L 1
1 M ln 3
u11 U =
可知A的第r列元素主对角线以下元 素 air (i = r + 1,L , n )为
air = ∑ lik u kr
k =1
r
i = r + 1,L , n
r = 1 ,2 , L , n 1 i = 2 ,3 , L , n
4
显然 , r = 1时 , ai 1 = li 1u 11
综合以上分析,有
u12 u22
u13 u 23 O
L L un 1 ,n 1
u1 , n u2 ,n M un 1 , n unn
7
由第一节三角形方程组的知识 , 不难得到Ly = b的解 :
y1 = b1
y2 = b2 l21 y1 yr = br ∑ lrj y j
j =1 r 1
r = 2 ,3 , L , n
根据矩阵的乘法原理 , A的第一行元素 a1 j为
a1 j = u 1 j
j = 1,2 , L , n
A的第 r行元素主对角线以右元 素 arj ( j = r ,L , n )为
a rj = ∑ l rk u kj
k =1
r
j = r ,L , n r = 1 ,2 , L , n
3
同样,由
a11 M A = ar 1 M a n1 L a1 r O M L arr M L anr L a1 n 1 u11 L u1 r L u1 n O M M O M M L arn = lr + 1 ,1 L 1 u rr L u rn M O O M M O M l L ann n 1 L lnr L 1 unn
a11 a12 L a1n a21 a22 L a2n A= =b Ax M M M M an1 an2 L ann
第二章 解线性方程组的直接法 j =1
xi =
bi ∑lij xj lii
i1
§2.4, n直接三角分解法 i = 2,3,L
§ 2.4
直接三角分解法
一、基本的三角分解法(Doolittle法)
T
lir =
air ∑ lik u kr
k =1
r 1
u rr
T
y1 = b1 yr = br ∑ lrj y j
j =1 r 1
(0
( y1
0 0 u 44 ) = (0 0 0 4 )
解Ly = b , 得
y2 y3 y 4 )T = (10 20 17 / 11 16 )T