解线性方程组的直接法
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。
解线性方程组的直接方法
(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
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。
解线性方程组的直接方法
解线性方程组的直接方法1.1 主元的选取与算法的稳定性1.1.1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。
1.1.2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。
1.1.3实验要求（1）取矩阵⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=1415157,6816816816 b A ，则方程有解T x )1,,1,1(* =。
取10n =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20n =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）将上述矩阵A中的主元改为0.00006再重新作一次数值实验看看。
（5）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。
1.1.4实验过程（1）程序：clear;clc;a=input('是否调整消元次序（是：1，否：0）');n=input('系数矩阵的阶数:');%构造题中给定形式的矩阵A(1,1)=6;A(1,2)=1;A(1,n+1)=7;%第n+1列取题中的bfor i=1:(n-2);A(i+1,i)=8;A(i+1,i+1)=6;A(i+1,i+2)=1;A(i+1,n+1)=15;end;A(n,n-1)=8;A(n,n)=6;A(n,n+1)=14;%自动消元if a==0;for i=1:(n-1);for j=(i+1):n;x=A(j,i)/A(i,i);for k=1:(n+1);A(j,k)=A(j,k)-x*A(i,k);end;end;end;y(n)=A(n,n+1)/A(n,n);for i=2:n;y(n-i+1)=A(n-i+1,n+1);for j=1:(i-1);y(n-i+1)=y(n-i+1)-A(n-i+1,n-j+1)*y(n-j+1);end;y(n-i+1)=y(n-i+1)/A(n-i+1,n-i+1);end;yend;%手动控制消元次序if a==1;for i=1:(n-1);A %显示每步消元的结果m=input('请选取作为主消元行的行号');for l=1:(n+1);c=A(i,l);A(i,l)=A(m,l);A(m,l)=c;end;for j=(i+1):n;x=A(j,i)/A(i,i);for k=1:(n+1);A(j,k)=A(j,k)-x*A(i,k);end;end;end;y(n)=A(n,n+1)/A(n,n);for i=2:n;y(n-i+1)=A(n-i+1,n+1);for j=1:(i-1);y(n-i+1)=y(n-i+1)-A(n-i+1,n-j+1)*y(n-j+1);end;y(n-i+1)=y(n-i+1)/A(n-i+1,n-i+1);end;yend;（2）数值实验结果及分析：1、根据要求当10n=时用Matlab算得Cond(A)=1727.6，让程序自动选主元，x=与精确解一致。
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
解线性方程组直接法
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。
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 也可以写成其中 a i 为A 的第i 列。
同理 其中Ti b 为A 的第i 行。
矩阵的基本运算：（1） 矩阵加法 )( ,n m nm 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 kj ikb acij ⨯⨯⨯=∈∈∈==∑m p n n m R C ,R B ,R A AB C ( ,1（4） 转置矩阵 ji ij T n m a c ==∈⨯ , ,A C R A （5） 单位矩阵 ()nn ⨯∈=Re ,,e ,e I n 21 ，其中()T k e 0,0,1,0,0 = k=1,2,…,n（6） 非奇异矩阵 设n n ⨯∈R A ，n n ⨯∈R B 。
线性方程组的直接解法程序设计
线性方程组的直接解法程序设计一、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、它通过消元和回代的方式，将线性方程组转化为上三角形式，进而求解未知数的值。
程序设计步骤如下：1.读入线性方程组的系数矩阵A和常数向量b；2.进行初等行变换，将系数矩阵A转化为上三角矩阵U，并同时对常数向量b进行相应的变换；3.判断是否有唯一解，如果主对角线上存在零元素，则方程组无解；如果主对角线上所有元素都非零，则方程组有唯一解；4.进行回代计算，求解未知数的值。
高斯消元法的优点是简单直观，容易理解和实现。
但是在一些情况下，会出现主对角线上有零元素的情况，此时需要进行行交换，增加了额外的计算量。
二、LU分解法LU分解法是另一种常用的线性方程组直接解法。
它将系数矩阵A分解为下三角矩阵L和上三角矩阵U的乘积，即A=LU。
程序设计步骤如下：1.读入线性方程组的系数矩阵A和常数向量b；2.进行LU分解，找到下三角矩阵L和上三角矩阵U；3.解第一个方程Ly=b，先求解向前替代方程，计算出y的值；4.解第二个方程Ux=y，再求解向后替代方程，计算出x的值。
LU分解法的优点是可以在多次需要解线性方程组的情况下重复使用LU分解的结果，提高计算效率。
但是LU分解法需要找到L和U的值，增加了额外的计算量。
三、数学实验在进行数学实验时，需要注意以下几点：1.线性方程组的系数矩阵应该是满秩的，以保证方程组有唯一解；2.对于大规模的线性方程组，可以使用稀疏矩阵存储和计算，减少内存和计算时间的消耗；3.在求解过程中，需要判断方程组是否有解，并且考虑特殊情况的处理；4.通过数学实验可以验证直接解法的正确性和有效性，分析计算结果的误差和稳定性。
综上所述，线性方程组的直接解法程序设计在计算方法和数学实验中都是重要的研究内容。
高斯消元法和LU分解法是常用的直接解法，通过编写程序并进行数学实验，可以深入理解和应用这些方法。
这些方法的有效性和稳定性对于解决实际问题具有重要意义。
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。
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3章 线性方程组求解的直接解法
线性方程组求解的直接法5.2线性方程组直接解法概述直接解法就是利用一系列公式进行有限步计算，直接得到方程组的精确解的方法．当然，实际计算结果仍有误差，譬如舍入误差，而且舍入误差的积累有时甚至会严重影响解的精度．这是一个众所周知的古老方法，但用在计算机上仍然十分有效．求解线性方程组最基本的一种直接法是消去法．消去法的基本思想是，通过将一个方程乘以或除以某个常数，以及将两个方程相加减这两种手段，逐步减少方程中的变元的数目，最终使每个方程仅含一个变元，从而得出所求的解．高斯（Gauss ）消去法是其中广泛应用的方法，其求解过程分为消元过程和回代过程两个环节．消元过程将所给的方程组加工成上三角方程组，所归结的方程组再通过回代过程得出它的解．Gauss 消去法由于添加了回代的过程，算法结构稍复杂，但这种改进的算法明显减少了计算量．直接法比较适用于中小型方程组．对高阶方程组，即使系数矩阵是稀疏的，但在运算中很难保持稀疏性，因而有存储量大，程序复杂等不足．5.3直接解法5.3.1Gauss 消去法Gauss 消去法是一个古老的求解线性方程组的方法，由它改进而来的选主元法是目前计算机上常用的有效的求解低阶稠密矩阵线性方程组的方法．例5.1用Gauss 消去法解方程组1231231232221(5.3.1)1324 (5.3.2)2539(5.3.3)2x x x x x x x x x ⎧++=⎪⎪++=⎨⎪++=⎪⎩解〖JP4〗第1步，式35.3.12⨯-（）（）加到式(5.3.2)上，式()15.3.1()2⨯-加到式(5.3.3)上，得到等价方程组123232322211(5.4.4)282(5.4.5)x x x x x x x ⎧++=⎪⎪-+=-⎨⎪⎪+=⎩第2步，式()2⨯5.3.4加到式(5.3.5)上得等价的方程组12323322211100(5.3.6)x x x x x x ++=⎧⎪-+=-⎨⎪=⎩第3步，回代法求解方程组(5.3.6)，即可求得该方程组的解为32110,1,.2x x x ===-.用矩阵描述其约化过程即为233(2)22221011100100r r r ⨯+⇒⎡⎤⎢⎥--⎢⎥⎢⎥⎣⎦→[]122133(1)3()21()222212221,3241/201111395/20282r r r r r r A b ⨯-+⇒⨯-+⇒⎡⎤⎡⎤⎢⎥⎢⎥=--⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦→.这种求解过程称为具有回代的Gauss 消去法．由此例可见，Gauss 消去法的基本思想是：用矩阵的初等行变换将系数矩阵A 化为具有简单形式的矩阵（如上三角阵、单位矩阵等），而三角形方程组是很容易回代求解的．一般地，设有n 个未知数的线性方程组为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 +++=⎧⎪+++=⎪⎨⎪⎪++=⎩L L MM M L (5.3.7)1212)(,,)(,,)T T ij n n n n A a X x x x b b b b ⨯===L L （，，，则方程组(5.3.7)化为AX b =.方便起见，记()(1)det 0A AA ==≠，(1)b b =，且()1A的元素记为()()11,ij a b ，的元素记为()1i b ，则消去法的步骤如下：第1步：1110a≠（），，计算(1)11(1)11(2,3,4),i i a m i n a ==L 用()1i m -乘方程组(5.3.7)中的第1个方程加到第i个方程中()2,3,i n =L ，即进行行初等变换()112,3,i i i R m R R i n -⋅→=L ，消去第2个到第n个方程中的未知数1,x ,得等价方程组111121(2)(2)(2)22222(2)(2)(2)2inn n n nn n x a a b x a a b ⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦LMM LM M L (5.3.8)记为(2)(2)A X b =，其中(2)(1)(1)(2)(1)(1)1111(,2,3),2,3,ij ij i j i i i a a m a i j n b b m b i n =-==-=L L ，，第k 步()1,2,1k n =-L：继续上述消元过程．第1步到第1k -步计算已完成，且得到与原方程组等价的方程组(1)(1)(1)(1)1112111(2)(2)(2)222223()()()()()()nn k k k kkkn k n k k k nk nn n a a a b x a a b xx aa b x a a b ⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥⎢⎥⎣⎦⎣⎦L L LLOM L M MMM L(5.3.9)记为()(()K k A X b =，进行第k 步消元：设()0k kka≠，计算乘数()()(1,)k ikk ik kka m k k n a ==+L ，用ik m -乘方程组(5.3.9)中第k 个方程加到第i 1)i k n =+L （，，，个方程上消去方程组(5.3.9)中第i 1)i k n =+L （，，个方程的未知数k x ，得到与原方程组等价的方程组：(1)()()(1)()()(1)(1)()(,1,)( 1.)k k k ij ij ik kj k k k i i ik k k k k k a a m a i j k n b b m b i k n A A k b b k ++++⎧=-=+⎪=-=+⎨⎪⎩L L （）与前行元素相同，与前个元素相同 (5.3.10) 记为(1)(1)k k A X b ++=其中(1)(1,k k A b ++）中元素计算公式为(1)()()(1)()()(1)(1)()(,1,)( 1.)k k k ij ij ik kj k k k i i ik k k k k k a a m a i j k n b b m b i k n A A k b b k ++++⎧=-=+⎪=-=+⎨⎪⎩L L （）与前行元素相同，与前个元素相同 (5.3.11)重复上述过程，且设()0(1,2,1)k kk a k n ≠=-L ，共完成1n -步消元计算，得到与方程组(5.3.7)等价的三角形方程组1111211(2)(2)(2)22222()()n n n n n nn n x a a b x a b ⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦LMOM M (5.3.12)再用回代法求方程组(5.3.12)的解，计算公式为()()()()1()(),(1,2,1)n n n nn n i i i ij j j i i i ii b x a b a x x i n n a =+⎧=⎪⎪⎨-⎪==--⎪⎩∑L (5.3.13)元素()k kka 称为约化的主元素．将方程组(5.3.7)化为方程组(5.3.12)的过程称为消元过程．方程组(5.3.12)的求解过程(5.3.13)称为回代过程．由消元过程和回代过程求解线性方程组的方法称为Gauss 消去法．定理5.1（Gauss 消去法）设AX b =。
第4章线性方程组的数值解法(直接法)
为了减少计算过程中的舍入误差对解的影响， 应选择 绝对值尽可能大的主元作除数， 基于这种思想导出了选主 元消去法。
2. Gauss 列主元消去法 基本思想： 在第 k 步消元前，从 A( k ) 的第 k 列 n-k+1
准确到小数点后第9位的解为 x1 2.000010000, x2 0.999989999.
如果计算过程用四位十进制浮点数（仿机器实际计算） , 用第一个方程消去第二个方程中的, 得 10 4 0.1000 x1 10 0.2000 x2 10 0.2000 6 6 10 0.2000 x2 10 0.2000 由此解得 x2 1, x1 0, 显然它不是原方程的解.
适宜于求解大型(n 1000)稀疏的(零元素较多)线性方程组。
主要方法有：
1). 雅可比（Jacobi）迭代法 2). 高斯 — 赛德尔（Guass Seidel）法
是G S方法的加速 3). 超松弛（SOR）法： 优点：速度高，计算机存储量小，程序设计简单； 缺点：有误差，需要事先确定迭代算法的收敛性及收敛速度。
(1) a12 (2) a22
(1) a1 k (2) a2 k (k ) akk
(1) a1, k 1 (2) a2, k 1 (k ) ak ,k 1
(1) a1 n (2) a2 n
0 0 0
(k ) akn
0 0
( k 1) ( k 1) ak a 1,k 1 k 1,n
3). 改进的Gauss消去法： 实际计算中常用的有效方法。
如：列（行）主元法， 全主元法， LU分解法， 平方根法， 追赶法等
（2）迭代法： 利用不动点理论将方程组变形为某种等价的迭代公式，
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。
线性方程组直接法
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。
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)。
即求解方程组
x12 x1y1 y12 x1 y1 a1 1
x22
x2 y2
y22
x2
y2
a2
1
xx3422
x3 y3 x4 y4
y32 y42
x3 x4
y3 y4
aa34
1 1
x52 x5 y5 y52 x5 y5 a5 1
可确定椭圆方程(小行星轨道方程)
5
对一般线性方程组: A X = b, 其中
6x3 + 5x4 = 4
a22=0
3x4 = 6
x2 = 4x1 -16
x3 = -1 x3 = -1
无穷解
x4 = 2
13
复习 如A是NN矩阵
a11 a12 a13 … a1n
A
a21 a22 a23 … a2n
=
……
an1 an2 an3 … ann
第i行展开
则A的行列式为：
第j列展开
划掉A的第i 行和第j列后
解线性方程组的直接 法
4.1 引言
求解
Axb
•许多实际问题可归结为线性（代数）方程组 机械设备、土建结构的受力分析； 经济计划 输电网络、管道系统的参数计算； 企业管理 •大型的方程组需要有效的数值解法。 •数值解法的稳定性和收敛性问题需要注意。
2
小行星轨道计算问题
3
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.在坐标轴上取天文单位(地球到太 阳的平均距离),对小行星作5次观察, 测得坐标 数据
(x1,y1), (x2,y2), (x3,y3), (x4,y4), (x5,y5)
将数据代入椭圆的一般方程: a1x2 + a2xy + a3y2 + a4x + a5y + 1 = 0
得 a1xk2 + a2xkyk + a3yk2 + a4xk + a5yk + 1 = 0
(k = 1, 2, 3, 4, 5)
an-1n-1xn-1 + an-1nxn =bn-1
annxn =bn
证明：x n
bn a nn
唯一
xn1
bn1an1nxn an1n1
n
bk akx j j
xk
jk1
ak k
,kn1,n2,..1.
用归纳法可证明x n-1,x n-2….x1是唯一的
11
例4.1：利用回代法求解线性方程组
8
a 11 a 12 ... a 1n
a 21 a 22 ... a 2 n ... ... ... ... a n1 a n 2 ... a nn
a 11 a 12 ... a 1n
a 21 a 22 ... a 2 n ... ... ... ... a n1 a n 2 ... a nn
9
AX=B上三角线性方程组表示为：
在求解小型(未知数较少)方程组时,直接法很有效. 在求解大型方程组时,迭代法是最有效的方法.
7
4.2 高斯消去法(Gaussian Elimination )
4.2.1 顺序高斯消去法
1. 上三角线性方程组(Upper-triangular Linear System)
定义4.1 NN矩阵A=[aij]中的元素满足对所 有i>j,有aij=0,则称NN矩阵A=[aij]为上三角 矩阵。如果A中的元素满足对所有i<j,有aij=0, 则称NN矩阵A=[aij]为下三角矩阵。
a11
A
a21
an1
a12
a22
a1n
a2
n
Hale Waihona Puke bb1 b
2
an2
a
nn
b n
x1
X
x
2
x
n
当系数矩阵A的行列式|A|≠0时,则方程组有唯一 解.
6
求解线性方程组: A X = b的一般过程:
输入： A，b
解方程组 算法
输出： X
直接法：经过有限步算术运算求得精确解 迭代法：从初始解出发，逐步求出近似解来逼近
4x1 – x2 + 2x3 + 3x4 =20 –2x2 + 7x3 - 4x4 =-7 6x3 + 5x4 = 4 3x4 = 6
x1 = (20 + x2 - 2x3 - 3x4 )/4=3 x2 = (-7-7x3 + 4x4 )/-2=-4
x3 = (4-5x4)/6=-1 x4 = 6/3=2
的行列式
n
n
de A ) t|A (| a i(j 1 )ijM ij a i(j 1 )ijM ij
j 1
i 1
14
n
n
de A ) t|A (| a i( j 1 )i jM ij a i( j 1 )i jM ij
j 1
i 1
23 8
A= 3 -4 5 -1
4 7 -6 9
5 -1 -4 -1 i=1,det(A)=2 -6 9-3 7+89
例4.2：证明下列线性方程组无解
4x1 – x2 + 2x3 + 3x4 =20
70x32 -+4x4 =-7
a22=06x3 + 5x4 = 4 3x4 = 6
x3 = 1/7
x3 = -1 x4 = 2
12
例4.3：证明下列线性方程组有无穷解
4x1 – x2 + 2x3 + 3x4 =20
0x2 + 7x3 - 0x4 =-7
16
➢ 高斯消元法： 思 首先将A化为上三角阵 ，再回代求解。
路
=
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
a11x1+ a12x2 +a13x3 +…+ a1n-1xn-1 + a1nxn =b1 a22x2 +a23x3 +…+ a2n-1xn-1 + a2nxn =b2 a33x3 +…+ a3n-1xn-1 + a3nxn =b3 …………. an-1n-1xn-1 + an-1nxn =bn-1 annxn =bn
2. 回代(Back Substitution)
设AX=B是上三角线性方程组，如果：
akk0, k=1,2..n,则方程组存在唯一解。
10
a11x1+ a12x2 +a13x3 +…+ a1n-1xn-1 + a1nxn =b1 a22x2 +a23x3 +…+ a2n-1xn-1 + a2nxn =b2 a33x3 +…+ a3n-1xn-1 + a3nxn =b3 ………….
-4 5 7 -6
=2(45-6)-3(-36+7)+8(24-35)=77
-4 -1 2 8 j=2,det(A)=-3 +5 +6
79 79
28 =77 -4 -1
15
3. 如果NN矩阵A=[aij]是上三角矩阵或下三
角矩阵，则：
n
deA t)(a1a 122 ..a.nn aii i1
定理：A是NN方阵，线性方程组AX=B有唯一解 当且仅当det(A)0