数值分析5-2(高斯消去法)知识讲解
数值分析Gauss消去法课件

高斯消元法的代码实现
初始化矩阵
将系数矩阵A进行初始化,并存储在二维数 组中。
消元过程
通过一系列行变换,将系数矩阵变为上三角 矩阵。
主元选择
选择主元,即系数矩阵中所在行和列的最大 元素。
回带求解
利用上三角矩阵的元素,求解线性方程组的 解。
选主元的优化策略
1 2
自然主元
选择系数矩阵中绝对值最大的元素作为主元。
病态问题
对于一些病态问题,高斯 消元法可能无法得到准确 解,需要采用其他方法进 行求解。
01
Gauss消去法的应 用实例
应用领域与案例介绍
线性方程组求解
01
Gauss消去法是求解线性方程组的一种常用方法,适用于大ห้องสมุดไป่ตู้模
、稀疏矩阵的求解。
矩阵求逆
02
通过Gauss消去法可以计算矩阵的逆,这在许多科学计算和工程
最小二乘主元
选择使所在行和列的绝对值之和最小的元素作为 主元。
3
随机主元
随机选择一个元素作为主元,可以避免某些数值 问题。
数值稳定性与误差控制
01
02
03
数值稳定性
高斯消元法在某些情况下 可能产生数值不稳定性, 如主元接近零或数值误差 累积。
误差控制
在消元过程中,可以通过 一些技巧来控制误差,如 预处理、选主元策略和舍 入误差控制。
领域中都有应用。
特征值和特征向量计算
03
Gauss消去法可以用于计算矩阵的特征值和特征向量,这在物理
、工程和经济学等领域有广泛的应用。
实际应用中的问题与挑战
数值稳定性
Gauss消去法在处理病态问题或 接近奇异矩阵时可能会出现数值 不稳定性,导致计算结果误差较 大。
数值分析第五版第5章学习资料

n
即 de(A t) aijAij (i1,2,,n), j1
其中 A ij 为 a ij 的代数余子式,Aij(1)ijMij, M ij 为元素 a ij 的余子式.
行列式性质:
( ad ) ( A e ) d t B ( A e )d ( t B )A e , ,B t R n n .
有非零解,故系数行列式 deIt (A)0,记
a11 a12 p()det(I A) a21 a22
a1n a2n
(1.3)
an1 an2 ann n c1n1cn1cn 0.
p()称为矩阵 A的特征多项式,方程(1.3)称为矩阵 A的特
征方程.
9
因为 n次代数方程 p() 在复数域中有 n个根
其中用 ri 表示矩阵的第 i行. 由此看出,用消去法解方程组的基本思想是用逐次消
去未知数的方法把原方程组 Axb化为与其等价的三角 形方程组,而求解三角形方程组可用回代的方法.
上述过程就是用行的初等变换将原方程组系数矩阵化 为简单形式(上三角矩阵),从而将求解原方程组(2.1)的 问题转化为求解简单方程组的问题.
n
n
trA aii i.
i1
i1
(1.4) (1.5)
称 trA为 A的迹.
A的特征值 和特征向量 x还有一下性质:
(1) AT 与 A有相同的特征值 及特征向量 .
(2)若 A非奇异,则 A1 的特征值为 1,特征向量为 x.
(3)相似矩阵 BS1AS有相同的特征多项式.
11
例1 求 A的特征值及谱半径
4x2x3 5,
2x3 6.
显然,方程组(2.6)是容易求解的,解为
x (1,2,3)T.
第一节 高斯消去法

2 x1 2 x2 3 x3 3 4 x1 7 x2 7 x3 1 2 x 4 x 5 x 7 1 2 3
解:首先写出增广矩阵
2 2 3 3 4 7 7 1 ( A b) 2 4 5 7
i1 2
行初等变换得下述方程组
(1 a11) 0 ... 0 (1 a12) (1 ... a1n)
a
( 2) 22
... a ...
( 2) 2n
...
( an32)
...
(3 ...... (3) bn
[ A3 b3 ]
a1(1) n ... ... ...
(k akn ) ... ( ... akk ,1n) 1
(k ann1)
b1(1) (k ) bk ( bkk 1) 1 ( k 1 ) bn
( i , j k 1, , n)
(4) 当 akk
A3 x b3
(3) 第 k 步消元。设第 k-1 次消元已经完成,若增广矩阵
a (1) 11
若a
a
(1) 12
a
(1) 13
... ...
(k akk )
(2 a22 )
(2 a23 )
a1(1) ... n ( 2) ... a2 n
(k ... akn )
k ,k
max ai ,k , i k , k 1,, n
k i n
否则转Step 7
算法: Gauss列主元消去算法(续)
Step 3 for i=k+1,…,n 计算
lik
数值分析课件 (第5、6章)

(1 ( La1n) b11) (2) (2) a L 2n b2 = A(3) : b(3) LM M (3) (3) Lamn bn
[
]
( ( ( aij3) = aij2) −mij a22) j (3) ( bi = bi(2) −mi2b22)
(i = 3,L m j = 3,L n) , ; , (i = 3,L m) ,
[
]
( ( ( aij2) = aij1) − mij a11) j (2) bi = bi(1) − mi1b(1) 1
研究生公共课程数学系列
(i = 2,L m j = 2,L n) , ; , (i = 2,L m) ,
机动 上页 下页 首页 结束
(2)
[A
(2)
: b(2)
]
(1 (1 a11) a12) (2 0 a22) = M M (2) 0 am2
(n)
续 述 程 到 成 s 消 计 。 继 上 过 , 直 完 第步 元 算
后 到 原 程 等的 单 程 A 最 得 与 方 组 价 简 方 组 (s+1) x = b,(s+1) 中( ) 上 形 其 A s+1 为 梯 。
(1 (1 (1 a11) a12) L a1n) (2 ( a22) L a22) n = O M (n ann)
( a2k ) k m = (k ) ik akk
(k (akk ) ≠0)
−−−−−→
(i=k+1,Lm) ,
(1 (1 ( a11) a12) L a11) k (2 ( a22) L a22) k O M (k akk ) M 0
研究生数值分析第四版第二章2.1Gauss消去法

2 x1 2 x2 3x3 3 3x2 x3 5 6 x2 8 x3 4
消元2
(1) ×2-(2)
(1)+(3)
3x2 x3 5 6 x2 8x3 4
6 x3 6
x3 1 x 2 2 x 2 1
(1)
a23 a33
(1)
a2 n1 a3n1
(1)
a2 n a3n(1)(1)()(1)(1)
ann1
a1n1
(1) ( 2)
ann
a1n
(1)
(1)
an 3
a13
(1) ( 2)
(1)
(1)
(1) b2 (1) b3 (1) bn
(1)
x3 1 x 2 2 x 2 1
二、Gauss消去法 1、Gauss消去法的基本思想: 消元与回代。 Gauss消去法分为: 顺序Gauss消去法,列主元素Gauss消去法 2、顺序Gauss消去法 例1在四位十进制的限制下,试用顺序Gauss消去法求 解下列线性方程组
天河一号 曾经的王者
2011年6月21日日本理化学研究所20日宣布,与富士 通共同研发中的超级计算机“京”以每秒8612万亿次的 运算速度在最新全球超级计算机500强排名中位列第一。
9.707 10 31 4 8 3600 8612 10 10
20
由170个机 柜组成的 天河二号 整齐排列, 气势恢宏。
a13
a1n
(1) (1)
b1
a23 a33
a2 n1 a3n1
a2 n a3n
(1)
(1)
(1)
ann1
高斯消去法

高斯消去法高斯消去法,又称高斯消元法,实际上就是我们俗称的加减消元法。
数学上,高斯消去法或称高斯-约当消去法,由高斯和约当得名(很多人将高斯消去作为完整的高斯-约当消去的前半部分),它是线性代数中的一个算法,用于决定线性方程组的解,决定矩阵的秩,以及决定可逆方矩阵的逆。
当用于一个矩阵时,高斯消去产生“行消去梯形形式”。
目录例如信息学方面的应用下面介绍一下矩阵的初等行变换:对于增广矩阵A求解线性方程组的步骤:历史编辑本段例如一个二元一次方程组,设法对每个等式进行变形,使两个等式中的同一个未知数的系数相等,这两个等式相减,得到一个新的等式,在这个新的等式中,系数相等的未知数就被除去了(系数为0)。
同样的也适合多元多次方程组。
编辑本段信息学方面的应用高斯消元是求解线性方程组的重要方法,在OI中有广泛的应用。
本文就来讨论这个方法。
什么是线性方程组?含m个方程和n个未知量的方程组定义为a(11)x(1)+a(12)x(2)+...+a(1n)x(n)=b(1)a(21)x(1)+a(22)x(2)+...+a(2n)x(n)=b(2)...a(m1)x(1)+a(m2)x(2)+...+a(mn)x(n)=b(m)这个方程组称为m*n线性方程组,其中a(ij)和b(i)为实数,括号中为下标。
这个方程组有多种表示方法。
例如,我们知道m*n矩阵(用大写字母表示)是一个m行n列的数阵,n维向量(用加粗的小写字母表示)是n个数的数组,也就是一个n*1矩阵(列向量。
我们不考虑行向量)。
另外,大家也都知道矩阵乘法。
因此一个m*n线性方程组可以表示为Ax=b,其中A是由系数aij组成的m*n矩阵即系数矩阵,x是n维的未知数向量,b是m维的结果向量。
如果把向量b写到A的右边得到m*(n+1)的矩阵,得到的新矩阵称为这个方程组的增广矩阵。
每一个方程组均对应于一个增广矩阵。
编辑本段下面介绍一下矩阵的初等行变换:1 交换两行2 用非零实数乘以任一行3 把某一行的倍数加到另一行上同理可以定义初等列变换。
高斯消去法

A x=b
(2)
(2)
A
(1)
(1 a11) 1 ( a 21) (1) b = a (1) n1
( a12)
1 1
L L L L
a1(n)
1 1
( a 22) L ( a n12)
( a2 n) (1 ann)
b1( ) (1) b2 M ( bn1)
General procedure of Gaussian elimimation Step 1. Denote Ax=b as A x = b
(1)
(1 a11) (1) a 21 a (1) n1 ( a12)
1
(1)
(1) A(1) = (aij ) = (aij ) = A, b(1) = (bi(1) ) = (bi ) = b
线性方程组由增广矩阵唯一确定
A b
Existence and uniqueness of the solution? ?
解存在唯一 ⇔| A |≠ 0
How to get the solution? ? Di xi = Cramer rule: Computation cost: (n+1)!
解线性方程组
非零元素 较多,零 元素较少
上万阶,零元素很多, 非零元素很少
矩阵计算 高阶稀疏
低阶稠密 直接法:
Gaussian elimination 完全主元素(pivoting)消去法 列/行/完全主元素 行 完全主元素 消去法 Gauss-Jordan elimination Square root/improved square root methods
第三章-高斯消去法

对于(A (1) , b (1) )中个元素的计算公式为:
( ( (0 a11j) a10) / a11) j (1) ( 0) ( 0 ) (1) a ij a ij a i1 a1 j
( j 2, , n 1) (i 2, , n; j 2, n 1)
2 1 3 1 4 2 5 4 2 0 2 6
第一步:先将方程(1)中未知数 边,得到下列方程组:
x 1的系数2除(1)的两
1 3 1 x1 2 x 2 2 x 3 2 I1 4 x1 2 x 2 5x 3 4 2x 2x 3 6 1
( a 10 ) n
a (0) 22
(0 a 32)
a (0) 2n
( a 30 ) n
a (0) 42
a (0) 4n
( a 10 ) 1 n (0) a 2 n 1 ( a 30 )1 n (0) a 4n 2
(0 第一步:对(A ( 0) , b ( 0))的第一行个元素除以a11) , 然 0 后用第i行元数(i 2, , n )减去第一行对应元素的a i(1 ) (0 倍, 2, , n ), 这样,a11) 位置变为 ,其余各行的第一 (i 1
(1 a12) 1
(1 a13) a ( 2) 23
0 0
( a 11)1 n a ( 2 )1 2n 记为 ( 2) ( 2) a 33 a 3n 1 (A ( 2 ) , b ( 2 )) ( 2) ( 2) a n 3 a nn 1
k 对第k行各元素除以a (kk1) , 第i行的元素减去第k行对应 (k 元素的a ik 1)倍(i k 1, , n ), 这样就将第k行第k个元
高斯消去方法详解

§2 Matrix Factorization – Doolittle
道立特分解法:—— LU 分解的紧凑格式
a a 11 ... 1 n 1 很浪费哦 ……
思 通过比较法直接导出L 和 U 的计算公式。 路 反复计算,
. . . . l21 1 . . . . . . ... . . . . . ln a 1 ... n 1 ... a nn u 11 ... u 1 n . ... . . . . . 1 u nn
1
n
直接比较等式两边 的元素,可得到计 算公式(p.52)。
x y , x y x ( i n 1 , ... , 1 ) Step 3: 赶——即解U :n x y n i i i i 1
பைடு நூலகம்
i
§2 Matrix Factorization – Tridiagonal System
k 1 ,k
.. . m n ,k
1
§2 Matrix Factorization – Matrix Form of G.E.
1
1
1 L k
1 m m
k 1 ,k
L L ... L
1
1 1 1 2
1 n 1
1
记为
.. .
n ,k
m
L
i, j
1
a
(1 ) 11
~ ~ T A L L
T Since det( u > > k)0? ii A A Lis L 使得 Why 。若限定 L 对角元为正,则分解唯一。
n n 定理 设矩阵A对称正定,则存在非奇异下三角阵 L R
数值分析5(高斯消元法)

a31 a11
b1 b1
an 1 a11
a12 ann
an 1 a11
an 1 a11
消元阶段: 所用除法次数(n-1)+ (n-2)+· · · +1= n(n-1)/2, 所用乘法次数(n-1)*n+ (n-2)* (n-1) +· · · +1*2= (n3-n)/3。
回代阶段:
25/44
13:30
含n个变量的n个方程的一般形式是
a11 a21 a n1 a12 a1n a22 a2 n an 2 ann b1 b2 bn
消去阶段: 使用行初等变换使对角线以下的每个 元素都为零。 例如,消去第一列对角线以下的元素a21 , a31, · · · , an1。
13:30
求解
a11 x1 a12 x2 a1n xn b1 a x a x a x b 21 1 22 2 2n n 2 an1 x1 an 2 x2 ann xn bn
12/44
13:30
线性方程组的矩阵形式
27/44
计算:xn = bn /ann
a11 x1 a12 x 2 a1n x n b1 a 22 x 2 a 2 n x n b2 a nn x n bn
13:30
高斯消元法由不相等的两部分组成:工作量相对多 的消元阶段和工作量相对少的回代阶段。对于大的n, 幂次较低的n相比而言可以忽略不计,最高次幂决定了 当n趋近于无穷时的极限形态。换而言之, 对大的n, 低 阶项对算法的执行时间的估计没有太大的影响, 当仅需 近似估计执行时间时可以忽略不计。
高斯消去法

第二節 高斯消去法 (Gaussian Elimination)在上一節中的例11中,利用基本列運算化簡線性方程組的增廣矩陣求得一組解,而且恰有一組解,但是否每一個線性方程組都是如此呢?試觀察下面的例子:例1:解{)1(164143510∗=++−=−+=+L zyx z y x z x 解:將方程組以增廣矩陣方式表示,並化簡:−−1156144131001 131243R R R R −−−−−−1916534103410100123R R −−−−316500034101001 因此 與下列是等價的)1(∗)2(∗{)2(301634510∗−=−=−=+L z y z x由第三個方程式,可知中含有矛盾式,因此原方程組無解。
)2(∗)1(∗例2:解 …(1−=++−=++=−+15177125222z y x z y x z y x *) 解:化簡方程組之增廣矩陣:−−−1517712522121 131272RR R R −−−−−15123054102121233RR −−−000054102121 212R R −−−0000541012901 因此(1*)與 是等價的。
=−=+=−0054129z y z x 令 ,則t z = −−=+=54129t y t x 故方程組之解集合為 {}R t t t t ∈−−+),54,129(。
註:上式中的解之表示為參數式,其中為參數,其實也可以令為參數或t y x 為參數,但會得出不同形式的解集合,這些不同形式的集合都是一樣。
定義(a )一個矩陣若有下面的形式則稱為列梯形(row-echelon form )RE1. 零列一定排在最底下RE2. 在非零列中,左邊看過來第一個非零元素是1,稱為領導元1(leading 1)RE3. 每一個領導元1都在上方領導元1的右邊(好像下樓梯一般)(b )一個列梯形的矩陣若有下列的情形又稱為最簡(reduced )RE4. 在有領導元1的那一行只有那一個領導元1不是零。
高斯消去法

mi1
a (1) i1
/
a (1) 11
(i 2, 3,L , m)
用-mi1 乘方程组的第一个方程加到第i个方程,则原方程组同
解方程组为:
a1(11)
0
M 0
a1(12) a2(22)
M am(22)
L L M
a1(1n) a2(2n)
M
x1
x2
M
b1(1) b2(2)
M
L am(2n) xn bm(2)
2020/6/3
数值分析
引言
在自然科学和工程技术中许多问题的解决转化为解线性方 程组,而这些方程组的系数矩阵大致分为两种,一种是低阶稠 密矩阵,一种是高阶稀疏矩阵。
解线性方程组的数值解也有两种: 直接法,就是经过有限步算术运算,可以求得线性方程 组的解,但实际计算时有舍入误差的存在和影响,所以求 得的结果也只能是近似解对低阶稠密矩阵和部分大型稀疏 矩阵有效。
第五章 解线性方程组的直接方法
5.1 高斯消去法 5.2 高斯主元素消去法 5.3 矩阵的三角分解 5.4 误差分析
2020/6/3
数值分析
【本章重点】 1.Gauss 消去法和列主元消去法及其实现条件。 2.矩阵的三角分解,含LU分解和LLT 分解及三对角方程组的追
赶法。 3.向量和矩阵范数的定义及性质。 4.矩阵条件数及病态矩阵定义和解方程组直接法的误差估计。
即
a(1) 11
0
M
a(1) 12
a(2) 22 M
L L M
a(1) 1n
a(2) 2n M
x1
x2
M
b(1) 1
b(2) 2 M
0
0
数值分析(05)高斯消元法

求解 Ax b
A Rnn
将原方程组 Ax b 化为同解的上三角方程组 Ux g
初等变换
ຫໍສະໝຸດ
中依次 解出xn-1,xn-2,….,.x..1..。..这.....样....就....完....成....了....上....三.. 角..方程组
的求解 过程。这个过程被a称n为1n回1 xn代1 过 a程n1其n x计n 算b步n1骤如
下:
其中aii 0
am1
am 2
amn
b1
b2
bm
数值分析
数值分析
结论1 (线性代数方程组有解判别定理)线性方程组 Ax b有解的充分必要条件是:秩(A)=秩(A)
结论2 线性方程组Ax b有解(即相容)时, (1)秩( A) 秩( A ) r n,则方程组Ax b存在唯一解。
直接法:利用Gauss消元或矩阵分解,通过有限次运算 可求出精确解。
迭代法:构造迭代格式,产生迭代序列,通过无限 次迭代过程求解。有限次截断得近似解。
极小化方法:构造二次模函数,用迭代过程求二次
模函数的极小化问题,即变分法(经n
次运算,理论上得精确解)要求A
对称正定(S.P.D)
数值分析
数值分析
第二节 高斯消元法
a21 x1 a22 x2 a2n xn
b2
am1 x1 am2 x2 amn xn bm
5.2高斯消去法

行变换相 当于左乘 初等矩阵
由于
1 ai(1 ) mi 1 ( 1) a11
i 2 ,3 , , n
令
1 m21 L1 mn 1
( 1) ( 1)
1 1
(2) (2)
则
L1 ( A , b ) ( A , b )
A LU
该过程称之为 矩阵A的LU分解. 由上述分析不难得到
a11 A ak 1 a n1
k阶顺序主子式
a( 1) a( 1) a( 1) 1k 1n 11 ( ( kakkk ) aknk ) (n 1 ann )
例:用矩阵的直接三角分解法(LU分解,L为单位 下三角阵、U为上三角阵)解方程组
。
1 0 1 0
0 2 0 x1 5 1 0 1 x2 3 2 4 3 x3 17 1 0 3 x4 7
(1 a11) ( 1) ( 1) ( 1) a21 (A ,b ) a( 1) n1 (1 ( a12) a11 ) n (1 ( a22) a21 ) n ( 1) ( 1) an 2 ann ( b11 ) ( 1) b2 ( 1) bn
(k (k akk ) akn ) (k (k ank ) ann )
b b (k ) bk (k ) bn
( 1) 1 (2) 2
第i行 第k行 mik , 则
( ( ( aijk 1) aijk ) mik akjk )
(1 (1 a11) a12) (2 a22 ) (k ) (k ) ( 1) ( 1) ( A , b ) (A ,b ) 定义行乘数 ( aikk ) mik ( k ) i k 1, , n akk
数值分析(05)高斯消元法

下三角形方程组的求解顺序是从第一个方程开始,按从上到下
的顺序,依次解出:x1 , x2 , , xn , 其计算公式为:
x1 xi
b1 / a11
i 1
(bi
k 1
aik
xk
)
/
aii
(i 2, 3,
, n)
如上解三角形方程组的方法称为回代法.
数值分析
数值分析
二、顺序高斯消元法
0
1
2
3
0 1 1 0
a (2) 22
1
0, m32
a (2) 32
/ a22(2)
1 /(1)
1
1
L2
=
1
,L2 L1
Ax
L2 L1b完成第二步消元,得
1 1
1
(3)
A
0
0
2 1 0
3 2 3
6 3 3
ann xn bn
数值分析
数值分析
数值求解方法有以下三条途径
直接法:利用Gauss消元或矩阵分解,通过有限次运算 可求出精确解。
迭代法:构造迭代格式,产生迭代序列,通过无限 次迭代过程求解。有限次截断得近似解。
极小化方法:构造二次模函数,用迭代过程求二次
模函数的极小化问题,即变分法(经n
次运算,理论上得精确解)要求A
1 3 2 6
n 3, a11 1 0
m21 a21 / a11 2 / 1 2
m31 a31 / a11 1 / 1 1
1
高斯消去法

第 k 步:消去第 k 列 高斯消去法 (k) (k) (k) 设 akk 0,计算 mik aik akk
(i k 1, ..., n)
( ( ( 计算 aijk 1) aijk ) mik akjk ) ( bi( k 1) bi( k ) mik bkk ) ( i = k+1, …, n )
m21 a21 / a11 109 Gauss消去法:
9个 a22 1 m21 1 0.0...0 1 1010 0.10...0 1010 小主元 可1010 0.10... 0 能导致计 10 10 10 b2 2 m21 1 0.0...02 10 0.10...0 10 0.10... 0 10 算失败。
(k ) b
b1( k ) ( bkk ) , (k ) bn
第k步计算步骤: 即确定i k 使 a i ,k max a ik ; 消元: (1)按列选主元: k in 当 (2)换行: ik k时,交换( A, b )第k行与第ik 行元素; (3)消元计算:
b1(1) b ,即 a (1) a , b (1) b 。 (1) ij ij i i b n
A
b
(i, j 2, ..., n)
第二步:消去第二列 (2) (2) (2) 设 a22 0 ,计算 mi 2 ai 2 a22 (i 3, ..., n) 依次将上述矩阵的 第 i 行 + mi2 第 2 行,得
( (n 回代求解: xn bnn) ann)
xi bi( i )
(
j i 1
数值分析5-2(高斯消去法)

M M ... (3) xn bn (3) ann
…
( 1 0 ... 0 x1 b1n) 0 1 ... 0 x b(n) • 2 = 2 O M M 0 0 ... 1 x (n) n bn
高斯-约当消去法的应用 高斯 约当消去法的应用
1.同时求解系数矩阵相同的多个方程组 同时求解系数矩阵相同的多个方程组 用高斯-约当消去法求解两个方程 例 用高斯 约当消去法求解两个方程 组 AX=b1 和AX=b2 ,其中
3 4 6 2 4 5 A= 1 2 3
3 b1 = 4 1
(1 a11) ≠ 0
第一次 消元
(2 a22) ≠ 0
(2 (2 ( 1 a12) ... a1n) x1 b12) b(2) (2) (2) 0 a22 ... a2n x2 2 • = ... M M (2) (2) (2) 0 an2 ... ann xn bn
1 1 1 A = 0 4 − 1 2 − 2 1 1 0 0 1 1 1 ∆ = 0 1 0 • 0 4 − 1 = LU ห้องสมุดไป่ตู้ 2 − 1 1 0 0 − 2
则求解原方程组可转化为如下两个三角形方 程组: 程组:
第五章 解线性方程组的直接法 §2 高斯消去法
一、高斯消去法 二、矩阵的三角分解 三、高斯消去法的计算量 四、高斯—约当消去法 高斯 约当消去法
一、高斯消去法
1. 高斯消去法的基本思想 举例 用消去法解方程组
基本思想:用逐次消去未知数的方法把 x1 + x2 + x3 = 6
- 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)。
a1(n3) a2(3n) a3(3n)
... an(3n)
•
x1
x2
xn
b1(3)
b2(3)
bn(3)
…
1 0
0 1
.(nn))
0 0
...
1
xn
bn(n)
故方程组的解为
x 1 x 2 .x . n T . b 1 ( n )b 2 ( n ).b . n ( n ) T .
四、高斯—约当消去法(Gauss-Jordan)
高斯消去法在消元时始终消去对角线下方的 元素,而高斯——约当消去法则同时消去对 角线上方和下方的元素。
aa12((1111))
a1(12) a2(12)
... ...
aa12((11nn))•xx12 bb12((11))
...
an(11) an(12) ... an(1n) xn bn(1)
高斯消去法的特点:消元和回代不同步!
3. 使用高斯消去法的条件
使用高斯消去法要求在每步消元时 ak(kk) 0 , 那么矩阵A满足什么,才能保证这一条件呢?
引理:约化的主元素 ak(kk) 0 (i=1,2,…,n) 的充 要条件是矩阵A的顺序主子式 D i 0(i1,2,..n.),
推论:如果A的顺序主子式不等于0,则
a1(11) 0
第一次 消元
a1(11) a1(12) ... a1(1n) x1 b1(1)
0
a2(22) ... a2(2n)•x2 b2(2)
...
0
an(22) ... an(2n) xn bn(2)
……
(记 为 A(2)x = b(2))
a1(11)
a1(12) a2(22)
... ...
a1(1n) a2(2n)
x1 •x2
bb12((12))
第n-1
次消元
... an(nn) xn bn(n)
(记 为 A(n)x = b(n))
(2) 回代过程
xxkn
bn(n) an(nn)
n
(bk(k)
ak(kj ) xj )
ak(kk)
jk1
(k n1,n2,...2, ,1)
消元时的 系数
1
1
1
而且
1
m
21
1
L1 m 31
1
m n1
1
1
m
21
1
L11 m 31
1
m n1
1
重复这一过程,共进行 n-1
A(n) Ln1L1A(1), b(n) Ln1L1b(1)
次消元,得 Gauss消 去法将A 分解为
将上三角矩阵 A(n) 记为 U,则有
三、高斯消去法的计算量
定理:如果 A 为 n 阶非奇异矩阵,则用高斯 消去法解 Ax = b 所需的乘除法次数及加减法 次数分别为
(1)乘除 法 n33次 n2数 n3 (2)加减 法 n(n 次 1)2 (n数 5)/6
例如:n=10时,高斯消去法需要430次乘除 法,而Cramer法则却需要39916800次乘法。
由高斯消去法, m21=0,m31=2 m32=-1,故
1 1 1 A 0 4 1
2 2 1
1 0 0 1 1 1 0 1 0•0 4 1LU
2 1 1 0 0 2
则求解原方程组可转化为如下两个三角形方
程组:
1 0 0 y1 b1 0 1 0•y2 b2 2 1 1 y3 b3
1 1 1 x1 y1 0 4 1•x2 y2 0 0 2 x3 y3
二、矩阵的三角分解
由矩阵理论可知,对系数矩阵 A 实施行的初
等变换相当于用初等矩阵左乘 A ,即
A 行初等变换
A'
等价于
A'LA
E 其中
行初等变换
初等 矩阵
L
例
1 1 1
A 0 4 1 2 2 1
①*(-2)+③
则 A'LA
E 其中
①*(-2)+③
1 0 0
L
0
1
0
2 0 1
1 1 1 A' 0 4 1
0 4 1
L
考察高斯消去法过程 :
A(1)xb(1)
第一次消元
A(2)xb(2)
等价于 其中
A (2 ) L 1 A ( 1 ),b (2 ) L 1 b ( 1 )
1
0
L1 0
m n1
1 1
• • 1
1
0
m 31
0
1 1
1
m
21
• 0
1 0
高斯——约当消去法的特点:
三角矩阵 L 和一个上三角矩阵 U 的乘积,且
这种分解是唯一的。
求解两个三角形 方程组!
注:若A 实现了LU分解,则
Ax = b
(LU)x=b
Ly = b Ux = y
举例:用系数矩阵的LU分解求下列方程组
4x1x2x2x3x53 6 2x1 2x2 x3 1
解: 系数矩阵为
1 1 1
A 0 4 1 2 2 1
数值分析5-2(高斯消去法)
2. 高斯消去法的一般过程
记 Ax = b 为 A(1)x = b(1), (1) 消元过程
aa12((1111))
a1(12) a2(12)
... ...
a1(1n) a2(1n)
x1 •x2
bb12((11))
...
an(11) an(12) ... an(1n) xn bn(1)
两个三
A A (1 ) L 1 1 L 2 1 L n 1 1 U LU 角相矩乘阵
1
其中
m21 1
LL11 Ln11 m31 m32 1
mn1 mn2 mn,n1 1
定理: (矩阵的LU分解)
设 A 为 n 阶矩阵,如果 A 的顺序主子式 Di 0 ( i = 1,2,…,n-1), 则 A 可分解为一个单位下
aa1k((1k1k))
D1 Dk
Dk1
(k=2,3,…,n)
定理:如果 n 阶矩阵A的所有顺序主子式均 不为零,则可通过高斯消去法(不进行交 换两行的初等变换),将方程组约化为三 角形方程组。
定理:如果A为 n 阶非奇异矩阵,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 化为三角形方程组。
a1(11) 0
第一次 消元
1 0
a1(22) a2(22)
...
0 an(22)
... ...
a1(n2) a2(2n)
x1 •x2
bb12((22))
... an(2n) xn
bn(2)
(与高斯消去法不相同)
a2(22) 0
第二次 消元
1 0 0
0 1
0
...
... a3(33) ... ... an(33) ...