Download presentation
Presentation is loading. Please wait.
Published byつねとき りゅうとう Modified 5年之前
1
第三章 线性方程组的解法 3.1 引言 3.2 解线性方程组的消去法 3.3 解线性方程组的矩阵分解法 3.4 解线性方程组的迭代法
2
3.1 引言 给定一个线性方程组 求解向量 x。
3
数值解法主要有两大类: 第一类是直接法。即按求精确解的方法运算求解。 第二类是迭代法。其思想是首先把线性方程组(3-1)等价变换为如下形式的方程组: 然后构造迭代格式 这称为一阶定常迭代格式,M 称为迭代矩阵。
4
3.2 解线性方程组的消去法 高斯消去法与高斯若当消去法 例1 第一步:先将方程(1)中未知数 的系数2除(1)的两 边,得到下列方程组:
5
再将第二个方程减去第一个方程的4倍,第三个方程减去
第一个方程的2倍。 第二步:将方程 中第二个方程的两边除以 的系数4
6
将第三个方程减去第二个方程: 第三步:为了一致期见,将第三个方程中的 系数变为1, 除以
7
我们来分析一下上述过程:整个过程分两大步。一是用
逐次消去未知数的方法,把原来的方程组化为与其等价的三 角形方程组。用矩阵的观点来看,就是用初等变换的方法将 方程组的系数矩阵进行初等变换,即
8
这样就将系数阵化为单位三角阵,这个过程称为“消元
过程”。二是解三角形方程组,称为“回代过程”,整个过程 称为“有回代过程的顺序消元法”。 下面我们来讨论一般的解n阶方程组的高斯消去法,且 就矩阵的形式来介绍这种新的过程:
12
一般地,第k步:即将矩阵变为如下
15
第n步:得到: 经过上述n步过程后,原系数矩阵A变为一个单位上三角 矩阵,即原方程组化为一个和它完全等价的三角形方程组, 即
16
高斯消去法: (1)消元过程: 对k=1,2, …, n 依次计算 (2) 回代过程:
17
例3.1 试用高斯消去法求解线性方程组 解 消元过程为
18
即把原方程组等价约化为 据之回代解得
19
为了避免回代的计算,我们可在消元过程中直接把系数矩阵A约化为单位矩阵I,从而得到解,即
相应地,计算公式可表述为: 从而得到解 这一无回代的消去法称为高斯-若当(Jordan)消去法
20
二、高斯-若当(Jordan)消去法 解
22
例 2 试用高斯-若当消去法求解例3.1的线性方程组。
因为
23
一般公式: 高斯约当消去法是一个具有消去过程而无回代过程的算法。 以上两种消去法都是沿系数矩阵的主对角线元素 进行的,即第k次消元是用经过前k-1次消元之后的系数阵位于(k,k)位置的元素作除数,这时的(k,k)位置上的元素可能为0或非常小,这就可能引起过程中断或溢出停机。因此:
25
消去法的可行性和计算工作量 定理 3.1 如果的各阶顺序主子式均不为零,即有 即消去法可行。 推论 若系数矩阵严格对角占优,即有
26
定理 3.2 求解 n 阶线性方程组 (3-1) 的高斯消去法的乘除工作量约为 ,加减工作量约为 ;而高斯-若当消去法的乘除工作量约为 ,加减工作量约为 。
证 由式(3-4)知,高斯消去法在消元过程中第k步的工作量为 所以,消元过程的总工作量为
27
回代过程中的乘除和加减工作量均为 总工作量为 类似可得,高斯-若当消去法的工作量为
28
例 3.3 试用高斯-若当消去法求解如下矩阵方程 因为 解
29
$2 选主元素的消去法 主元素的选取通常采用两种方法,一种是全主元消去法,另一种是列主元消去法。 下面以例介绍选主元的算法思想 例 3.4 试用选主元消去法解线性方程组
30
解 (1)用全主元高斯消去法 回代解出: 还原得:
31
(2)用全主元高斯-若当消去法 故得解为 (3)用列主元高斯消去法 回代解得
32
3.3 解线性方程组的矩阵分解法 一、 非对称矩阵的三角分解法 矩阵分解法的基本思想是: 对于给定的线性方程组 (1) 分解 可逆下三角矩阵 可逆上三角矩阵
34
显见S是一个可逆的下三角阵 ——解两个三角形方程组。
35
Crout分解(以四阶为例)
38
2.利用三角分解法解方程组
41
例1. 试用克洛特分解法解线性方程组
43
例2 试用克洛特分解法解线性方程组 解
45
解三对角型线性方程组的追赶法 1.用LU分解矩阵A
48
对称正定矩阵的三角分解 定义 3.1 若n 阶方矩阵 A 具有性质 且对任何n 维向量 成立 ,则称 A 为对称正定矩阵。 定理3.4 若A 为对称正定矩阵,则 (1) A的k阶顺序主子式 (2)有且仅有一个单位下三角矩阵L和对角矩阵D 使得 (3-16) 这称为矩阵的乔里斯基(Cholesky)分解。 (3)有且仅有一个下三角矩阵 ,使 (3-17) 这称为分解矩阵的平方根法。
49
(1)首先由A 对称正定知 证 且对任何k维非零向量 故 为 k 阶对称正定矩阵,所以 由惟一性得
50
以下推导平方根法和乔里斯基分解法的计算公式。
由此可建立平方根法的递推计算公式如下:
51
类似地,由 得 从而可建立乔里斯基分解法的递推计算公式为 对于 依次计算
52
例 3.7 试分别用平方根法和乔里斯基分解法分解矩阵
(1)
54
把平方根法应用于解方程组,则把 Ax=b 化为等价方程
相应的求解公式为
55
把乔里斯基分解法应用于解方程组,则 Ax=b 化为等价方程
相应的求解公式为
56
例3.8 试用平方根法求解对称线性方程组 解 由此,可先由上三角形线性方程组
57
再由下三角形线性方程组
58
例 试用乔里斯基分解法解线性方程组 解
60
3.4 解线性方程组的迭代法 雅可比迭代法与高斯-塞德尔迭代法 对 (3-23) 以分量表示即 约化便得 从而可建立迭代格式 雅可比(Jacobi)迭代
61
则雅可比迭代格式(3-24)可用矩阵表示为 MJ f J
62
对雅可比迭代格式修改得 高斯-塞德尔(G-S)迭代 用矩阵表示为 MG-S f G-S
63
例3.10 分别用雅可比迭代法和高斯-塞德尔迭代法求解
线性方程组 解 相应的迭代公式为 雅可比迭代 高斯-塞德尔迭代 令 取四位小数迭代计算 由雅可比迭代得 由高斯-塞德尔迭代得
64
迭代法的收敛性 定义 3.2 设 n 阶线性方程组 的精确解为 x* 相应的一阶定常迭代格式为 如果其迭代解 收敛于精确解 ,即 则称迭代格式(3-26)收敛 命题 3.2 记 的充分必要条件为
65
定理 3.5 若一阶定常迭代格式(3-26)的迭代矩阵 满足条件 则该迭代格式对任何初始向量 均收敛。 相减得 证 定理得证。
66
则该迭代格式对任何初始向量 均收敛。 定理 3.6 若一阶定常迭代格式(3-26)的迭代矩阵 满足条件 定理 3.7 若雅可比迭代法的迭代矩阵 满足条件(3-28)或(3-29),则雅可比迭代法与相应的高斯-塞德尔迭代法对任何初始向量 均收敛。 推论 如果线性代数方程组 A x = b的系数矩阵 A 为严格对角占优矩阵,即 则相应的雅可比迭代法与高斯-塞德尔迭代法对任何初始向量 均收敛。
67
定理 3.8 一阶定常迭代格式 对任何初始向量均收敛的充分必要条件为其迭代矩阵的谱半径小于1,即
这里 为 M 的特征值 定理 3.9 若线性方程组(3-1)的系数矩阵A对称正定,则相应的高斯-塞德尔迭代法必收敛。
68
迭代法的应用说明 (1) 若系数矩阵非严格对角占优,采用等价变换使之约化为系数矩阵严格对角占优的线性方程组,然后用雅可比迭代法或高斯-塞德尔迭代法求解。 (2) 特殊情况可特殊处理,以减少工作量。 (3) 在实际计算时,由于无法知晓 x* ,因此计算的终止原则通常近似地采用以下条件关系式
Similar presentations