计算方法 解线性方程组的直接法
• 将两个方程相加减,逐步减少方程中的变元数, 最终将方程组化成上三角方程组,一般将这一过 程称为消元,然后再回代求解。
5.2.3 高斯消去法的适用条件
注1：设系数矩阵A为非奇异矩阵，直接使用高斯消元
法（不进行行的交换）对于某些简单的矩阵可能失败，
可简记为 Ax=b，其中
a11a12...a1n
x1
b1
A
a21a22 ...a2n ......
,
x
x
2
...
,
B
b2
...
an1an2 ...ann
xn
bn
线性方程组的数值解法一般有两类： 1. 直接法：就是经过有限步算术运算，可求得方程组
精确解的方法（若计算过程中没有舍入误差），如 克莱姆法则就是一种直接法，直接法中具有代表性 的算法是Gauss消去法。
a11 Am
am1
… a1m … 0 (m =1,2,…，n)
… amm
经变换得到的上三角形方程组的顺序主子式
a(1) 11
Am
a(1) 12
…
a(2) 22
…
…
a(1) 1m
a(2) 2m
... a(m)
mm
a a (1) (2) 11 22
…
a(m) mm
0
（m =1,2,…，n）所以能实现高斯消去法求解
4 1 2
5
3 13
2
2
2
同样可得到与 原方程组等价 的方程组 ⑥
r3( 58)r2
2 0
0
1 3
1
4 1 2
0
7 21
8
4
高斯消去法的基本思想：
• 利用矩阵行的初等变换将原方程组Ax=b系数矩 阵化为上三角形矩阵,然后从最后一个方程开始, 依次向前代入求出未知变量：
xn , xn1 , … , x1
将上述三角形方程组自下而上求解得：
x3 6 x2 1 x1 9
从而求得原方程组的解：
x1 9, x2 1, x3 6
前述的消元过程相当于对原方程组的增广矩阵进行
下列行变换
2 1 3 1
A~
Ab
4
2
5
4
1 2 0 7
rr32((212)r)1r1
2 0 0
1 3
1
例如：
A
0 1
1 0
注2： 设系数矩阵A为非奇异矩阵， • 则若a11 =0，则可以通过调换行的方法，使得在第
一行的第一个元素非0。 • 其它在消元过程中，kk位置的情形类似处理。 则高斯消元法可以进行。
因此，需要对上述的高斯算法进行修改，首先应该研
究原来的矩阵A在何条件下能够保证
a(k) kk
➢ 线性方程组的求解对于实际问题是极其重要的。
解线性方程组的直接法
常见的nxn线性方程组，一般形式为
a11x1 a12x2 ... a1nxn b1 .a.2..1.x. 1 a22x2 ... a2nxn b2 an1x1 an2x2 ... annxn bn
( 6.1 )
定义5.1 设矩阵 A (aij )n 每一行对角元素的绝对
值都大于同行其他元素绝对值之和
n
| aii | | aij |, i 1, 2, , n j 1 ji
则称A为严格对角占优矩阵。
上述条件展开以后为：
| a11 | (| a12 | | a13 | | a1n |)
| a22 | (| a21 | | a23 | | a2n |)
……
| ann | (| an1 | | an2 | | an(n-1) |)
定理1.1 若方程组 Ax b 的系数矩阵A为严格
对角占优，则用高斯消去法求解时，a(kkk)全不为0。
因此，可以使用高斯消去法求解。
练习：用高斯消去法求解如下的线性方程组
3x1 x2 x3 6
(1)
④
5 2
x2
3 2
x3
13 2
⑤
第2步：将方程 ④乘上 ( 5 ) 加到方程 ⑤上去，这样
8
就消去了第3个方程的 x2 项，于是就得到等价方程组
2
x1
x2 3x3 1 4x2 x3 2
7 消元过程就是把原方程组化为上三角形方 程组，其系数矩阵是上三角矩阵。
（2）回代过程
计算方法 (Numerical Analysis)
第8次 线性方程组的直接解法
本讲内容
1）高斯消去法 2）高斯主元素消去法 3）方程组的性态 4) 高斯消去法算法构造（编程）
高斯消去法
解线性方程组的直接法
§5.1 引言
➢ 在工程技术、自然科学和社会科学中，许多问 题最终都可归结为求解线性方程组的数学问题。
6x2 x3 15
(2)
2x1 3x2 9x3 18 (3)
解：增广矩阵为
3
A~
Ab
0
2
1 1 6
6
-1
15
- 3 9 18
①
4x1 2x2 5x3 4
②
x1 2x2
7
③
解:高斯消去法包括如下的消元和迭代的两个过程。
（1）消元过程
第1步:将方程①乘上(-2)加到方程 ②上去,将方程
①乘上(
1 2
)加到方程
③上去,这样就消去了第2、
3个方程的 x1 项,于是就得到等价方程组
2x1 x2 3x3 1
4x2 x3 2
0, 对k
1,2, … , n 1
定理1 若方程组系数矩阵的顺序主子式全不为0，则
高斯消去法能实现方程组的求解，即：
a(k) kk
0, 对k
1,2, … , n 1
证明：上三角形方程组是从原方程组出发，通过逐次 进行“一行乘一数加到另一行”而得出的，该变换不 改变系数矩阵顺序主子式的值。
设方程组系数矩阵 A (aij)n ，其顺序主子式
2. 迭代法: 就是用某种极限过程去逐步逼近线性方程 组的精确解的方法。也就是从解的某个近似值出发 ，通过构造一个无穷序列去逼近精确解的方法。(一 般有限步内得不到精确解)
§ 5.2 高斯消去法
例子：求解如下的上三角线性方程组：
x1 x2 x3 x4 10
x2 x3 x4 9
x3 x4 7
x4 4
解：由（4），得 x 4 4 将（4）带入（3），得 x3 3
将结果代入（2）， 得 x2 2
将结果代入（1）， 得 x1 1
(1) (2) (3) (4)
§ 5.2 高斯消去法
5.2.1 高斯消去法的基本思想
先用一个简单实例来说明Gauss法的基本思想
例5.1 解线性方程组
2x1 x2 3x3 1
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。
计算方法2线性方程组直接法
04
矩阵的三角分解法
LU分解法
定义：将系数矩阵A分解为一个下三角 矩阵L和一个上三角矩阵U的乘积，即 A=LU。
适用范围：适用于所有可逆矩阵，特别 适用于中小型稠密矩阵。
迭代法收敛性判断
在迭代法求解方程组时，可以通过观察迭代过程中解向量的范数的变化情况来判断迭代法 是否收敛。如果解向量的范数逐渐减小并趋于零，则表明迭代法收敛。
方程组性态分析
方程组的性态是指方程组解的存在性、唯一性和稳定性等方面的性质。通过分析方程组的 系数矩阵的范数，可以对方程组的性态进行初步的判断。例如，如果系数矩阵的谱半径（ 即最大特征值的模）较小，则方程组往往具有较好的性态。
03
线性方程组在科学研究、工程技术和经济管理等领域具有广 泛的应用。
直接法的定义与分类
1
直接法是一种通过有限步四则运算求解线性方程 组的方法，具有计算精度高、稳定性好的特点。
2
直接法可分为高斯消元法、列主元消元法、全主 元消元法等多种方法，其中高斯消元法是最基本 的方法。
3
各种直接法的主要区别在于选主元和消元的过程 中采用不同的策略，以达到提高计算精度和稳定 性的目的。
对系数矩阵A进行Crout分解，得到下三角矩阵L和单位 上三角矩阵U。
利用后向代入法求解Ux=y，得到向量x。
求解步骤
利用前向代入法求解Ly=b，得到向量y。
适用范围：适用于所有可逆矩阵，特别适用于中小型稠 密矩阵。与LU分解法和Doolittle分解法相比，Crout 分解法在某些情况下具有更高的计算效率。
性质
求解线性方程组的直接解法范文
求解线性方程组的直接解法5.2 LU 分解① Gauss 消去法实现了LU 分解顺序消元结束时的上三角矩阵U 和所用的乘数,严格下三角矩阵。
将下三角矩阵的对角元改成1,记为L ,则有A =LU ,⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-613322121121542774322这事实是一般的,我们不难从消去的第k 个元素时的矩阵k 行及k 列元素的历史得到这一点.因为从消元的历史有 u kj =a kj -m k 1u 1j - m k 2u 2j -…- m k ,k-1u k-1,j , j=k ,k+1,…,n m ik =(a ik -m i 1u 1k - m i 2u 2k -…-m i ,k-1u k-1,k )/u kk i=k+1,k+2,…,n 于是 a kj =m k 1u 1j +m k 2u 2j +…+m k ,k-1u k-1,j +u kj , j=k ,k+1,…,n a ik =m i 1u 1k +m i 2u 2k +…+m i ,k-1u k-1,k +m ik u kk i=k+1,k+2,…,n 从前面两个式子我们可以直接计算L 和U (见下段).将矩阵分解为单位下三角矩阵和上三角矩阵之积称为矩阵的LU 分解.顺序消元实现了LU 分解,同时还求出了g , Lg =b 的解.② 直接LU 分解上段我们得到(l ij =m ij ) u kj =a kj -l k 1u 1j -l k 2u 2j -…- l k ,k-1u k-1,j , j=k ,k+1,…,n l ik =(a ik -l i 1u 1k -l i 2u 2k -…-l i ,k-1u k-1,k )/u kk i=k +1,k+2,…,n2诸元素对应乘积,只不过算L 的元素时还要除以同列对角元.这一规律很容易记住.可写成算法(L 和U 可存放于A ): for k =1:n -1 for j=k :n u kj =a kj -l k 1u 1j -l k 2u 2j -…- l k ,k-1u k-1,jendfor i=k+1:nl ik =(a ik -l i 1u 1k -l i 2u 2k -…-l i ,k-1u k-1,k )/u kk end end这一算法也叫Gauss 消去法的紧凑格式,可一次算得L ,U 的元素,不需逐步计算存储.考察上面的表格会发现还可安排其它计算次序,只要在这一次序下每个元素左边的L 的元素与上方的U 的元素已计算在先。
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
计算方法-解线性方程组的直接法实验报告
cout<<endl;
for(k=i+1;k<m;k++)
{
l[k][i]=a[k][i]/a[i][i];
for(r=i;r<m+1;r++) /*化成三角阵*/
a[k][r]=a[k][r]-l[k][i]*a[i][r];
}
}
x[m-1]=a[m-1][m]/a[m-1][m-1];
{
int i,j;
float t,s1,s2;
float y[100];
for(i=1;i<=n;i++) /*第一次回代过程开始*/
{
s1=0;
for(j=1;j<i;j++)
{
t=-l[i][j];
s1=s1+t*y[j];
}
y[i]=(b[i]+s1)/l[i][i];
}
for(i=n;i>=1;i--) /*第二次回代过程开始*/
s2=s2+l[i][k]*u[k][r];
l[i][r]=(a[i][r]-s2)/u[r][r];
}
}
printf("array L:\n");/*输出矩阵L*/ for(i=1;i<=n;i++)
{
for(j=1;j<=n;j++)
printf("%7.3f ",l[i][j]);
printf("\n");
{
s2=0;
for(j=n;j>i;j--)
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 。
第三章 线性代数方程组的直接解法1
for
j = n : −1 : 2
y( j ) = y( j ) u( j , j )
y (1 : j − 1) = y (1 : j − 1) − y ( j )u(1 : j − 1, j )
end
y(1) = y(1) u(1,1)
加减乘除运算次数之和)均为 两种算法的工作量(加减乘除运算次数之和 两种算法的工作量 加减乘除运算次数之和 均为 n
高斯变换
a 0
(1) 11
取
L = I +l e 1
其中 l i 1
T 1 1
l1 = (0, l21,⋯, ln1)
a
(1) 11
T
=
−1 1
a
(1) i1
i = 2, 3,⋯ , n
−1 1 T 1 1
记
A
( 2)
=L A
(1)
L = I −l e
(1 a11) 0 I n−1 c1 T 1
(i ) ii
的各阶顺序主子式都不等于零 顺序主子式都不等于 A 的各阶顺序主子式都不等于零，即
−1 −1 1 2
1 4 7 0 −3 − 6 = U L2 L1 A = 0 0 1
∴ A = L L U = LU
其中
1 0 0 2 1 0 −1 − 1 L = L1 L2 = 3 2 1
Gauss消去法的矩阵表示 消去法的矩阵表示 设给定 n 阶矩阵 记
1 0 0 −2 1 0 L1 = −3 0 1
设给定矩阵
则有
7 1 4 0 −3 −6 L1 A = 0 −6 −11
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。