线性方程组的直接解法
求解线性方程组的直接解法

求解线性方程组的直接解法5.2LU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,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 k1u1j- m k2u2j -…- m k,k-1u k-1,j, j=k,k+1,…,nm ik=(a ik-m i1u1k- m i2u2k -…-m i,k-1u k-1,k>/u kk i=k+1,k+2,…,n于是a kj=m k1u1j+m k2u2j+…+m k,k-1u k-1,j+u kj, j=k,k+1,…,na ik=m i1u1k+m i2u2k+…+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 k1u1j-l k2u2j -…- l k,k-1u k-1,j, j=k,k+1,…,nl ik=(a ik-l i1u1k-l i2u2k -…-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-1for j=k:nu kj=a kj-l k1u1j-l k2u2j -…- l k,k-1u k-1,jendfor i=k+1:nl ik=(a ik-l i1u1k-l i2u2k -…-l i,k-1u k-1,k>/u kkendend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。
数值分析第三章线性方程组解法

数值分析第三章线性方程组解法在数值分析中,线性方程组解法是一个重要的主题。
线性方程组是由一组线性方程组成的方程组,其中未知数的次数只为一次。
线性方程组的解法包括直接解法和迭代解法两种方法。
一、直接解法1.1矩阵消元法矩阵消元法是求解线性方程组的一种常用方法。
这种方法将方程组转化为上三角矩阵,然后通过回代求解得到方程组的解。
1.2LU分解法LU分解法是将系数矩阵A分解为一个下三角矩阵L和一个上三角矩阵U的乘积,然后通过解两个三角方程组求解线性方程组。
这种方法可以减少计算量,提高计算效率。
1.3 Cholesky分解法Cholesky分解法是对称正定矩阵进行分解的一种方法。
它将系数矩阵A分解为一个下三角矩阵L和它的转置的乘积,然后通过解两个三角方程组求解线性方程组。
Cholesky分解法适用于对称正定矩阵的求解,具有较高的精度和稳定性。
二、迭代解法2.1 Jacobi迭代法Jacobi迭代法是一种迭代求解线性方程组的方法。
它通过分解系数矩阵A为一个对角矩阵D和一个余项矩阵R,然后通过迭代更新未知数的值,直至达到一定精度要求为止。
Jacobi迭代法简单易懂,容易实现,但收敛速度较慢。
2.2 Gauss-Seidel迭代法Gauss-Seidel迭代法是一种改进的Jacobi迭代法。
它通过使用新计算出的未知数值代替旧的未知数值,达到加快收敛速度的目的。
Gauss-Seidel迭代法是一种逐步逼近法,每次更新的未知数值都会被用于下一次的计算,因此收敛速度较快。
2.3SOR迭代法SOR迭代法是一种相对于Jacobi和Gauss-Seidel迭代法更加快速的方法。
它引入了一个松弛因子,可以根据迭代的结果动态地调整未知数的值。
SOR迭代法在理论上可以收敛到线性方程组的解,而且收敛速度相对较快。
三、总结线性方程组解法是数值分析中的一个重要内容。
直接解法包括矩阵消元法、LU分解法和Cholesky分解法,可以得到线性方程组的精确解。
(整理)线性方程组的直接法

第二章线性方程组的直接法在近代数学数值计算和工程应用中,求解线性方程组是重要的课题。
例如,样条插值中形成的关系式,曲线拟合形成的法方程等,都落实到解一个元线性方程组,尤其是大型方程组的求解,即求线性方程组(2.1)的未知量的数值。
(2.1)其中ai j,bi为常数。
上式可写成矩阵形式Ax = b,即(2.2)其中,为系数矩阵,为解向量,为常数向量。
当detA=D0时,由线性代数中的克莱姆法则,方程组的解存在且惟一,且有为系数矩阵的第列元素以代替的矩阵的行列式的值。
克莱姆法则在建立线性方程组解的理论基础中功不可没,但是在实际计算中,我们难以承受它的计算量。
例如,解一个100阶的线性方程组,乘除法次数约为(101·100!·99),即使以每秒的运算速度,也需要近年的时间。
在石油勘探、天气预报等问题中常常出现成百上千阶的方程组,也就产生了各种形式方程组数值解法的需求。
研究大型方程组的解是目前计算数学中的一个重要方向和课题。
解方程组的方法可归纳为直接解法和迭代解法。
从理论上来说,直接法经过有限次四则运算,假定每一步运算过程中没有舍入误差,那么,最后得到方程组的解就是精确解。
但是,这只是理想化的假定,在计算过程中,完全杜绝舍入误差是不可能的,只能控制和约束由有限位算术运算带来的舍入误差的增长和危害,这样直接法得到的解也不一定是绝对精确的。
迭代法是将方程组的解看作某种极限过程的向量极限的值,像第2章中非线性方程求解一样,计算极限过程是用迭代过程完成的,只不过将迭代式中单变量换成向量而已。
在用迭代算法时,我们不可能将极限过程算到底,只能将迭代进行有限多次,得到满足一定精度要求的方程组的近似解。
在数值计算历史上,直接解法和迭代解法交替生辉。
一种解法的兴旺与计算机的硬件环境和问题规模是密切相关的。
一般说来,对同等规模的线性方程组,直接法对计算机的要求高于迭代法。
对于中等规模的线性方程组,由于直接法的准确性和可靠性高,一般都用直接法求解。
数值代数方法及其应用

数值代数方法及其应用数值代数是数学中的一个分支,旨在通过计算和近似方法解决代数问题。
它结合了代数、数值计算和计算机科学的概念和技术,为科学研究和工程应用提供了强大的工具。
本文将介绍数值代数方法的基本原理、常用技术和应用领域。
一、数值代数方法简介数值代数方法是研究如何通过数值计算求解代数问题的学科。
它的核心思想是用数值计算的方式近似求解代数方程组、计算矩阵的特征值和特征向量等。
数值代数方法基于线性代数和数值分析的基本理论,通过算法和计算机程序实现。
数值代数方法的主要目标是提供一种有效、准确的计算方法,解决实际问题中的线性和非线性代数问题。
它在科学计算、工程模拟、金融建模等领域发挥着重要作用。
常用的数值代数方法包括线性方程组的直接解法、迭代解法、特征值问题的求解方法等。
二、常用的数值代数方法1. 线性方程组的直接解法线性方程组是数值代数中常见的问题之一,它的解决涉及到矩阵的运算和数值计算。
常用的直接解法包括高斯消元法、LU分解法等。
这些方法通过将线性方程组转化为等价的上三角或下三角矩阵,从而求解方程组的解。
2. 迭代解法当线性方程组规模较大时,直接解法的计算量较大。
此时可以使用迭代解法,通过反复迭代逼近线性方程组的解。
常用的迭代解法包括雅可比迭代法、高斯-赛德尔迭代法等。
这些方法通过计算矩阵的逆或逼近逆,逐步接近线性方程组的解。
3. 特征值问题的求解方法特征值问题在物理、化学、工程等领域中都有广泛的应用。
求解特征值问题涉及到矩阵的特征向量和特征值的计算。
常用的方法包括幂法、反幂法、QR方法等。
这些方法通过迭代计算矩阵的特征向量和特征值,从而求解特征值问题。
三、数值代数方法的应用领域数值代数方法在众多领域中都有着广泛的应用。
以下是数值代数方法在几个典型领域中的应用示例:1. 工程应用工程领域中常常需要求解大规模线性方程组,如结构力学问题、电路问题等。
数值代数方法提供了高效、准确的计算方式,可以快速求解这些问题,为工程设计和优化提供支持。
数值分析-线性方程组的直接解法

算法 Gauss(A,a,b,n,x)
1. 消元 For k=1,2, … , n-1 1.1 if akk=0 , stop; 1.2 For i=k+1,k+2, …, n 1.2.1 l ik=aik /akk => aik 1.2.2 For j=k+1,k+2, … ,n ai j -aik ak j =>aij 1.2.3 bi -aik bk=> bi 2. 回代 2.1 bn / an=>xn; 2.2 For i=n-1,n-2, …, 2,1 2.2.1 bk => S 2.2.2 For j=k+1,k+2, … ,n S –akj xj =>S 2.2.3 S/ akk => xk a1 1 a1 2 a13 a2 1 a2 2 a23
线性方程组的直接解法
刘 斌
线性方程组的直接解法
§1 Gauss消去法 1.1 顺序Gauss消去法
1.2
§2 2.1 2.2 2.3
列主元Gauss消去法
Gauss消去法的矩阵运算 Doolittle分解法 平方根法
直接三角分解方法
2.4
追赶法
引入
在科学计算中,经常需要求解含有n个未知量 的n个方程构成的线性方程组 a11 x1 a12 x2 a1n xn b1 a21 x1 a22 x2 a2 n xn b2 (1) an1 x1 an 2 x2 ann xn bn
(1) a12 ( 2) a22 0
(1) (1) a13 a1 n ( 2) ( 2) a23 a2 n ( 3) ( 3) a33 a3 n
0
数值分析小论文线性方程组的直接解法

数值分析小论文线性方程组的直接解法线性方程组的直接解法是指通过一系列的代数运算直接求解线性方程组的解。
线性方程组是数值分析中非常重要的问题,广泛应用于工程、科学、计算机图形学等领域。
在线性方程组的直接解法中,最常用的方法是高斯消元法,它是一种基于矩阵变换的方法。
高斯消元法将线性方程组表示为增广矩阵,并通过一系列的行变换将增广矩阵转化为行阶梯形矩阵,从而得到方程组的解。
高斯消元法的主要步骤包括消元、回代和得到方程组的解。
消元是高斯消元法的第一步,通过一系列的行变换将增广矩阵的元素转化为上三角形式。
在消元过程中,我们首先找到主元素,即矩阵的对角线元素,然后将其它行的元素通过消元操作转化为0,从而使得矩阵逐步变成上三角形矩阵。
回代是高斯消元法的第二步,通过一系列的回代操作求解线性方程组。
回代操作是从上三角形矩阵的最后一行开始,通过依次求解每个未知数的值,最终得到方程组的解。
高斯消元法的优点是算法简单易于实现,可以在有限的步骤内求解线性方程组,适用于一般的线性方程组问题。
但是高斯消元法也存在一些问题,例如当矩阵的主元素为0时,无法进行消元操作,此时需要通过行交换操作来避免这种情况。
另外,高斯消元法对病态矩阵的求解效果较差,容易引起舍入误差累积,导致解的精度下降。
在实际应用中,为了提高求解线性方程组的效率和精度,人们常常使用一些改进的直接解法,例如列主元高斯消元法和LU分解法。
列主元高斯消元法通过选择最大主元来避免主元为0的情况,进一步提高了求解线性方程组的精度。
LU分解法将矩阵表示为两个矩阵的乘积,从而将线性方程组的求解问题转化为两个三角形矩阵的求解问题,提高了求解效率。
综上所述,线性方程组的直接解法是一种基于矩阵变换的方法,通过一系列的代数运算求解线性方程组的解。
高斯消元法是最常用的直接解法之一,它简单易于实现,适用于一般的线性方程组问题。
在实际应用中,可以通过改进的直接解法来进一步提高求解效率和精度。
数值分析第二章解线性方程组的直接方法

a2(22) x2 ... a2(2n) xn b2(2) ,
..............
an(nn) xn bn(n) .
对此方程组进行回代,就可求出方程组的解.
xn
xiΒιβλιοθήκη bn(n) (bi(i )
an(nn) ,
n
ai(ji ) x
j i 1
j
)
ai(ii ) ,
i n 1,n 2,,1.
x3 x3
1 1
4x1 2x2 2x3 3
消去后两个方程中的x1得
x1
2 x2 5 x2
x3 1 2x3 2
6x2 6x3 1
再消去最后一个方程的x2得
x1
2 x2 5 x2
x3 1 2x3 2
42 5
x3
7 5
消元结束.
x1
1 2
经过回代得解:
x2
1 3
互换, 因而程序比较复杂, 计算时间较长.
• 列主元素法的精度虽然稍低于全主元素法, 但其
计算简单, 工作量大为减少, 且计算经验与理论实
践均表明, 它与全主元素法同样具有良好的数值稳
定性.
• 列主元素法是求解中小型稠密线性方程组的最好
方法之一.
27
§2 直接三角分解法
Gauss消元法的矩阵表示
a12
a13
a 1 0 a21 a22 a23 a21 aa11 a22 aa12 a23 aa13
b 0 1 a31 a32 a33 a31 ba11 a32 ba12 a33 ba13
28
n=3时Gauss消元法的矩阵表示
a11 a12 a13 A a21 a22 a23
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。
- 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)。
第4章 线性方程组的直接解法本章主要内容线性方程组的直接解法——消元法(高斯消元法、主元消元法). 矩阵的三角分解法( Doolittle 分解、Crout 分解、 LDU 分解) 紧凑格式 改进平方根法.本章重点、难点一、消元法(高斯消元法、列主元消元法)本章求解的是n 阶线性方程组Ax=b 的(即方程的个数和未知量的个数相等的线性方程组)⎪⎪⎪⎩⎪⎪⎪⎨⎧=+⋅⋅⋅++⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅=+⋅⋅⋅++=+⋅⋅⋅++nn nn 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 2211232222121112121111. 高斯消元法①高斯消元法的基本思想:通过对线性方程组Ax=b 的进行同解消元变换(也可以用矩阵的初等行变换法进行线性方程组的消元变换),将线性方程组化为上三角形方程组,然后用回代法求出此线性方程组的解。
②高斯消元法计算公式:⎪⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎪⎨⎧--=-=--==⎪⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎪⎨⎧+=-=-=====-+=------------∑)1,...,2,1()1,...,2,1(,...,1,,,,...,2,1),...,2,1,(,)1(1)1()1()1()1()1()1()1()1()()1()1()1()1()(,)0()0(n n i a x a b x n n i a b x nk j i b a a b b a a a a a n k n j i b b a a i ii ni j ji ij i i i n nnn nn k k k kk k ik k i k i k kjk kk k ik k ij k ij i i ij ij对回代公式:消元公式:利用高斯消元法进行消元时,消元过程能进行到底的充分必要条件是系数矩阵A 的各阶顺序主子式不为零。
或要求),,1(0)1(n k a k kk =≠-,若0)1(=-k kka (k=1,..,n ),则消元法过程无法进行;若虽然0)1(≠-k kka ,但很小,用它作除数,会引起很大的误差。
所以为了减小舍入误差、提高数值计算的稳定性,通常采用选主元的消元法(包括列主元消元法和全主元消元法)。
2. 主元消元法①列主元消元法的计算步骤: 在进行第k (k=1,2,…,n-1)步消元时,首先在第k 列下面的n-k+1个元素中选取绝对值最大的元素)1()1()1(max ,-≤--=k ik ik k pk k pka a a 即作为列主元素,然后将列主元所在方程与第k 个方程交换位置,再按照高斯消元法进行消元、回代计算。
②全主元消元法的计算步骤: 在进行第k (k=1,2,…,n-1)步消元时, 首先在第k 行至第n 行和第k 列至第n 列的(n-k+1)2个元素中选取绝对值最大的元素)1()1()1(,max ,-≤--=k ij ji k k pq k pq a a a 即作为全主元素,然后将全主元所在行与第k 行交换,将全主元所在列与第k 列交换,再按照高斯消元法进行消元、回代计算。
例1 用高斯消元法、列主元消元法解线性方程组⎪⎪⎩⎪⎪⎨⎧-=+-=-+--=+-1242222321321321x x x x x x x x x解 1. 高斯消元法 用矩阵的初等行变换法求解① 消元[]⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡----−→−⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-----−→−⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-----=130023102211763023102211121421122211b A得同解上三角方程组为 :⎪⎩⎪⎨⎧=-=+--=+-132322332321x x x x x x② 回代,得:⎪⎪⎪⎩⎪⎪⎪⎨⎧=⨯-+-==⨯+==31312323313231123x x x方程组的解为:⎪⎪⎩⎪⎪⎨⎧===31331321x x x2.列主元消元法① 消元[]⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡----−→−⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡----−→−⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡----−→−⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡------−→−⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-----=3110075.15.175.0012145.105.0075.15.175.00121475.15.175.005.105.001214221121121214121421122211b A 得同解上三角方程组为 :⎪⎪⎪⎩⎪⎪⎪⎨⎧=-=+--=+-3175.15.175.0124332321x x x x x x② 回代,得方程组的解为:⎪⎪⎪⎩⎪⎪⎪⎨⎧===31331321x x x二 矩阵的三角分解(包括Doolittle 分解和Crout 分解) ㈠ 矩阵的三角分解和线性方程组的关系若线性方程组Ax=b 的系数矩阵A 能进行三角分解,即A=LR ,则解线性方程组Ax=b 等价于求解两个系数矩阵为三角阵的方程组 LY=b 和 RX=Y 。
其中消元法的消元过程就是分解系数矩阵为A=LR ,并解线性方程组LY=b ,而回代过程则是解方程组RX=Y 。
用代入法解方程组LY=b 的计算公式为:⎪⎪⎩⎪⎪⎨⎧⋅⋅⋅=-==∑-=nk y l b y b y k m m km k k ,,3,21111再回代解方程组RX=Y 的计算公式为:⎪⎪⎩⎪⎪⎨⎧⋅⋅⋅-=-===∑+=1,,1/)(3/1n k r x r y x r y x kk n k m m km k k nn n n㈡ 矩阵的三角分解是将给定的n 阶矩阵A ,找到一个下三角矩阵L 和上三角矩阵R,使得A=LR.1. Doolittle 分解:是指将矩阵A 分解为单位下三角矩阵L 和上三角矩阵R,即A=LR.2. Crout 分解: 是指将矩阵A 分解为下三角矩阵L ~和单位上三角矩阵R ~,即3. LDU 分解: 是指将矩阵A 分解为单位下三角矩阵L 、对角矩阵D 和单位上三角矩阵R,即A=LDR.注意:不是任何方阵都可以进行三角分解。
例如二阶非奇异矩阵⎥⎥⎦⎤⎢⎢⎣⎡0110就没有三角分解。
㈢ 矩阵A 进行三角分解的条件与结论:若矩阵A 的所有顺序主子式detA k ≠0(k=1,2,…,n-1),则 ①存在唯一单位下三角阵L 和上三角阵R.使得A=LR ;②存在唯一的单位下三角阵L 、对角阵D 和单位上三角阵U ,使得A=LDU. ㈣ 主元消元法与矩阵分解的条件与结论:若n 阶矩阵A 非奇异,即detA ≠0,则①存在n 阶置换矩阵P,元素绝对值不大于1的单位下三角阵L 和上三角阵R,使得PA=LR ②存在n 阶置换矩阵P 和Q,元素绝对值不大于1的单位下三角阵L 和上三角阵R,使得PAQ=LR 例2 已知矩阵⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=342454122A 检验A 是否满足三角分解的条件,若满足条件,则进行R L A LDU A LR A ~~,,===分解.解 因为02det 1≠=A ,02det 2≠=A ,04det ≠-=A ,所以A 满足三角分解条件, 下面用高斯消元法分解因为0211≠=a ,存在消元阵11-L ,使得⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--=-22211223424541221112111A L由01)1(22≠=a ,存在消元阵12-L ,使得⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=--221122222112212111112A L L 于是有⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡==221122121121LR A再取 ⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡-=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=-211212121D D⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡-==-1212111221122211211R D U 于是有⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡==1212111212121121LDU A 再取UR LD L =⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-==~222142~于是有⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-==1212111222142~~R L A三、紧凑格式紧凑格式是利用矩阵乘法和矩阵相等的法则,对矩阵A 直接进行三角分解的一种有一定规律的、便于记忆的分解方法。
并且可以用此方法很容易地求解线性方程组。
紧凑格式的公式为:⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧⋅⋅⋅+=-=⋅⋅⋅=-=⋅⋅⋅=⋅⋅⋅==⋅⋅⋅==∑∑-=-=nk i r r l a l n k j r l a r n ki n j r a l n j a r kk k m mj km ik ik k m mj km kj kj j j j j ,,1,/)(,,,,,2,,2,;),,2,1(,1111111111)(对)(⎪⎩⎪⎨⎧-=-==⎪⎩⎪⎨⎧=-==∑∑+=-=1,,1,)(,,,2,11111 n k r x ry x y x nk y l b y b y kk nk m m kmk k n n k m mkm k k紧凑格式的计算表:利用紧凑格式的计算表对矩阵进行三角分解的步骤:1. 计算顺序:将a ij ,r ij ,l ij 按紧凑格式的计算表排列好,计算时按框从外到内进行,每一框中先计算行,从左向右依次计算r ij ;再计算列,自上而下计算l ij 。
2. 计算方法:按行计算时,需将所求元素r ij 的对应元素a ij 逐项减去r ij 所在行左边各框的元素l ik 乘以r ij 所在列上面各框相应的元素r kj ; 按列计算l ij 时,在作上述运算后还需除以l ij 所在框的对角元素r ii 。
3. 写出矩阵的三角分解式。
例3 利用紧凑格式法对线性方程组AX=b 的系数矩阵A 进行三角分解,并求解此线性方程组。
其中⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡-=1721,542774322b A【思路】可以利用矩阵的乘法和矩阵相等的法则对矩阵A 直接进行三角分解; 也可以利用紧凑格式的计算公式(或列出紧凑格式的计算表)按顺序计算出单位下三角阵L 和上三角阵R 的元素,直接完成A=LR 的三角分解.再分别代入两个三角方程LY=b ,RX=Y 中,求出方程的解X解 方法一解 首先直接完成矩阵A 的三角分解LR A =⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-332322131211323121111542774322r r r r r r l l l根据矩阵乘法法则及矩阵相等的定义, 用L 第一行乘R 各列得3,2,2131211===r r r再用L 第二、三行乘R 第一列得 122,2243121-=-===l l用L 第二、三行乘R 第二、三列得3227,32272322=⨯-==⨯-=r r再用L 第三行乘R 第二列得 232)1(432=⨯--=l最后再用L 第三行乘R 第三列得6123)1(533=⨯-⨯--=r 于是得矩阵A 的三角分解式⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=600130322121012001A然后解单位下三角形方程组b LY = 即⎪⎩⎪⎨⎧=--==-===⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=18011721121012001,232131331212211321y l y l b y y l b y b y y y y b LY 则得,即 由第一个方程开始逐个代入得 TY )18,0,1(= 再解上三角形方程组Y RY =即TT x x x x r x r x r y x r x r y x r y x x x x Y RX)3,1,3(),,(3/)(1/)(3/1801600130322321113132121122323223333321--==∴⎪⎩⎪⎨⎧-=--=-=-===⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=方程组的解为则得即又方法二利用紧凑格式的计算公式得()⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=∴=+-==⨯--=-==⨯-=-==⨯-=-=-=-===========6001303221210120016001303221210120016)(,232141327,3227,122,224;3,2,223321331333322123132321321222312212222113131112121131312121111A R L r l r l a r r r l a l r l a r r l a r r a l r a l a r a r a r 即⎪⎩⎪⎨⎧=--==-===⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=1811721121012001,232131331212211321y l y l b y y l b y b y y y y b LY 则得,即TT x x x x r x r x r y x r x r y x r y x x x x Y RX )3,1,3(),,(3/)(1/)(3/1801600130322321113132121122323223333321--==∴⎪⎩⎪⎨⎧-=--=-=-===⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=方程组的解为则得即又四、改进平方根法当矩阵A 为对称矩阵时,它有对称的三角分解式,称为改进平方根法。