第3章 线性代数方程组的解法

合集下载

计算方法(3)第三章 线性代数方程组的解法

计算方法(3)第三章 线性代数方程组的解法

“回代”解得

xn

bn ann


xk

1 akk
[bk

n
akj x j ]
j k 1

其中aii 0 (i 1,2,......, n)
(k n 1, n 2, ,1)
返回变量
函数名
function X=backsub(A,b) 参数表
%Input—A is an n×n upper- triangular nonsingullar matrix % ---b is an n×1 matrix
x1

xi

b1 / a11
i 1
(bi aik
k 1
xk ) / aii
(i

2,3,
, n)
如上解三角形方程组的方法称为回代法.
二. 高斯消元法(Gaussian Elimination)
高斯消元法的求解过程,可大致分为两个阶段:首先, 把原方程组化为上三角形方程组,称之为“消元”过 程;然后,用逆次序逐一求出上三角方程组(原方程组的 等价方程组)的解,称之为“回代”过程.
符号约定:
1. (λEi )(Ei ): 第i个方程乘以非零常数λ。 2. (Ei +λEj )(Ei ): 第j个方程乘以非零常数λ
加到第i个方程。
3.(Ei )(Ej ): 交换第i个方程与第j个方程。
a11 x1 a12 x2 ... a1n xn b1
a21
x1 4 x4 x2 4 1 2 1
故解为(x1,x2 ,x3 ,x4 )T (1,2,0,1)T
A=[1 1 0 1;0 -1 -1 -5;0 0 3 13;0 0 0 -13] b=[4;-7;13;-13] X=backsub(A,b)

第三章线性方程组AX=B的数值解法

第三章线性方程组AX=B的数值解法

线性方程组的解(续1)
求逆运算和行列式计算由于运算量大,实 际求解过程中基本不使用,仅作为理论上 的定性讨论 克莱姆法则在理论上有着重大意义,但在 实际应用中存在很大的困难,在线性代数 中,为解决这一困难给出了高斯消元法 还有三角分解法和迭代求解法

11.03.2019 华南师范大学数学科学学院 谢骊玲

11.03.2019 华南师范大学数学科学学院 谢骊玲
3.4 高斯消去法和选主元(续1)

考虑一个简单的例子:
3x 1 2x 2 7 4x 1 x 2 1

求解第二个方程,得
x2 5

第二个方程减去第 一个方程除以3再乘 以4得到的新方程, 得到新的方程组:
3x 1 2x2 7 5 25 x2 3 3
上三角线性方程组的求解(续1)
(2) 式可简写成 u11 U
11.03.2019
U x b , 其中
u12 u1n u 22 u 2 n u nn
华南师范大学数学科学学院 谢骊玲
3.4 高斯消去法和选主元
求解有N个方程和N个未知数的一般方程组 AX=B的一般做法:构造一个等价的上三角 方程组UX=Y,并利用回代法求解 如果两个N×N线性方程组的解相同,则称 二者等价 对一个给定方程组进行初等变换,不会改 变它的解
2 x1 x2 4 x3 16 1 x2 5x3 -14 2 x1 3x2 3x3 16
2 x1 x 2 4 x3 16 1 x 2 5 x3 -14 2 5 x 2 x3 8 2
11.03.2019
2x1 x2 4x3 16 x2 10x3 -28 26x3 78

文档:线性代数第三章 线性方程组

文档:线性代数第三章 线性方程组

第三章 线性方程组第一章中的克莱姆法则解决了部分线性方程组的求解问题。

当系数矩阵行列式||0A =,或方程组的个数与未知量个数不相等时,克莱姆法则就无法给出解的存在性。

另外即使可用克莱姆法则求解的线性方程组,其计算量也非常大,这一章主要解决一般线性方程组的求解问题。

§1 解的有关概念对于一般线性方程组11112211211222221122n n n n m m mn n ma x a x a xb a x a x a x b a x a x a x b +++=⎧⎪+++=⎪⎨⎪⎪+++=⎩, 记()ij m n A a ⨯=,12(,,,)T n X x x x =,12(,,,)T m B b b b =,则线性方程组可写成矩阵形式AX B =。

记(|)A A B =,称为线性方程组的增广矩阵。

如果0X 满足0AX B =,则称0X 为线性方程组AX B =的解;如果对任意X ,AX B =均不成立,称线性方程组AX B =无解。

有解的线性方程组也称为相容的线性方程组,无解的线性方程组称为不相容的线性方程组。

定义1:设有线性方程组11 (I)A X B =和22(II)A X B =,如果(I)的解全是(II)的解,且(II)的解也是(I)的解,则称线性方程组(I)与(II)同解。

如果线性方程组的解能用统一的形式来表示,称该解为线性方程组一般解(或通解);相对应的具体的解称为特解。

求解线性方程组就是把线性方程组经过同解变换化成容易求解的方程组。

从而写出方程组的解。

§2 线性方程组的解法定义2:下列变换称为方程组的初等变换: 1) 交换两个方程位置; 2) 某一方程的非零k 倍;3) 某一方程的k 倍加到另一方程上。

性质1:方程组的初等变换是同解变换。

按同解的定义验证每经过一次方程组的初等变换均不改变方程组的解即可。

性质2:方程组的初等变换,对应于增广矩阵的初等行变换。

线性代数第三章线性方程组第4节线性方程组解的结构

线性代数第三章线性方程组第4节线性方程组解的结构

c1
1 0
c2
0 1
k1
1 1
k2
2 2
1
0
0
1
得 c1 k2
cc12
k1 k1
2k2 2k2
c1 k2
即 c1 k2 0
cc12
k1 k1
2k2 2k2
0 0
c1 k2 0
解得 c1 k2,c2 k2,k1 k2.

k2 k 0,
则方程组(Ⅰ)、(Ⅱ)的公共解为
(kk21
(k1 k2 )
k2 k2
)0 0
解之得到
k1 k2.
当k1 k2 0时,向量
k1(0,1,1, 0)T k2 (1, 2, 2,1)T k2[(0,1,1, 0)T (1, 2, 2,1)T
满足方程组(Ⅰ).
k2 (1,1,1,1)T
并且它也是方程组(Ⅱ)的解,故它是方程组(Ⅰ)与(Ⅱ)的 公共解.
定理3.17 若0是非齐次线性方程组AX=b的一个解,则方程组 AX=b的任意一个解 都可以表示为 0 其中 是其导出组AX=0的某个解,0称为方程组
AX=b的一个特解.
例7 求线性方程组
x1 2x2 3x3 x4 3x5 5
3x1
2x1 4x2
x2 2x4 6x5 1 5x3 6x4 3x5
0 0
x1 5x2 6x3 8x4 6x5 0
的一个基础解系.并求方程组的通解.
解 方程组中方程个数小于未知量的个数,所以方程组有 无穷多解.
对方程组的系数矩阵施以初等行变换,化为简化的阶 梯形矩阵:
3 1 6 4 2
A 2
2
3 5
3
1 5 6 8 6

线性代数方程组的解法

线性代数方程组的解法

2 3 2 n O( n ) 3
mult a(i , j ) a( j, j ); for k j 1 : n a(i , k ) a(i , k ) mult * a( j , k ); end b(i ) b(i ) mult * b( j ); end
end
LU分解
求A的LU分解(L是下三角矩阵,U是上三角矩阵)
1 1 1 1 3 4 3 4
LU分解
性质1 设向量
, xn ) 且 xk 0 T 则存在唯一的下三角阵 Lk I lk ek ,满足 x ( x1 , x2 ,
T
Lk x ( x1 ,
第三章 线性方程组的直接解法
/*Direct Method for Solving Linear Systems*/
求解 A x b, A R
Cramer法则:
nn
det( A) 0
Di xi D
i 1, 2,
,n
所需乘除法的运算量大约为(n+1)!+n
n=20时,每秒1亿次运算速度的计算机要算30多万年!
Gauss消去法的消元过程算法
for for
j 1: n 1
i j 1: n
2 3 2 n O( n ) 3
mult a(i , j ) a( j, j ); for k j 1 : n a(i , k ) a(i , k ) mult * a( j , k ); end b(i ) b(i ) mult * b( j ); end
方程组可化为下面两个易求解的三角方程组
Ly b Ux y
二、 高斯消去法

线性代数方程组的解法

线性代数方程组的解法

A = 0.00001000000000 2.00000000000000
2.00000000000000 3.00000000000000
>> b=[1;2] b= 1
2
精确解:0.2500018… 0.2500 0.4999987… 0.5000
>> Gauss4(A,b,5)
ans =
高斯消元法
xn1
bn1
ann xn bn
则容易求得解为:
xn bn / ann
A为上三角矩阵
xk (bk
n jk
1
akj

x
j
)
/
akk
,
k n 1, ,1 4
下三角形方程组,下三角矩阵:
a11 0
a21
a22
an11
an1
则解为:
0 an1n2 ann2
an1n1 ann1
/
a(1) 11
1.14615
对于 n 阶方程,用增广矩阵 [A b] 推导高斯消 元法的求解过程:
(1)消元计算 (2)回代求解
13
1 0 0 0 2 1 3 1 1
1
1
0 0 2 2 1 1 2
0.5 1 1 0 1 1.5 1 1 3
15.5 25.5 23 1 3 1 2 1 4
0 0 0.5 2.5
0 0 0 65
15
2 1 3 1 或则: A 2 2 1 1 L U
1 1.5 1 1 3 1 2 1
1 0 0 0 2 1 3 1
1
1
0.5 1
0 0 0 1 2
2
1 0 0 0 0.5 2.5

计算方法第三章 解线性代数方程组的直接法


再由回代过程可得
x3 2, x2 8, x1 -13.
2021年7月16日星期五
精选课件
14
3.1.2 主元消去法 顺序消去法的缺陷
在进行第k步消元时,一定要假设主元ak(kk) 0,否则 在消元过程中就会出现“主元素”ak(kk) 0的情形,这时 消元过程将无法进行下去。另外,尽管det( A) 0, 但如果 “主元素”ak(kk ) 很小,由于计算机字长有限,必然有舍入 误差等因素的影响,其本身常常有较大的相对误差,用 它做除数就会导致其它元素舍入误差的扩散,这样就使 解极不准确,甚至可能产生溢出停机。
103 (0.20)
a122 101(0.10) 103 (0.20) 101(0.10) 103 (0.20) a123 101(0.10) 103 (0.20) 100 (0.50) 103 (0.10) 于是我们得到系数矩阵为上三角形的方程组
10(2 00.50)
110( 01(300.1.20) 0)
a1n a2n ,
an1 an2 ann
x1
x
x2
xn

b1
b
b2
bn
.
当方程组(3.1)的系数矩阵的行列式不等于零时,方程组有唯一解:x A1b
而且这个方程组的解可用克莱姆(Cramer )规则表示为:
xi
Ai A
,
i 1,2,, n.
其中记号 A 为矩阵A的行列式,Ai 表示把行列式 A中的第i列元素换成右端项b后,
所得到的n阶行列式。
2021年7月16日星期五
精选课件
2
2021年7月16日星期五
精选课件
3
§3.1 高斯(Gauss)消去法

线性代数第三章第三节线性方程组的解课件


B1 1 ~1 1
1
1 2
1
1
1
1 1
2
~ 0 - 1 1 - - 2
0
1-
1 - 2
1
-
2
1 1
~ 0 -1 1-
2
- 2
0
0
2 - - 2
1
-
2
-
3
1 1
0 -1
1-
2
1 -
0
0
1 - 2
1
-
1
2
1 当 1时,
1 1 1 1 B ~ 0 0 0 0
例3 求解非齐次方程组的通解
x1 x1
-
x2 x2
x3 x3
-
x4 0 3x4 1
.
x1 - x2 - 2x3 3x4 -1 2
解 对增广矩阵B进行初等变换
1 - 1 - 1 1 0 1 - 1 - 1 1 0 B 1 -1 1 - 3 1 ~ 0 0 2 - 4 1
1 - 1 - 2 3 - 1 2 0 0 - 1 2 - 1 2
所以方程组的通解为
x1 1 0 1 2
x2 x3 x4
x2
1 0
0
x4
0 2 1
102 .
0
其中x2 , x4任意.
x1 - x2 a1
例4
证明方
程组
x2 x3
-
x3 x4
a2 a3
x4
-
x5
a4
x5 - x1 a5
有解的充要条件
是a1 a2 a3 a4 a5 0.在有解的情况下,
0
0 1
-2 2

第三章线性代数方程组的直接解法


由此看出,高斯消去法解方程组基本思想是设
法通消常去把方按程照组的先系消数元矩,阵后A回的代主两对个角线步下骤的求元解素线,而性 将方A程x=组b化的为方等法价称的上为三高角斯形(方G程a组us,s然)后消再去通法过。回
代过程便可获得方程组的解。换一种说法就是用矩 阵行的初等变换将原方程组系数矩阵化为上三角形 矩阵,而以上三角形矩阵为系数的方程组的求解比较 简单,可以从最后一个方程开始,依次向前代入求出 未知变量 xn , xn1 , , x1 这种求解上三角方程组的 方法称为回代, 通过一个方程乘或除以某个常数,以 及将两个方程相加减,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。
3.2.2 高斯消去法算法构造 我们知道,线性方程组(3.1)用矩阵形式表示为
a11 a12 a21 a22 an1 an2
a1n
a2n


ann

x1 b1

x
2


b2


xn bn
每个方程只含有一个未知数,从而得出所求的解。
整个过程分为消元和回代两个部分。
(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 加到方程 ③上去,这样就消去
2
了第2、3个方程的 x1 项,于是就得到等价方程 组
2x1 x2 3x3 1

2
x1

x2
3x3
1

4x2 x3 2

5 2
x2

3 2
x3

13 2

第三章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。

()⎪⎪⎪⎪⎪⎭⎫⎝⎛==⇔∈⨯nn n n n n ij nm a a a a a aa a a a ΛΛΛΛΛΛ212222111211A R A 此实数排成的矩形表,称为m 行n 列矩阵。

⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=⇔∈n n x x x M 21x R x x 称为n 维列向量矩阵A 也可以写成)(n 21a ,,a ,a A Λ= 其中 a i 为A 的第i 列。

同理⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=T T T n 21b b b A M其中Ti b 为A 的第i 行。

矩阵的基本运算:(1) 矩阵加法 )( ,n m n m 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 nm a c ==∈⨯ , ,A C RA(5) 单位矩阵 ()nn ⨯∈=Re ,,e ,e I n 21Λ,其中()Tk e 0,0,1,0,0ΛΛ= k=1,2,…,n(6) 非奇异矩阵 设n n ⨯∈R A ,n n ⨯∈R B 。

  1. 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. 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. 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)。

回代: Xn= ann+1(n)/ann(n) 编程时,
为节省内存将Xn放在a nn+1(n)
同理X i 放在 a in+1(i) 第i次回代公式(i=n-1…..1) Xi(即a in+1(i))=(a in+1(i) )/aii(i)
二、算法描述
1、消元
对k=1…..n-1
消元因子: C= aik(k)/ akk(k) ( i= k+1….n )
从求解过程可以看出,在第一种解法中,乘以的系数为 m=5.291/0.0030,第二种解法中,乘以的系数为 m=0.0030/5.291。我们希望m尽量小,希望主元尽可能大, 就有了列主元消去法(按列)。
i2
(1)
1n ( 2) 2n ( 3) 3n ( 3) nn
(2)
,b
(3)
b b b b
(1)
1 ( 2) 2 ( 3) 3 ( 3) n



a
b
(3) ij
a ij m i2a 2 j
bi b2 mi2
(2) (2)
m
i, j
a i2
a
(2) 22
(3) i
3, 4 , ,n

(1)
a
(1)
(1) ij
,
bi →
(1) (1)
b
(1) i
T
A
(1)
X b : A [ a ij ] , b
( b( 1 ),, b( 1 ) ) n 1
第一步消元:
(1) 若 a11 ≠0 : 1) (1) (第二行 ) (第一行) a(21 a11 → (新第二行 )
1) (1) (第三行 ) (第一行 ) a( a 31 11 → (新第三行 )
直接法:在假定没有舍入误差的情况下,经过有限次 运算可以求得方程组的精确解;(快速有效)
迭代法:从一个初始向量出发,按照一定的迭代格 式,构造出一个趋向于真解的无穷序列(节省内存)。
第二节 高斯消去法
高斯消去法是解线性方程组最常用的方法之一,
它的基本思想是通过逐步消元,把方程组化为系数矩
阵为三角形矩阵的同解方程组,然后用回代法解此三
系数矩阵与常数项:
(1) a 11 0 (n) A 0 0
a a a a 0 a
12 (2) 22
(1)
(1) 13 (2) 23 (3) 33

0
0
a1n (2) a 2n (n) (3) ,b a 3n (n) a nn
x1 2 2 x2 2 x3 2
考虑 一般n 阶线性方程组:
a11 x 1 a21 x 1 an1 x1 a x ... 1a n xn 1 b 1 2 2 a x ... 2a n xn 2 b 矩阵形式 2 2 2 an 2 x 2 ... ann xn bn
得到新同解方程组:
A
(2)
x b
(1)
(2)
a
其中 A
( 2)
(1)
11
0 0
a a a
(1)
(1)
12 ( 2) 22

a a a
1n ( 2) 2n

( 2) n2 ( 2) nn
b ,b b
(2)
(1)
1 ( 2) 2
b
(1) i1
( 2) n
这里
a
(2) ij
aij mi1 a1 j
(1)
m a a
i1
(1)
11
第二步消元: 若
a
a a a a
(2) 22
0 ,对除第一行第一列外

的子阵作上计算:
a A
( 3)
(1)
11
0 0 0
a a
(1)
(1)
12 ( 2) 22
13 ( 2) 23 ( 3) 33 ( 3) n3
(2)
0 0
(2)
a a a a
如果将两个方程互换,再采用高斯消去法解方程组
5.291x1 6.130x2 46.78 0.0030x1 59.14x2 59.17
消元后得59.14x2=59.14,则x2=1.000
将x2代入第一个方程中,得 x1=10.000
ቤተ መጻሕፍቲ ባይዱ
此时,利用高斯消去法得到的结果与精确解一致。
Ax b
高斯消去法的主要思路:
将系数矩阵 A 经过消元过程化为上三角矩阵,然后回代 求解。
=
即:
a11 x1 a12 x2 ... a1n xn b1 a21 x1 a22 x2 ... a2n xn b2 an1 x1 an2 x2 ... ann xn bn
系数变化:
① aij(k+1) = aij(k) (i≤ k) ② aij(k+1) = aij(k) - C. akj(k) ( i > k , j=k+1,…,n+1 )
2、回代
第 i次回代公式 ( i=n,n-1….1) Xi(即a in+1(i))=(a in+1(i) )/aii(i)
三、特点
所以,第K次消元时(后)(K=1….n-1)
消元因子: M = aik(k)/ akk(k) ( i= k+1,n ) 系数变化:
① aij(k+1) = aij(k) (i≤ k)
② aij(k+1) = aij(k) - M. akj(k) (i>k , j=k+1…n+1) 最后得到:
[A(n) | b(n)] (n-1 次消元后)其增广矩阵为:
1 2 2 2 ( A, b) 2 3 3 4 4 1 6 3 2 2 1 2 0 1 7 8 0 0 6 1 6 1
解:
2 2 1 2 0 1 7 8 0 9 2 11
x3 1
x2 8 7 x3 1
角形方程组可得方程组的解。
我们知道,下面有3种方程的解我们可以直接求出:

bi A diag(a11, a22 ,, ann ) xi , i 1,, n aii
②上三角
n u11 u12 u1n bi uij x j u22 u2 n j i 1 A x , i n,,1 i uii u nn
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 因此,对应的对增广矩阵(A,b),作如下的变换,解不变。 ①交换矩阵的两行
②某一行乘以一个非0的数
③某一行乘以一个非0数,加到另一行
举例(一)
x1 2 x2 2 x3 2 例:直接法解线性方程组 2 x1 3 x2 3 x3 4 4 x1 x2 6 x3 3
(第n行) (第一行) a n1
(1)
a → ( 新第n行 )
11
(1)
相当于第i个方程-第一个方程×数→新的第i方程 同解!第一方程不动!
上述消元过程除第一个方程不变以外,第2—第 n
个方程全消去了变量 1,而系数和常数项全得到新值:
(1) (1) (1) (1) (1) a1n x n b1 a 11 x1 a 12 x 2 a 13 x 3 (2) (2) (2) (2) a 23 x 3 a 2 n x n b 2 a 22 x 2 (2) (2) (2) (2) a 32 x 2 a 33 x 3 a 3n x n b 3 (2) (2) (2) (2) a n 3 x 3 a nn x n b n a n2 x 2
其绝对值很小时,在高斯消去法中,因为M
= aik(k)/ akk(k) ,所以不是因为M数值过大,就 是舍入误差过大,与实际的解相差很远。
零主元或小主元问题
例如:求解下列方程组
0.0030x1 59.14x2 59.17 5.291x1 6.130x2 46.78
此方程组的准确解为:x1=10.00;x2=1.00 下面采用高斯消去法解方程组(取四位有效数字), 消元后得-1043x2=-1044,则x2=1.001. 将x2代入第一个方程中,得 x1=-9.713 显而易见,利用高斯消去法得到的结果与精确解相差太悬殊了 从求解过程可以看出,在第一种解法中,乘以的系数为 m=5.291/0.0030
a11 a12 ( 2) 0 a22 0 0 0 0
a13 a a
( 2) 23 ( 3) 33

a1n
( 2) 2n ( 3) 3n
a a
a
0

(n) nn
b1 ( 2) b2 ( 3) b3 (n) bn
③下三角
i 1 l11 bi lij x j l21 l22 j 1 A x , i 1,, n i lii l l l nn n1 n 2
消元法就是对方程组做些等价的变换,变为我们已知的3种类型 之一,而后求根。
3 ) ≠0 ,则此消去过程可依次进行下去。 若 a( 33
第 n 1 步消去过程后, 得到等价三角方程组。
A
(n)
x b
(n)
相关文档
最新文档