【三对角矩阵及其应用】(定稿)-20081314025-吴莉
三对角矩阵lu分解

三对角矩阵lu分解三对角矩阵,是一种特殊的矩阵,也称为三对角矩阵。
其特点是在主对角线的上下两条对角线上,每个非零元素仅在其对角线的相邻两条对角线上有一个元素。
因此,它的非零元素只有3个对角线上的元素。
在实际计算中,三对角矩阵常常是常见的。
为了方便的解决三对角矩阵的求解问题,可以使用LU分解方法。
LU 分解是一种数学问题处理技术,其旨在将矩阵分解成“下三角矩阵”和“上三角矩阵”的乘积形式,从而简化了复杂性。
下面将介绍三对角矩阵LU分解的具体过程。
1.确定矩阵形式:三对角矩阵中,对角线上的元素为主对角线元素,上下两条对角线上的元素为辅对角线元素。
为了利用LU分解方法,需要将三对角矩阵转化成下三角矩阵和上三角矩阵相乘的形式,因此需要确定要分解的三对角矩阵的形式。
2.分解下三角矩阵:首先,通过高斯消去法,将三对角矩阵转化为下三角矩阵的形式。
下三角矩阵是指在转换后,位于主对角线下方的所有元素都是零。
在这个过程中,需要逐列消去所有非零辅对角线元素。
此时,矩阵的主对角线上的所有元素将会被替换为与它处于同一列的辅对角线下方的元素之和。
这个过程需要重复执行,直到将矩阵转化成一个下三角矩阵。
3.分解上三角矩阵:接着,通过较简单的方法将下三角矩阵分解成上三角矩阵的形式。
上三角矩阵是指在转化后,位于主对角线上方的所有元素都是零。
在这个过程中,需要将矩阵的每一行上下翻转,然后再执行与第二步类似的高斯消去操作。
这个过程同样需要重复执行,直到将矩阵转化成一个上三角矩阵。
4.求解分解后的矩阵:在完成上述步骤之后,可以通过将分解后的下三角矩阵和上三角矩阵相乘,进而获得原始的三对角矩阵。
这个步骤只需要进行矩阵乘法运算即可。
通过上述步骤,可以利用LU分解方法求解三对角矩阵。
它比直接求逆矩阵的方法更加高效,也更适合在计算机上使用,因为它不需要进行倒置操作。
不过,在LU分解过程中,需要小心处理矩阵缩放问题和行转置等操作,以避免误差的出现。
三对角矩阵的压缩存储公式推导

三对角矩阵的压缩存储公式推导标题:深入探讨三对角矩阵的压缩存储公式推导在线性代数和数值计算中,三对角矩阵是一类特殊的矩阵,它在科学计算、工程问题和物理建模中有着广泛的应用。
三对角矩阵的压缩存储公式是对其特殊结构的一种有效利用,本文将深入探讨三对角矩阵的性质以及推导其压缩存储公式,帮助读者更好地理解和应用这一重要概念。
一、三对角矩阵的定义及性质三对角矩阵是指除了主对角线上的元素外,只有相邻对角线上的元素不为零的矩阵。
它具有以下的性质:1. 三对角矩阵是一种特殊的带状矩阵,具有较强的结构性质;2. 由于其大部分元素为零,因此可以采用压缩存储方式来节省存储空间;3. 在数值计算中,三对角矩阵往往会出现在线性方程组的求解、差分方程的离散化、特征值计算等问题中,因此了解其压缩存储公式对于优化算法和提高计算效率具有重要意义。
二、三对角矩阵的压缩存储公式推导三对角矩阵的压缩存储公式是一种基于其特殊结构的存储方式,可以将其非零元素存储在一个更小的数组中,从而节省存储空间和提高计算效率。
下面我们将对三对角矩阵的压缩存储公式进行推导。
假设我们有一个n阶的三对角矩阵A,其一般形式如下:\[ A = \begin{pmatrix} a_1 & b_1 & 0 & 0 & \cdots & \cdots & 0 \\ c_1 & a_2 & b_2 & 0 & \cdots & \cdots & 0 \\ 0 & c_2 & a_3& b_3 & 0 & \cdots & 0 \\ \vdots & \vdots & \ddots & \ddots & \ddots & \vdots & \vdots \\ 0 & \cdots & \cdots & c_{n-2} &a_{n-1} & b_{n-1} & 0 \\ 0 & \cdots & \cdots & \cdots & c_{n-1} & a_n \end{pmatrix} \]为了压缩存储这个矩阵,我们可以使用两个数组来存储非零元素,一个数组存储矩阵的对角线上的元素,另一个数组存储矩阵相邻对角线上的元素。
三对角法求微分方程组

三对角法求微分方程组摘要:1.引言2.三对角法的基本原理3.三对角法求解微分方程组的步骤4.举例说明5.结论正文:1.引言微分方程组在数学和物理学等领域有着广泛的应用,如何有效地求解微分方程组一直是学者们关注的焦点。
近年来,数值计算方法在求解微分方程组方面取得了显著进展。
其中,三对角法作为一种常用的数值计算方法,得到了广泛的应用。
本文将对三对角法求解微分方程组的原理和步骤进行详细介绍。
2.三对角法的基本原理三对角法是一种基于矩阵的三对角分解方法,其基本思想是将求解微分方程组的问题转化为求解一组三对角线性方程组。
具体来说,对于一个n 阶微分方程组,首先将其转化为n 个一阶微分方程,然后通过三对角分解,将这些一阶微分方程转化为一组三对角线性方程组。
最后,通过求解这组三对角线性方程组,得到原微分方程组的解。
3.三对角法求解微分方程组的步骤求解微分方程组的三对角法主要包括以下三个步骤:(1) 构造三对角矩阵。
根据微分方程组的系数矩阵,构造一个三对角矩阵。
具体来说,对于一个n 阶微分方程组,构造一个n×n 的三对角矩阵,其中对角线以下的元素为原方程组系数矩阵的元素,对角线以上的元素为原方程组系数矩阵的转置矩阵的元素。
(2) 求解三对角线性方程组。
通过三对角分解,将原微分方程组转化为一组三对角线性方程组。
然后,利用迭代法(如牛顿法、梯度下降法等)求解这组三对角线性方程组,得到一组近似解。
(3) 得到微分方程组的解。
根据三对角线性方程组的解,可以通过反向替换得到原微分方程组的解。
4.举例说明假设有一个二阶微分方程组:y"(x) = 3x^2 - 2y(x)y"(x) = x^3 - xy(x)采用三对角法求解该微分方程组,首先构造一个三对角矩阵:```[ 3x^2 - 2y(x), 0 ][ 0, x^3 - xy(x) ]```然后,通过三对角分解,将该矩阵分解为两个对角矩阵的乘积:```[ 1, 0, 0 ][ 0, 1, 0 ][ 0, 0, 1 ]```将分解后的矩阵代入原矩阵,得到一组三对角线性方程组:```u"(x) = au(x)v"(x) = bv(x)w"(x) = cw(x)```其中,u(x) = y(x),v(x) = xy(x),w(x) = x^2y(x),a = 3,b = 1,c = 1。
软考 n阶三对角矩阵 k i j 关系

软考 n阶三对角矩阵 k i j 关系一、引言在线性代数和数值计算领域,三对角矩阵是一类非常特殊的矩阵。
它的非零元素只分布在主对角线、上对角线和下对角线上,其他位置上的元素均为零。
三对角矩阵在求解线性方程组、计算特征值和特征向量等问题中具有广泛的应用。
本文将介绍三对角矩阵的定义、性质和表示方法,并深入探讨三对角矩阵中元素的关系。
二、三对角矩阵的定义和性质2.1 三对角矩阵的定义n阶三对角矩阵是指一个n×n的矩阵,其非零元素仅分布在主对角线、上对角线和下对角线上,其他位置的元素均为零。
设矩阵为A,其一般形式可以表示为:其中ai、bi和ci分别是主对角线、上对角线和下对角线上的元素,满足i = 1, 2, …, n。
根据矩阵的定义,可以看出三对角矩阵具有大量的零元素,因此在存储和运算方面具有一定的特殊性。
2.2 三对角矩阵的性质三对角矩阵具有一些重要的性质,这些性质对于求解线性方程组和计算特征值特征向量等问题非常有用。
1.三对角矩阵的稀疏性:对于一个n阶三对角矩阵,其非零元素的个数为3n-2,占据了整个矩阵中的很小一部分。
这种稀疏性使得对三对角矩阵的存储和运算有很大的优势。
2.三对角矩阵的带状性:在三对角矩阵中,每个元素的列下标与行下标之差不超过1。
这种带状性决定了三对角矩阵的一些算法在存储和运算时只需要考虑部分元素,大大降低了计算复杂度。
3.三对角矩阵的特征值:三对角矩阵具有特殊的特征值结构,即特征值都是实数,并且彼此之间的排序关系与相应的矩阵元素的大小关系一致。
这使得计算三对角矩阵的特征值可以利用一些特殊的算法,提高计算效率。
三、三对角矩阵的表示方法三对角矩阵有多种表示方法,包括直接表示和间接表示。
接下来,将介绍两种常用的表示方法。
3.1 直接表示方法直接表示方法是将三对角矩阵的所有元素直接存储在一个一维数组中。
具体来说,可以按照行或列的顺序依次存储所有的元素,这样就将一个n×n的三对角矩阵表示为一个包含3n-2个元素的一维数组。
三对角法求微分方程组

三对角法求微分方程组
目录
1.三对角法的基本概念
2.三对角法的求解步骤
3.三对角法的适用范围和优势
4.三对角法在实际问题中的应用
正文
一、三对角法的基本概念
三对角法是一种求解常系数线性微分方程组的数值方法,它是一种基于特征值分解的迭代法。
该方法通过将微分方程组转化为一组三对角矩阵的特征值问题,从而实现对微分方程组的求解。
二、三对角法的求解步骤
三对角法的求解步骤分为以下几个步骤:
1.对角化:将微分方程组转化为一组三对角矩阵的特征值问题。
2.构造矩阵:根据特征值问题,构造一个三对角矩阵。
3.迭代求解:通过迭代公式,逐步求解微分方程组的解。
三、三对角法的适用范围和优势
1.适用范围:三对角法适用于求解常系数线性微分方程组,特别是当方程组的系数矩阵为三对角矩阵时,该方法具有更高的效率。
2.优势:相较于其他数值方法,三对角法具有较高的稳定性和精度,同时具有较低的计算复杂度。
四、三对角法在实际问题中的应用
三对角法在许多实际问题中都有广泛的应用,例如在求解常系数线性微分方程组、线性变换、线性方程组等方面都有较好的表现。
软考 n阶三对角矩阵 k i j 关系

软考 n阶三对角矩阵 k i j 关系软考中常常会考到与矩阵相关的问题,其中涉及到的n阶三对角矩阵k、i、j的关系也是一个常见问题。
三对角矩阵是指只有对角线和相邻上下对角线上存在值的矩阵,一般用于多个方程组的解法中。
下面我们将围绕软考中的n阶三对角矩阵k、i、j的关系问题展开讨论。
首先,需要明确的是,n阶三对角矩阵k、i、j之间的关系是比较简单的。
根据矩阵的定义,我们可以知道,n阶矩阵是由n*n个元素构成的,其中k[i]=ai、k[i+1]=bi、k[i-1]=ci,(1<=i<=n)。
具体来讲,可以将三对角矩阵的元素表示为如下形式:bi ci 0 0 0ai bi ci 0 00 ai bi ci 00 0 ai bi ... ci. . . . .. . . . .. . . . .0 0 0 ai ... bi其中,ai、bi、ci是三个数列,且有i=1,2,...,n-1。
通过这种表示方式,就可以更直观地观察到n阶三对角矩阵k、i、j的关系。
基于上述表示方式,我们可以进一步分析n阶三对角矩阵k、i、j之间的关系。
在矩阵中,元素k[i]表示第i行第i列的元素;元素k[i-1]表示第(i-1)行第i列的元素;元素k[i+1]表示第(i+1)行第i列的元素;元素i[i]表示第i行第i列的元素;元素j[i]表示第i列第i行的元素。
因此,可以得到如下结论:当i=j时,k[i]=bi+i;当i=j+1时,k[i]=ci;当i=j-1时,k[i]=ai。
以上三个结论,表明了n阶三对角矩阵k、i、j之间的关系。
一般情况下,计算三对角方程的解法通过高斯消元法中的三角分解,进一步利用了n阶三对角矩阵k、i、j之间的关系,从而可以更快速、高效地解决多个方程组的问题。
综上所述,n阶三对角矩阵k、i、j之间的关系是非常清晰明了的,通过直接观察或者三角分解等操作,可以比较快速地解决相关的问题。
因此,软考中的n阶三对角矩阵k、i、j的关系问题也是比较简单的,只需要掌握矩阵的基本原理和运算规则,就能轻松应对。
6.2三对角矩阵法
2
150
305.4.
3
150
319.3
4
150
333.2
5
150
347.0
V2=150 mol/h
平衡常数:
按(6-12)~(6-15)计算常数 A、B、C、D, 得到方程组的矩阵(6-16)的形式:
⎡−150
⎢ ⎢
100
⎢0
⎢ ⎢
0
⎢⎣ 0
244.5 − 344.5
100 0 0
0 325.5 525.5 200
j
Bi, j = −[Vj+1 + ∑ (Fm −Um −Wm ) −V1 + U j + (Vj +Wj )Ki, j ] m=1
Ci, j = Vj+1Ki, j+1 1 ≤ j ≤ N -1
Di, j = −Fj zi, j 1≤ j ≤ N
(6-12)
1≤ j ≤ N (6-13) (6-14) (6-15)
⎥⎢VN−1⎥ ⎢ γ N−2 ⎥
⎢⎣
αN-1 βN-1⎥⎦⎢⎣ VN ⎥⎦ ⎢⎣ γ N−1 ⎥⎦
(6-33)
逐级求解的通式:
Vj
=
γ
j−1
−α jVj−1 β j-1
⑥迭代终止标准:
(6-36)
ε T = ∑[(T j ) k − (T j ) k−1 ]2 ≤ 0.01N
(6-37) (6-38)
对于具有三对角线矩阵的线性方程组, 常用追赶法(或称托玛斯法)求解。该
法仍属高斯消元法。变换(6-16)第一行(式):
j=1:
Bi,1xi,1 + Ci,1xi,2 = Di,1 ,
分离工程II--07多级分离计算一三对角矩阵法详解
量Tj及Vj赋以定值,可以算出Kji值,则系数矩阵 各元素Aj,Bj,Cj均为已知量,式(7-17)便可用 高斯消去法求解。高斯消去法所用公式由变形的
M方程式(7-16)导出。
j=1 B1x1i+C1x2i=D1
x1i
D1 B1
C B11x2i
令 q1=D1/B1,p1=C1/B1
(7-1)
9
(2) 组分相平衡方程—E方程,每级有C个方程:
yji-Kjixji=0
(7-2)
式中Kji为相平衡常数
(3) 摩尔分率加合方程—S方程,每级有C个方程:
C
yji1 10
(7-3a)
i1
C
xji1 10
i1
(7-3b)
(4) 热量平衡方程—H方程,每级有1个方程:
L j 1 h j 1 V j 1 H j 1 F j H F ( L j j S j ) h j ( V j G j ) H j Q j 0
j=N xNi=qN 其中: qND BN N A AN Np qN N 1 1,
(7-18)
(7-19) (7-20)
18
Aij xi, j1 Bij xi, j Cij xi, j1 Dij
Aij (q j1 p j1xi, j ) Bij xi, j Cij xi, j1 Dij(7-16)源自B1 C1 A2 B2 C2
x1i D1
x2i
D2
A3 B3 C3
...
Aj Bj Cj
...
x3i ... xji ...
D3 ...
Dj
...
AN1 BN1 CN1xN1,i DN1
三对角矩阵公式推导
三对角矩阵公式推导我们先定义一个三对角矩阵,记作A:\[A = \begin{bmatrix}a_1 & b_1 & 0 & 0 & \dots & 0 \\c_1 & a_2 & b_2 & 0 & \dots & 0 \\0 & c_2 & a_3 & b_3 & \dots & 0 \\\vdots & \vdots & \vdots & \ddots & \ddots & \vdots \\0 & \dots & 0 & c_{n-2} & a_{n-1} & b_{n-1} \\0 & \dots & 0 & 0 & c_{n-1} & a_n \\\end{bmatrix}\]我们想要找到一个矩阵B,使得A可以通过B的逆和B相乘得到。
如果我们能够找到相应的B,那么我们就可以得到A的逆矩阵。
通过观察,我们可以发现这个三对角矩阵有一些特点。
首先,对角线上的元素是$a_1, a_2, a_3, \dots, a_n$,即A的主对角线元素。
其次,A的上方对角线元素是$b_1, b_2, b_3, \dots,b_{n-1}$,下方对角线元素是$c_1, c_2, c_3, \dots, c_{n-1}$。
其他位置的元素都是零。
我们再来观察相应的矩阵B。
B的对角线上的元素是$b_1, b_2, b_3, \dots, b_{n-1}$,B的上方对角线元素是$c_1, c_2, c_3,\dots, c_{n-1}$,下方对角线元素是$c_1, c_2, c_3, \dots, c_{n-1}$。
其他位置的元素都是零。
根据矩阵乘法的定义,我们可以将矩阵B的逆矩阵写成如下形式:\[B^{-1} = \begin{bmatrix}d_1 & e_1 & 0 & 0 & \dots & 0 \\f_1 & d_2 & e_2 & 0 & \dots & 0 \\0 & f_2 & d_3 & e_3 & \dots & 0 \\\vdots & \vdots & \vdots & \ddots & \ddots & \vdots \\0 & \dots & 0 & f_{n-2} & d_{n-1} & e_{n-1} \\0 & \dots & 0 & 0 & f_{n-1} & d_n \\\end{bmatrix}\]要得到A的逆矩阵,我们需要通过B的逆和B相乘。
三对角行列式的计算及应用
13届分类号:单位代码:10452毕业论文(设计)三对角行列式的计算及应用2013年04月10日摘要线性代数作为现代代数的重要组成部分,其中最重要的内容是矩阵和行列式。
它们不仅活跃在数学的各个分支,同时也是现代物理及其他一些科学技术领域中不可缺少的工具.行列式是方阵的一个重要数值特性,在矩阵理论、计算数学和解析几何中都起着重要作用。
本文将利用行列式的性质及组合计算技巧,介绍三对角行列式的计算方法及其应用。
具体内容如下:1。
介绍行列式的定义与性质,尤其对拉普拉斯定理进行了较详细的论证。
2. 阐述三对角行列式的定义及其相关的性质定理,并着重讨论三对角行列式的应用,同时给出相关例题.3. 通过用求解带有不同边界条件的差分方程的办法来求解特殊三对角矩阵的特征值,并将三对角矩阵的特殊性归结为边界条件的不同,由此给出这类特殊三对角矩阵特征值的计算公式.关键词:行列式;三对角行列式;差分方程;特征值ABSTRACTLinear algebra as an important part of modern algebra,one of the most important elements of it matrix and determinant.They active in various branches of mathematics,but also a number of modern physics and other fields of science and technology an indispensable tool。
An important determinant is the square value of properties.In matrix theory, computational mathematics and play an important role in analytic geometry.This article will use the determinant of the nature and combination of computational techniques, give several special calculating methods of it and its applications。
- 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)。
毕业论文(设计) 题目三对角矩阵及其应用学生姓名吴莉学号20081314025院系数学与统计学院专业信息与计算科学指导教师杨兴东教授二O一二年五月八日目录O 引言 (1)1 三对角矩阵的行列式 (2)1.1 主要结论 (3)1.2 数值例子 (4)2 三对角矩阵的逆 (5)2.1 有关引理 (5)2.2 主要结论 (6)2.3 数值例子 (8)3 三对角矩阵的特征值及特征向量 (9)3.1 主要结论 (9)3.2 数值例子 (12)4 三对角矩阵的应用 (12)参考文献 (13)英文摘要 (15)致谢 (16)三对角矩阵及其应用吴莉南京信息工程大学数学与统计学院,南京210044摘 要 文章主要讨论了有关三对角矩阵的几个不同方面,首先讨论了一种特殊的三对角矩阵的行列式的计算方法,并且简要地给出了证明,接着通过几个引理和定理的证明给出了一种三对角矩阵的求逆算法,然后得到了计算一种三对角矩阵的特征值及其特征向量的公式,最后简要介绍了三对角矩阵法在粗甲醇精馏塔计算中的应用。
关键字 三对角矩阵;逆;特征值;特征向量;应用O 引言三对角矩阵在线性代数、计算数学、组合数学和应用数学上有着非常广泛的应用,在物理和工程方面也有着重要的应用,比如在数值分析中的差分方程、三次样条插值、及热传导方程的数值解等许多问题都涉及到了三对角矩阵,所以三对角矩阵的研究一直受到人们的关注。
本文主要介绍了一种特殊的三对角矩阵的行列式计算,三对角矩阵的求逆方法,三对角矩阵的特征值及其特征向量以及三对角矩阵在精馏中的应用,下文将一一给出说明。
1三对角矩阵的行列式1.1 主要结论为了便于计算,我们考虑如下的一种特殊三对角矩阵⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=αγβαγβαγβα n T , 0≠βγ (1)定理1.1 设n T 为如(1)式所示的特殊三对角矩阵,则有(1)当042≠-βγαdet n T =βγαβγααβγαα42)4()4(211212-----++++n n n(2) 当042=-βγα时,det nn n n T α21+= 证明:令n n T D det =,按第一行展开便得到21---=n n n D D D βγα 设p ,q 为方程02=+-βγαx x 的两个解,即24,2422βγααβγαα--=-+=q p则(1)式可以写成)(211----=-n n n n pD D q pD D 。
我们发现 212q pD D =-, 根据递推法可得到n n n q pD D =--1, 所以⎪⎩⎪⎨⎧=-+≠---=++++=++--04,)1(04,221111βγαβγαn n n nn n n n p n q p q p q pq q p p D对该式加以整理可以得证。
1.2 数值例子例1:⎪⎪⎪⎪⎪⎭⎫⎝⎛=31002310023100234T ,求其行列式。
解:由定理1.1,0112432≠=⨯⨯-,所以我们得到3112)13()13(42)4()4(det 141414211212=--+=-----+=++++++βγαβγααβγααn n n n T2三对角矩阵的逆2.1 有关引理我们考虑如下形式的三对角矩阵⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛---------n n n n n b a c b a c b a c b 00000000011122211(2) (2)式中的负号仅仅是为了便于符号处理而添加的,另外,假设 A 的所有顺序主子式都非零.本文所需要引用的相关引理如下所示。
引理2.1 设 A 是一个三对角矩阵,A 的主对角线上、下的元素都是非零元素.我们不妨假设存在 C A=-1=(ij c ),则存在以下4个列向量x =)(i x ,y=(i y ),u =(i u ),v =(i v ),并使得⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=nn n nnn n n v u y x y x y x v u v u y x y x v u v u v u y x v u v u v u v u C321333323123222211312111 (3) 其中所有的 i 满足i i i i y x v u =,下面我们给出三对角矩阵 A 的 LU 分解和 UL 分解.引理2.2 设A 是形如式 (2) 的三对角矩阵,则 把A 分解,可得⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛---⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛---==--n n n n p c p c p c p q q q U L A 11221132~1~11111式中的 {i p }, {i q }可按以下公式计算所得 1p =1b ,i q =i a /1-i p ( i = 2,…, n) ,i p =i b -1-i c i q ( i = 2, …, n)引理 2.3 设A 是形如式 (2) 的三对角矩阵,则A 可以分解为⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛---⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛---==--111132112211~22~n n n n c c c L U A γγγαααα 式中 序列 {i α} , {i γ} 可以由以下公式计算所得 n n b =α,i γ=i a /i α( i =n, …, 2) ,i α= i b -i c 1+i γ ( i = n - 1, …, 1)根据引理 2.1 ,得到4组列向量是三对角矩阵的求逆关键.而定理 2.1解决了该问题 ,由此可以得到一个简单算法从而求得三对角矩阵的逆.2.2 主要结论定理 2.]1[1 设 A 是形如 (2) 式的三对角矩阵,则 A 是非奇异矩阵.我们同样令1-A = C =(ij c ) ,则 C 的结构形如式 (3). 列向量 u = (i u ) , v = (i v ) , x =( i x ) 和 y = (i y ) 可以表示为 (1)1,1+==i ii i n n n u p c u v p u i=(n-1, ,1) (4) (2),,11111--==i ii i v c v v αα i=(2, ,n) (5)(3),,111++==i i i n n n x q x y p x i=(n-1, ,1) (6) (4) ,,111-==i i i iy y y γα i=(2, ,n) (7)证明 根据假设 ,形如式 (2)的三对角矩阵的所有顺序主子式均非零,则A 是非奇异的.因为AC = I,根据引理2.1和引理2.2,可得到)(~1~1u v U L n =n e , 我们发现,1~n n e e L = 则n ne v u U 11~=, 即⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛------n n n n n n v u u u u p c p c p c p 1000121112211 解出该线性方程组即可以得到式(4) . 同理,令 1x = 1,根据12~2~e y L U =和1112~1e e U =⎪⎪⎭⎫⎝⎛α 解出此线性方程组,则可以得到式 (7) .现在来求向量 x = (i x ) .我们发现 (n y x)T位于C 的最后一行且有 1)(-T A = T A )(1-,所以n n T Tn Te x y L U x y U L ==)()()()()(1~1~1~1~根据 T U )(1~的特殊结构,可得到T U )(~1n e = n n e p因此得到n nn T e p y x L 1)(1~=解该线性方程组,就可以得到式 (6) .当我们令 u 1 = 1时,用同样的方法可以得到式(5).于是,根据引理 2.1与式 (4) ~ (7) ,得到了一个简单算法用于进行三对角矩阵的求逆. 显然,此算法要求 A 的所有顺序主子式都是非零的.实际上,可以证明,如果矩阵A 符合p i ≠0或i α≠0(i=1,2,…,n)的条件 (8) 则 A 的所有顺序主子式均非零,从而有A 的 LU 、 UL 分解.所以对于满足式 (8) 的矩阵,该求逆算法都适用.分别递推定理 2.1中 4个向量序列的公式并且结合引理2.1,则A 的逆元素的表达式就很容易得出了.定理 2.]1[2 设 A 是形如 (2) 式的三对角矩阵,则A 是非奇异矩阵.令 A 1-=C=(ij c ),则⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧>====<==+++-+ji p p a a y x j i p p y x v u j i p p c c v u c n j i j n i i j ni n i i i i i n i j i n j j i ij ,))((,)(,)()(11111 αααααα至此,就得到了一般三对角矩阵的求逆方法。
除此以外,其余类型的三对角矩阵的逆在文献[7-10]中有详细的说明。
2.3 数值例子例1 设 ⎪⎪⎪⎭⎫⎝⎛----=210112011A ,利用以上所示方法求其逆。
解:容易得到1,2,1,2,13221321=======a a c c b b b 。
将A 进行LU 分解,得到⎪⎪⎪⎭⎫⎝⎛---⎪⎪⎪⎭⎫ ⎝⎛-==300110011110012001~1~1U L A将A 进行UL 分解,得到⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛--⎪⎪⎪⎪⎭⎫ ⎝⎛---==12100140012001210013~2~2L U A 最后,利用定理2.1,求得31,32,31312111-=-=-=v u v u v u31,32,34322221-=-=-=v u v u y x31,31,32333231=-=-=v u y x y x所以⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛--------===-313132313234313231)(1ij c C A3 三对角矩阵的特征值及其特征向量3.1 主要结论我们考虑实数域R 上的三对角矩阵:⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=βγαβγαβγαβγαβ0000000000000000000000 n A (9)在文 [2-3]及前文中我们得到了三对角矩阵n A 的行列式的计算公式:∑=-==+=nk kn k nxy y x y x A 0,,)det(αγβ其中 (10)⎪⎪⎩⎪⎪⎨⎧=-+≠------+=+++04,)2)(1(04,42)4()4()det(22211212αγββαγβαγβαγββαγββn n n n n n A (11)∑⎥⎦⎥⎢⎣⎢=-⎪⎪⎭⎫ ⎝⎛--=202)()1()det(n k kk n k n k k n A αγβ (12)根据以上的公式,我们可以得到以下有关特征值的定理定理]5[1.3 i )三对角矩阵n A 的特征多项式是∑⎥⎦⎥⎢⎣⎢=--⎪⎪⎭⎫ ⎝⎛--=202)()()1()(n k kn k kx k k n x f βαγii)三对角矩阵的特征值是n k n k k ,,2,1),1cos(2 =++=παγβλ 证明:i )根据特征多项式的定义,应用(12)式即可得到结论。