割线法求解过程_直接法

• 主要研究的数学问题

研究怎么求解线性方程组

的问题。

以下推导，都是假设矩阵

非奇异。

---

• 高斯消去法----是求解线性方程组
  的方法

1. 什么是高斯消去法

① 先把系数矩

阵化为上三角

②然后，对线性方程组进行 回代求解

2. 算法评价：主要通过计算加减乘除的次数

时间复杂度为

级别

时间复杂度: 描述算法运行的时间。对于Gauss消去法，意思是经过多少步，算法能完成

3、算法运行的条件：

每次消元过程，约化主元素不等于0. 等价条件：系数矩阵

的所有顺序主子式

不为0.

• 高斯消去法的实质

高斯消去法每次对系数矩阵做消元过程，实质上是对矩阵

做一些列的初等行变换，即可以得到系数矩阵等于下三角矩阵乘以上三角矩阵。

1. 矩阵的LU分解

条件：矩阵所有顺序主子式不等于0.

---

我们知道，只要系数矩阵

非奇异，线性方程组

就存在唯一解，

假设矩阵的所有顺序主子式不知道， 这时候高斯消去法就不一定有效，这时候我们引出 列主元消去法。

• 列主元高斯消去法---也是求解线性方程组
  的方法

1、主要思想

在每次消元时，避免小主元做消元， 选取每一列绝对值最大的元素作为约化主元素,即将其所在行与交换第一行进行交换，然后进行消元 ，依此类推，直到系数化为上三角矩阵 ，然后回代求解。

2、算法评价

① 主要是：避免小主元做消元，引起元素数量级增加，导致解不准确。 ② 时间复杂度为

级别

• 列主元高斯消去法的实质

由于在每次消元时，选取每一列绝对值最大的元素作为约化主元素,实质是做一系列的初等行变换，即矩阵

可以分解为

,其中为置换矩阵。

---

• 矩阵的LU分解

对于可逆矩阵

来说，线性方程组

的解为

，

由于求逆运算为

,计算

运算量为

.

而矩阵的LU分解的运算量也是这样的级别，因此引出矩阵的LU分解

1、求解线性方程组

第一步：求解

第一步：求解

2. 怎么求解矩阵L和U

待定系数法

---

• 对称矩阵 的LDL分解

由于

，而

，

为对角矩阵，

为上三角矩阵，由于

为对称矩阵,则

1. 假设

① 系数矩阵

为对称矩阵. ② 对称矩阵

的所有顺序主子式不为0.

2、求解线性方程组

第一步：求解

第二步：求解

第三步：求解

3. 计算量

运算为

---

• 对称正定矩阵 的LL分解---楚列斯基分解----是求解对称正定线性方程组
  的方法

由于

，而

，

为对角矩阵，

为上三角矩阵，由于

为对称矩阵,则

而

为

对称正定矩阵，约化主元素为正，(约化主元素等于

)即

所以....

1. 假设

① 系数矩阵

为

对称正定矩阵.

2、求解线性方程组

第一步：求解

第二步：求解

3. 计算量

运算为

,

计算量为高斯消去法的一半；不需要选主元

4、怎么求L

待定系数法

---

• 三对角线性方程组----追赶发---是求解三对角线性方程组的一种解法.

1. 假设

① 矩阵

的第一行和第

行强对角占优

. ② 其它行列是弱对角占优

2、怎么算？

2.1 克洛特分解--Crout分解

由假设条件知，矩阵

为

不可约弱对角占优矩阵，可以得到

为下三角矩阵，

为

单位上三角矩阵.

2.2 怎么求解？

第一步：求解

第二步：求解

3. 计算量

运算为

4、怎么求L和U

待定系数法

---

1. 基础知识

• 向量范数 ： 向量的一个函数，满足三个条件

• 常见向量范数

• 向量范数的等价性： 意思是有这么多范数，用哪个衡量向量的大小，是否不一样？

• 向量收敛性：意思是向量每个分量都收敛到固定的分量
• 矩阵收敛性：意思是矩阵每个元素都收敛到固定的元素

---

• 矩阵范数：矩阵的一个函数，满足4个条件

• 常见矩阵范数

矩阵的无穷范数：将矩阵每一行元素的绝对值相加，最大的那个元素

• 矩阵范数与向量范数的联系：

为了规范，我们希望过向量范数来求矩阵范数， 因为我们定义：矩阵的算子范数。

• 算子范数

定理1 对任意算子

范数,有

---

• 误差分析

在系数矩阵和常数项有一点扰动情况下，我们看一下方程的解会不会出现很大的扰动，如果会，则称系数矩阵为病态矩阵。

1、常数项b出现小小扰动，方程组的相对误差

2、引出条件数

定义：矩阵

条件数

常数项b出现小小扰动，矩阵条件数越大，方程组的病态程度越大；
用一般方法很难求出准确解。

• 条件数性质

面对一个方程组，怎么办？ 结论：①是否病态与矩阵自身有关，与算法无关。

• 怎么发现矩阵是否病态

①矩阵接近奇异 ② 计算矩阵条件数

• 一个矩阵摆在面前，怎么办？

看矩阵类型，病态问题，问题需求。。。