数值分析之高斯消去法解线性方程组

@数值分析之非线性方程AX=B求解

一、高斯消去法（偏序选主元策略）

处理过程中，不可能每次都是三角矩阵。所以我们要采用新的方法来处理一般方程组，将其转化为上三角形式，再采用回代算法求解。这里我们介绍高斯消去法。

高斯消去法之所以可以对方程组进行一定的变换，因为线性代数中定理可知：对线性方程组进行3种初等变换可以将AX=B变换为另一个等价的线性方程组UX=Y（U是上三角矩阵），这段过程就是高斯消去。

同理，对矩阵也可等价变换。而编程中第一步就是让AB合并为一个增广矩阵。让[A|B]一起被变换。

1.1何为高斯消去法？

高斯消去法：对AX=B的增广矩阵[A|B]进行初等行变换，使之变成UX=Y的形式。A变成了U（上三角矩阵）。

其中系数矩阵A中的元素A[r,r]用来消去A[k,r]，k=r+1,r+2…,N，这里称A[r,r]为主元，第r行称为主元行。
下面给出一个例子。高斯消去过程其实就是我们手算线性方程组的过程。

1.2 高斯消去法的问题

但是单纯的高斯消去法，并不普遍适用。而下面一种情况会导致处理过程失败。

若A[k,k]=0，则不能使用第k行来消除第k列的元素，而需要将第k行与对角线下的某行进行交换，来得到一个非0主元。若没有非0主元，则系数矩阵是奇异的，因此不存在方程组唯一解。

这需要采用选主元的策略来规避这种情况。

1.3偏序选主元策略的意义

问题1：选主元策略可以避免A[k,k]=0，但是又有问题出现。==一般情况下，供选择的行很多，应该选哪一行？

答：选择导致误差更小的那一行。
由于计算机使用固定精度计算，每次计算中，都可能出现微小的误差，在指数级的计算后，误差传播，导致计算值偏离实际值。所以在选择主元时，要主动选择导致计算误差更小的那一行。
这就是偏序选主元的作用。

问题2：何为偏序选主元？

答：就是将某一列元素（不算对角线以上）中的最大值与主元行交换。在上面的例子3.16中，最大的误差出现在求解m的过程中，m是某一列中，对角线下的元素除以主元行得到的倍数。m越小，经过指数次计算后，误差传播就越小。

1.4 matlab版算法：

最后一行的backsub就是上篇博客中的上三角回代算法

1.5 病态情况

当存在矩阵B，当矩阵B和A中系数元素微小的变化使得X=A^(-1)B变化很大，则矩阵A是病态矩阵。

当A近似于奇异而且行列式接近0时，就可能发生病态情况。病态情况可能会导致出现错误解。而这类灵敏性分析是高级数值分析的领域，本人并未有了解。

二、题目及实现代码

2.1 题目

为求解一个线性方程组，首先构造增广矩阵[A|B]，
采用偏序选主元策略的高斯消去法变换成上三角矩阵，再执行回代过程得到解。

2.2 输入输出格式

【输入形式】在屏幕上依次输入方阵阶数n，系数矩阵A和常数矩阵B。

【输出形式】首先输出上三角矩阵（变换后的增广矩阵），然后每一行输出一个根

2.3 样例

输入

4
1 2 1 4
2 0 4 3
4 2 2 1
-3 1 3 2
13
28
20
6

输出

[[ 4. 2. 2. 1. 20. ]
[ 0. 2.5 4.5 2.75 21. ]
[ 0. 0. 4.8 3.6 26.4 ]
[ 0. 0. 0. 3.75 7.5 ]]
[[ 3.]