Gauss消元法

最新推荐文章于 2024-01-13 00:02:07 发布

一步一步小六六

最新推荐文章于 2024-01-13 00:02:07 发布

阅读量3.1k

点赞数

分类专栏：数值方法

本文链接：https://blog.csdn.net/weixin_43540652/article/details/101624055

版权

本文介绍了线性方程组的重要性和在多个领域的应用，重点讲解了高斯消元法，包括其一般步骤、计算量和如何优化。与Cramer法则相比，高斯消元法在计算机计算中更具效率，适用于解决大规模线性方程组。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

今天我们来聊聊数值方法里面一个很经典的问题，求解线性方程组。线性方程组是线代里面那个很重要的知识，而它本身的意义重大，在很多领域都会用到。求解问题，不知引出了多少数学分支，而线性方程组是一个很经典的求解问题，当然相对于其他的求解问题，它相对来说也简单很多，但是由它引领的知识却无比庞大…先看看线性方程组的用处吧：

用最小二乘法对实验离散数据进行拟合时候会用到线性方程组
诸多的插值问题也会用到线性方程组
还有我们高中就开始接触的生产与投入的问题。
在建筑、机械结构的设计需要计算线性方程组

线性方程组

我们把下面的方程组称为线性方程组，注意到它有以下的特点：

每个未知量的次数为1。
系数都是常数
如果方程组中共有n个未知量，就称为n元线性方程组。

$\left\{\begin{matrix} a_{11}x_1+ & a_{12}x_1+ & ...+ & a_{1n}x_1&=b_1\\ a_{21}x_1+ & a_{22}x_1+ & ...+ & a_{2n}x_1&=b_2\\ ...& ... & &...&=...\\ a_{n1}x_1+ & a_{n2}x_1+ & ...+ & a_{nn}x_1&=b_n\\ \end{matrix}\right.$

求解线性方程组的其中两种解法：

求解线性方程组的方法不只两种，但是我在这里介绍两种，一种是Cramer法则，一种是Gauss消元法。

Cramer法则：本该在线代里面学过，但是如果你忘了或者是根本没有学好，请移步到https://blog.csdn.net/jackghq/article/details/90712570，这是CSDN中总结了Cramer法则的一篇较好的文章。
高斯消元法：高斯消元法相对于Cramer法则来说大大减少了时间复杂度，尤其是在使用计算机进行计算的时候，效果更加显著。我们主要学习高斯消元法。

几个要谈的问题：

设计算法的时候，我们要注意以下几个问题：

尽量不要把两个相近的数进行相减。两个及其相近的数进行相减，会使有效数字严重损失。其实有很多问题，我们都可以通过形变去改变其运算，而不会是它们相减。
尽量不要使用大数去加上一个小数。主要原因是因为，由于舍去误差（计算机有一定的精度），当一个大数加上一个小数的时候，会使的小数根本没有发挥作用。我们可以用小数除以大数。
尽量不要除以一个绝对值很小的数。除以一个很小的数，结果会很大很大，就会产生溢出现象
减少运算次数，也就是说减少时间复杂度。另外，运算次数多，每次运算都要产生无可避免的舍去误差，当误差积累时就会结果失真。
选用数值稳定的式子。式子尽量收敛或者可控。所以尽量不要使用连加或者连乘的方式。

直接方法：

什么叫做直接方法？
直接方法就是忽略舍去误差、可以求出精确值的方法，本次主要讨论两个直接方法，一个是Cramer法则，另一个就是gauss消元法。
但是有个问题：
就站在上述的第四条问题的观点上，我们看看Cramer需要多大的计算量：
按照行列式的定义计算（n个不同行不同列的元素外加一个符号），共有 $(n - 1) n!$ 次，然后根据Cramer法则就有 $(n + 1) (n - 1) n!$ 次，如果有加入n=20，就需要约 $9.7\times10^{20}$

最低0.47元/天解锁文章