数值计算方法第二章解线性方程组的直接方法笔记

最新推荐文章于 2025-03-23 14:07:39 发布

徐家小河沟

最新推荐文章于 2025-03-23 14:07:39 发布

阅读量3.4k

点赞数 6

分类专栏：数值计算方法

本文链接：https://blog.csdn.net/weixin_45740720/article/details/116302762

版权

数值计算方法专栏收录该内容

4 篇文章

订阅专栏

本文详细介绍了线性方程组的直接解法，包括Gauss消去法及其改进的主元素消去法，以及直接三角分解法如LUD分解。强调了数值稳定性的重要性，并探讨了特殊矩阵如三对角矩阵和对称正定矩阵的高效解法。此外，还讨论了误差分析和病态矩阵对解的影响，以及超定线性方程组的最小二乘解。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

解线性方程组的直接方法

在这里插入图片描述

直接方法：假设计算过程中不产生舍入误差，经过有限次运算可求得方程组的精确解的方法
迭代法：从某个近似值出发，通过构造一个无穷序列去逼近精确解的方法。（一般有限步骤内得不到精确解）

以下介绍几种常用的解线性方程组的直接方法及有关问题。均假设方程组的系数矩阵非奇异，方程组存在唯一解

解线性方程组的直接方法的基本思想是将方程组（2-1）变形为等价的三角形方程组，然后求解

（一）消去法

（1）Gauss消去法

将方程组逐列逐行消去变量，转化为等价的上三角形方程组——消元
按着方程组相反顺序求解上三角形方程组，得原方程组的解——回代过程
缺点：
$a_{kk}^{(k)}均不为零（否则Gauss消去法不能进行）$
$a_{kk}^{(k)}不为零但其绝对值很小时用作除数，会导致舍入误差的严重扩大$

消元过程

在这里插入图片描述

回代过程

按变量的逆序逐步回代得方程组（2-3）的解
在这里插入图片描述

Gauss消去法的计算量

因为计算机做乘除运算所需时间远大于加减运算，所以这里只考虑乘除运算
消元过程中：
在这里插入图片描述
回代过程中:

Gauss消去法的乘除总运算量为：
$N=\frac{n^3}{3}+n^2-\frac{n}{3}$

（2）主元素消去法

针对于Gauss消去法，为了在计算过程中一直舍入误差的增长，应尽量避免小主元的出现。基于这种想法导出了主元素消去法

1.列主元素法

在每次消元前，在要消去未知数的系数中找到绝对值最大的系数作为主元，通过方程组对换将其换到对角线上，然后进行消元
在这里插入图片描述

在这里插入图片描述

2.全主元素法

在这里插入图片描述

要记录每一列代表的是哪一个变量

列主元素法具有良好的数值稳定性，且计算量远低于全主元素法，所以列主元素法是求解中小型稠密线性方程组的最好方法

（二）直接三角分解法

（1）Gauss消去法的矩阵形式

如果用增广矩阵[ $A, b$ ]表示线性方程组（2-1），Gauss消去法的消元过程可以通过一串初等矩阵左乘增广矩阵表示
限制条件与Gauss消去法一样

在这里插入图片描述

因为 $L_k$ 均为非奇异阵，故它们的逆矩阵存在，容易求出

求解 $A x = b$ 等价于求解两个三角形方程组 $L y = b$ 和 $U x = y$

（2）矩阵的直接三角分解

证明方法：反证法

如何对 $A$ 进行 $L U$ 分解？

没有太大价值

不太好用

经常用（尤其是手写的时候）

（3）直接三角分解法

和Gauss消去法具有相同的计算量
适用于求解多个系数矩阵相同而右端项不同的线性方程组的解

（4）列主元素的三角分解法

看书,没细讲,但是使用matlab的时候用在这里插入图片描述

知道就可以了

MATLAB使用

$L U$ 分解
在这里插入图片描述

（三）特殊矩阵的三角分解法

（1）解三对角方程组的追赶法

在这里插入图片描述
满足对角占优条件则唯一可分解：

在这里插入图片描述

在matlab中直接代数上述公式进行计算，但是这个公式不需要背，只需要理解记忆

（2）平方根法（Cholesky分解法）

对称矩阵： $A^T=A$
在这里插入图片描述
（1）正定矩阵的定义
（2）（3）充要条件
（3）霍尔维斯定理：判断是否是正定矩阵，用顺序主子式

LU分解是唯一的

在这里插入图片描述

依次求第一列，第二列……
每列自上而下计算

只有对称正定阵才能进行Cholesky分解，使用平方根法求解

（3）改进的平方根法（ $LDL^T$ 法）

定理：设 $A$ 是对称正定矩阵，则存在单位下三角矩阵，对角矩阵 $D$ ，使得 $A=LDL^T$ ,其中 $D$ 的元素为整数（合同性质）
事实上，上面的定理只是需要对称的条件
那么
对称矩阵 $A$ ，若各界顺序主子式不为零，又 $A=LDL^T$ ，但是不能保证 $D$ 的对角元大于零
在这里插入图片描述

若线性方程组 $A x = b$ 的系数矩阵为严格对角占优或对称矩阵，则高斯消元法可以进行到底且数值是稳定的

MATLAB函数

在这里插入图片描述

（插入）误差分析

（1）向量和矩阵的范数

（一）向量的范数

在这里插入图片描述

（二）矩阵的范数

在这里插入图片描述

又三种常用的向量范数，自然就诱导出三种常用的矩阵范数

谱范数：与特征值相关。
（2——范数（谱范数）） $A^TA（A是非奇异阵，那么$ A^TA $一定是正定阵）$ 的最大特征值开根号
A为对称阵，那么 $A^TA$ 的最大特征值就是A的最大特征值的平方
F范数就是定义出来的，不是诱导出来的，使用很少。
诱导出来的矩阵范数与相应的向量范数一定是相容的
推导过程无需掌握
在这里插入图片描述