crout分解法
- 格式:doc
- 大小:96.00 KB
- 文档页数:6
第一章 非线性方程和方程组的数值解法 12,若1p =则要求01c <<3)单点迭代收敛定理:定理一:若当[],x a b ∈时,[](),x a b ϕ∈且,[],x a b ∀∈,则迭代格式收敛于唯一的根;定理二:设()x ϕ满足: ①[],x a b ∈时,[](),x a b ϕ∈,则对任意初值[]0,x a b ∈迭代收敛,且:定理三:设()x ϕ在α的邻域内具有连续的一阶导数,且'()1ϕα<,则迭代格式具有局部收敛性;定理四:假设()x ϕ在根α的邻域内充分可导,则迭代格式1()i i x x ϕ+=是P 阶收敛的 ()()()0,1,,1,()0j P j P ϕαϕα==-≠(Taylor 展开证明)4)Newton 5)Newton 迭代法收敛定理:设()f x 在有根区间[],a b 上有二阶导数,且满足: ①:()()0f a f b <; ②:[]'()0,,f x x a b ≠∈;③:[]'',,f x a b ∈不变号④:初值[]0,x a b ∈使得''()()0f x f x <;则Newton 迭代法收敛于根α。
6)Newton 迭代法求重根(收敛仍为线性收敛),对Newton 法进行修改 ①:已知根的重数r(Newton 下山法)②:,α为()f x 的重根,则α为()u x 的单根。
6)截弦法 单点:双点(快速):7)迭代加速收敛方法(艾特金(Aitkem)加速):不动点迭代函数()x ϕ在α的某个邻域内具有二阶导数,'()1,0L ϕα=≠平方收敛第二章线性代数方程组数值解法1)向量范数:的充要条件是0x=;12∞范数:p2)矩阵范数:的充要条件是0A=;F1∞范数:2,iλ为H A A 的特征值,3)Gauss消元法(上三角阵)列选主元消元法:在消元之前进行行变换,将该列最大元素换置对角线主元位置;(可用于求逆矩阵,详见杨娟ppt)4)三角分解法(此部分难以简单说明,具体见ppt):①:Doolittle分解法:A=LU,L单位下三角阵,U上三角阵②:Crout分解法:A=LU,L下三角阵,U单位上三角阵③:追赶法:Crout分解法解三对角方程8)Jacobi 迭代:A L D U =++111()i i x I D A x D b +--=-+9)Gauss-Seidel 迭代:111()()i i xL D Ux L D b +--=-+++第三章 插值法与数值逼近 1)Lagrange 插值:000()()()()n n n ni i i L x y l x y l x y l x ==++=∑,01111)()()())()()()i i n i i i i i n x x x x x x x x x x x x -+-+------2)Newton 插值:差商表0x 0()f x 1x 1()f x 01[ ]f x x2x 2()f x 02[ ]f x x 012[ ]f x x x3x 3()f x03[ ]f x x013[ ]f x x x 0123[ ]f x x x x00100101010()()[ ]()[ ]()()[ ]()()n n n n f x f x f x x x x f x x x x x x x f x x x x x x x x -=+-++--+--(10]()()(n n n fx x x x x x n --=3)Hermite 插值(待定系数法)'210()[()()()()]nn j j j j j H x x f x x f x αβ+==+∑2()()()j j j x x x l x β=-45)离散函数的最佳平方逼近(曲线的最小二乘拟合): 法方程(,)(,)njkjk j af ϕϕϕ==∑其中(,)()()(,)()()m j k i j i k i i mk i i k i i x x f f x x ϕϕρϕϕϕρϕ====∑∑第四章 数值积分1)代数精度的概念及应用:对r 次多项式的精确成立,以及代入法求解系数。
第2章线性方程组的解法--------学习小结一、本章学习体会本章主要学习的是线性方程组的解法。
而我们则主要学习了高斯消去法、直接三角分解法以及迭代法三种方法。
这三种方法的优缺点以及适用范围各有不同。
高斯消去法中,我们又学习了顺序高斯消去法以及列主元素高斯消去法。
顺序高斯消去法可以得到方程组的精确解,但要求系数矩阵的主对角线元素不为零,而且该方法的数值稳定性没有保证。
但列主元素高斯消去法因为方程顺序的调整,其有较好的数值稳定性。
直接三角分解法中,我们主要学习了Doolitte分解法与Crout分解法。
其思想主要是:令系数矩阵A=UL,其中L为下三角矩阵,U是上三角矩阵,为求AX=b 的解,则引进Ly=b,Ux=y 两个方程,以求X得解向量。
这种方法计算量较小,但是条件苛刻,且不具有数值稳定性。
迭代法(逐次逼近法)是从一个初始向量出发,按照一定的计算格式,构造一个向量的无穷序列,其极限才是所求问题的精确解,只经过有限次运算得不到精确解。
该方法要求迭代收敛,而且只经过有限次迭代,减少了运算次数,但是该方法无法得到方程组的精确解。
二、本章知识梳理针对解线性方程组,求解线性方程组的方法可分为两大类:直接法和迭代法,直接法(精确法):指在没有舍入误差的情况下经过有限次运算就能得到精确解。
迭代法(逐次逼近法):从一个初始向量出发,按照一定的计算格式,构造一个向量的无穷序列,其极限才是所求问题的精确解,只经过有限次运算得不到精确解。
我们以前用的是克莱姆法则,对于计算机来说,这种方法运算量比较大,因此我们学习了几种减少运算次数的方法,有高斯消去法、直接三角分解法,同时针对病态方程组,也提出了几种不同的解法。
Gauss消去法Gauss消去法由消元和回代两个过程组成,消元过程是指针对方程组的增广矩阵,做有限次初等行变化,使它系数矩阵变为上三角矩阵。
顺序Gauss消去法消元过程:对于K=1,2,3…,n-1执行(1)如果a aa(a)=0,则算法失效,停止计算;否则转(2)(2)对于a=a+1,a+2,…,a计算a aa=a aa(a)a aa(a)⁄a aa(a+1)=a aa(a)−a aa a aa(a) (a=a+1,a+2,…,a)a a(a+1)=a a(a)−a aa a a(a)回代过程:a a=a a(a)a aa(a)⁄a a=(a a(a)−∑a aa(a)a aaa=a+1)a aa(a)⁄ (a=a−1,a−2, (1)综上:顺序Gauss消去法的数值稳定性是没有保证的。
§4矩阵的三角分解矩阵的三角分解定理:设n nA R ×∈,如果A 的前n-1个顺序主子式det()0,1,2,,1i A i n ≠=− ,则A 可分解为一个单位下三角矩阵L 与一个上三角矩阵U 的乘积,且这种分解是唯一的。
证明:1.存在性:利用高斯消去法来构L 和U(1)(2)()1122det()0,1,2,,1i i ii A a a a i n =≠=−1L A U −=,A LU=2112100101n n m L m m ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦ ,(1)(1)(1)11121(2)(1)222()0nn n nn a a a a a U a ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦2.唯一性:分A 非奇异和奇异两种情况来证 (1)A 非奇异考虑到A 的前n-1个顺序主子式非零,得 det()0,1,2,,i A i n ≠=设1122A LUL U ==,12,L L 为单位下三角矩阵,12,U U 为上三角矩阵。
因A 非奇异,所以1U 可逆,从而112121L L U U −−=112121112121(,)L L E U U L L U U −−−−⇒==因为单位下三角阵为上三角阵2121,L L U U ⇒==(2)A 奇异因det()0,1,2,,1i A i n ≠=− ,det()0n A =()0,1,2,,1i ii a i n ⇒≠=− ,()0n nn a = 设1122A LUL U ==,12,L L 为单位下三角矩阵,12,U U 为上三角矩阵。
对它们进行矩阵分块,得(1)(1)(1)(1)(1)(1)111222(1)(1)1122001010n n n n n n n n L U a L U a m a m a −−−−−−−−⎛⎞⎛⎞⎛⎞⎛⎞=⎜⎟⎜⎟⎜⎟⎜⎟⎝⎠⎝⎠⎝⎠⎝⎠其中(1)(1)12,n n L L −−为n-1阶单位下三角矩阵,(1)(1)12,n n U U −−为可逆的n-1阶上三角矩阵(1)(1)(1)(1)(1)(1)(1)(1)11112222(1)(1)(1)(1)(1)(1)(1)(1)1111122222n n n n n n n n n n n n n n n n L U L a L U L a m U m a a m U m a a −−−−−−−−−−−−−−−−⎛⎞⎛⎞⇒=⎜⎟⎜⎟++⎝⎠⎝⎠由(1)(1)(1)(1)1122n n n n L U L U −−−−=(1)(1)(1)(1)2121,n n n n L L U U −−−−⇒==由(1)(1)(1)(1)1122n n n n L a L a −−−−=(1)(1)21n n a a −−⇒= 由(1)(1)(1)(1)1122n n n n m U m U −−−−=(1)(1)21n n m m −−⇒=由(1)(1)(1)(1)222111n n n n m a a m a a −−−−+=+21a a ⇒= 故2121,L L U U == 证毕。
逆矩阵的计算公式逆矩阵计算公式:1. 基本定义:一个矩阵$A$的逆矩阵记作$A^{-1}$,若$A、B$都是$n$阶方阵,当且仅当满足$AB=BA=I_n$时,称$B$为$A$的逆矩阵,其中$I_n$是$n$阶单位方阵;2. 求解方法:(1)数域方式:矩阵$A$不在复数域或实数域中求解,可以建立$A$的伴随矩阵,用高斯-约旦消去法来求出逆矩阵$A^{-1}$。
(2)矩阵的分块:矩阵$A$分成子矩阵,其每部分的逆矩阵都是可以算出的,因此可以将大矩阵的逆分解成子矩阵逆的乘积,求解大矩阵的逆矩阵;(3)矩阵的隐式函数法:该法是使用函数的思想来求关系矩阵A的逆矩阵$A^{-1}$,在前面假定$AX=B$有解的前提下,进行一系列推导,解出$A^{-1}$;(4)矩阵朴素算法:如果矩阵$A$是一个$n$阶方阵,可以利用矩阵$A$的特殊形态对其求逆的同时消元,并利用行变换整理出$A$的逆矩阵;(5)范数方法:它是针对正定矩阵的,首先将正定矩阵按范数排列成一系列小矩阵,然后通过小矩阵式求出正定矩阵的逆矩阵;(6)LU分解:LU矩阵分解又称为Crout分解,是一种对非奇异方阵求逆矩阵的有效方法,它是利用下三角求逆和上三角求逆相结合可以求出矩阵的逆矩阵;(7)QR分解:它是基于矩阵的Q矩阵去求逆的,是利用正交分解的齐次系数特征值问题可以求出模糊Hessenberg矩阵的逆,进而迭代求出原矩阵的逆矩阵;(8)对称正定矩阵的求逆:如果需要求解的矩阵是一个对称正定矩阵,那么可以用Cholesky分解的方法计算矩阵的逆;(9)龙贝格(Löwner)方法:也叫做增量方法,可以用来求矩阵$A$的逆矩阵,计算公式是:$A^{-1}=A^{T}+A^{T}AA^{-1}$;(10)改进的共轭梯度法:可以用于求一般方阵的逆矩阵,也可以用于求一般非完全可逆矩阵的逆,可以求出较为精确的结果。