数值计算方法课件 第三章 线性方程组的直接解法VIP

其中称之为矩阵的迹是的特征值设是上的范数，是上的范数如果对满足则称上述矩阵范数与向量范数相容。相容性（/*Compatibility*/ ）证明：设易验证它是一种向量范数。令设是中的任意一种矩阵范数，则在中至少存在一种向量范数，使得和是相容的。性质记由得而从属性（/*Subordination*/ ）设矩阵范数与向量范数相容，且对每一个都存在一个非零向量满足则称是从属于向量范数的矩阵范数。从属于向量范数的必要条件：证明：矩阵范数与向量范数的相容性：设是中的一种向量范数,若定义则是上的一种矩阵范数. Step 1 消元Step 2 消元所求方程组的解为平方根法(Cholesky 乔列斯基分解方法) 当为实对称正定矩阵时，三角分解法的变形。实对称正定矩阵的几个重要性质A 1 亦对称正定，且aii 0 A 的顺序主子阵Ak 亦对称正定A 的特征值i 0 A 的全部顺序主子式det ( Ak ) 0 （充要条件）§3.3 平方根法（Cholesky 分解）如果是正定矩阵，则存在一个对角元素为正数的下三角矩阵，使得。证明：设则的所有顺序主子式为正矩阵存在Doolittle 分解易证其中为的主对角元素，且有单位上三角记其中思想Cholesky 分解的计算公式设由对应元素相等得Cholesky 分解公式因对称性无需存储Step1 Step2 Step3 Stepn 的计算过程: 逐列计算元素仍然存放在矩阵的相应位置上矩阵分解的实际计算公式(算法) ：for for for for 例5：用Cholesky 分解法求解下列方程组解：系数矩阵为Step1 Step2 Step3 求解方程组求解方程组Cholesky 分解法求解方程组中需说明的几个问题工作量：约为分解的一半；不必选主元：的正定性和算法的稳定性稳定性：是数值稳定的；缺陷：存在开平方运算。改进方法：分解改进的平方根法改进的平方根法(/*Modified Square Rooting Method*/) 当时令Step1 Step2 Step3 时Stepn 例6：用改进的平方根法求解下列方程组解：系数矩阵为Step1 Step2 Step3 求解方程组求解方程组分解公式(算法) ：求解方程组等价方程组for for for 先求解方程组再求解方程组方程组求解的实际计算公式：§3.5 向量范数与矩阵范数一、向量范数（/*Vector Norm*/ ）设是的一个映射，若对存在唯一实数与之对应，且满足正定性：齐次性：三角不等性：且则称为中向量的范数。非负实值函数称为赋范线性空间可以推广到常用的几种向量范数：设1- 范数：2- 范数：- 范数：上述3种向量范数统称为P- 范数(或者Holder 范数) 设由夹逼定理两个重要不等式闵可夫斯基(Minkowski) 不等式：柯西-许瓦滋(Cauchy-Schwartz) 不等式：或者Cauchy-Schwartz 不等式的证明令例1：设是n阶实对称正定矩阵，则是中的一种向量范数。证明：只需验证范数的3个条件成立即可。非负性：齐次性：三角不等性：存在非奇异下三角阵例2：证明是线性空间上的一种范数。证明：只需验证范数的3个条件成立即可。非负性：齐次性：三角不等性：闵可夫斯基(Minkowski) 不等式：向量范数的性质：性质1 证明：同理性质2 是的n元连续函数. 设和是上定义的两种范数，如果存在正数满足则称和是上等价的向量范数。（等价性/*Equivalence Property*/ ）性质3 例如设性质4 向量范数的等价性具有传递性。性质5 的所有向量范数是彼此等价的。记（向量序列的范数极限）即向量序列的范数收敛等价于向量分量收敛性质6 设,则的充要条件是设其中选用- 范数二、矩阵范数（/*Matrix Norm*/ ）正定性：齐次性：三角不等性：且则称为中矩阵的范数。赋范线性空间可以推广到相容性: 设是的一个映射，若对存在唯一实数与之对应，且满足是一种矩阵范数。例3：设，证明：证明：只需验证范数的4个条件成立即可。上述范数可以看成是维向量的2- 范数，故只需验证记Frobenius 范数简称F- 范数半带宽为t的等带状矩阵的一般形式: （保带状结构定理）设为上半带宽为，下半带宽为的带状矩阵，且其顺序主子式，则有唯一的三角分解，其中是下半带宽为的单位下三角阵，是上半带宽为的上三角阵。证明可根据前面讲过的三角分解公式保带状结构定理说明：矩阵的三角分解中，和带外元素为零，因此不必计算，且不必参加求和运算三对角线性方程组的三对角算法（追赶法）三对角线性方程组其中根据保带状结构定理，系数矩阵可作如下三角分解：三对角矩阵分解的计算公式：方程组求解的计算公式：解方程组解方程组“追”的过程“赶”的过程追赶法实现的一个充分条件(补充) 设为前述三对角矩