计算方法1090728.pptVIP

2、矩阵范数相容性条件 3、矩阵范数的性质 证明： 或 二、矩阵范数的第二种定义： * 1、杜利特尔分解(Doolittle) 常用的两种三角分解： 2、克洛特分解(Crout) 用计算机求解：紧凑格式 ① ② ③ ④ ⑤ ⑥ 再用回代解出 2、用杜利特尔分解求解线性方程组 方程组 Ax=b 化为LUx=b 时，令L-1b=y，则通过 LU分解将Ax=b化为Ux=y,将b增广到A进行 LU分解 得到y。 例1: 例2:求解方程组 二、克洛特分解步骤 A=LU 推论： A=LDU 在定理的条件下（矩阵A各阶主子式Di≠0 (i=1,2,…,n) 不为零），矩阵A存在唯一的 LDU分解式，其中为L单位下三角阵，U为 单位上三角阵，D为对角阵。 即 例： 试求矩阵 的杜利特尔分解， 解： 设A的杜利特尔分解为 右端矩阵相乘，两端比较可依次求得 克洛特分解，LDU分解。 得杜利特尔分解为 由此可得LDU分解为 克劳特分解为 根据 得到 故LDU分解为 3.1 高斯消去法 3.1.1 基本思想 3.1.2 计算步骤 3.1.3 使用条件 3.1.4 计算量 3.2 列主元高斯消去法 3.2.1 数值不稳定 3.2.2 选主技术 3.2.3 计算矩阵行列式 3.2.4 高斯—约当消去法 3.3 矩阵三角分解法 3.3.1 矩阵三角分解原理 3.3.2 解线性方程组的三角分解法 3.3.3 平方根法 3.3.4 追赶法 3.4 向量和矩阵的范数 3.4.1 向量的范数 3.4.2 矩阵的范数 第三章 线性代数方程组的数值解法 3.4 向量和矩阵的范数 数学准备： 一、向量内积 定义： 是x,y的内积，并记为 内积的性质： ① 对称性： ② 齐次性： ③ 可加性： ④ 正定性： 二、向量正交 定义： 三、柯西—许瓦兹不等式 其中等号成立的充要条件是x和y线性相关。 证明： 设x，y线性无关，则对任意实数λ，有 于是有 对实系数方程 无实数解。因此判别式 即有 四、柯西不等式 3.1 高斯消去法 3.1.1 基本思想 3.1.2 计算步骤 3.1.3 使用条件 3.1.4 计算量 3.2 列主元高斯消去法 3.2.1 数值不稳定 3.2.2 选主技术 3.2.3 计算矩阵行列式 3.2.4 高斯—约当消去法 3.3 矩阵三角分解法 3.3.1 矩阵三角分解原理 3.3.2 解线性方程组的三角分解法 3.3.3 平方根法 3.3.4 追赶法 3.4 向量和矩阵的范数 3.4.1 向量的范数 3.4.2 矩阵的范数 第三章 线性代数方程组的数值解法 3.4.1 向量的范数 一、定义： 只要满足上述三个条件的实数就是向量x的一种范数。故该三个条件又称范数公理。 二、性质： 证明： 三、三种常用范数： 1、1—范数（绝对值范数） 判断是否满足三个条件： 2、2—范数（欧式范数，长度） 判断是否满足三个条件： 利用柯西—许瓦兹不等式 可得 3、∞—范数（最大范数） 判断是否满足三个条件： 例1：求向量x=[1,0,-1,2]T的范数 解： 例2：求单位向量e=[1,1,…,1]nT的范数 解： 四、p—范数 以上三种范数都是p—范数的特例。三种范数写成统一的表达形式，即p—范数 当p=1时，是1—范数。 p=2时，是2—范数。 p=∞时，是∞—范数 证明： 即 3.1 高斯消去法 3.1.1 基本思想 3.1.2 计算步骤 3.1.3 使用条件 3.1.4 计算量 3.2 列主元高斯消去法 3.2.1 数值不稳定 3.2.2 选主技术 3.2.3 计算矩阵行列式 3.2.4 高斯—约当消去法 3.3 矩阵三角分解法 3.3.1 矩阵三角分解原理 3.3.2 解线性方程组的三角分解法 3.3.3 平方根法 3.3.4 追赶法 3.4 向量和矩阵的范数 3.4.1 向量的范数 3.4.2 矩阵的范数 第三章 线性代数方程组的数值解法 3.4.2 矩阵的范数 一、第一种定义： 1、定义： *