- 1、本文档共38页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第2章解线性方程组的迭代法(ppt)
第2章 解线性方程组的迭代法
开场白 求解线性方程组是研究中经常遇到的问题,
阶线性方程组的一般形式:
矩阵形式:
其中 (系数矩阵),,。
本章介绍个方程个未知量构成的线性方程组(即元或阶线性方程组)的间接求解方法——迭代解法。
§1 迭代法的一般理论
向量范数和矩阵范数
向量范数
设是一个实数,则其绝对值是一个非负实数,具有以下三个性质:
(1)等号当且仅当时成立;
(2)对任意数,有
(3)
推广到向量上得到向量的范数的概念:
定义 设若对应的非负实数满足条件:
(1)当且仅当时成立;
(2)对任意数,有
(3)
则称为向量的范数。即 ,事实上是多元函数。
例如,:的模。是一种范数。
定义了范数的线性空间称为赋范线性空间。若范数是向量的模,则为欧氏空间。
常用的向量范数有:设
(1), 1-范数
(2) 2-范数(向量的模)
(3) 无穷范数
其中是和的内积。
设定义和的内积
(即对应分量相乘再相加,几何中称为向量的点乘积或数量积)
例如,设则
(1)
(2)
(3)
可以用向量范数来表示向量误差。
定义 设是方程组的精确解向量,是近似解向量,
(1)称是的关于范数的绝对误差。
(2)称是的关于范数的相对误差。
不同的向量范数有不同的绝对误差和相对误差的定义。
矩阵范数
定义 设是矩阵,若对应一个非负实数,满足条件
(1)当且仅当时成立;
(2)对任意数,有
(3)对任意的矩阵,有
则称为矩阵的范数。
例如,
(1) 范数
定义 对于给定上的一种向量范数和上的一种矩阵范数,若对任意的向量及矩阵,有
则称矩阵范数和向量范数是相容的。
由向容性可从向量范数诱导出矩阵范数:
称为矩阵的相容性范数
说明 (1)设为矩阵的相容性范数,则对任意的矩阵,有
即 (此不等式也称为矩阵范数的相容性)
(2)设为阶单位阵,则
(或按照习惯单位阵也记作,)
相应于3种向量范数,可诱导出3种矩阵的常用相容性范数:
(1) ——列和范数
(2) ——谱范数
(3) ——行和范数
其中表示矩阵(为阶对称阵)的最大特征值。
证明:
证明 设是的任一特征值,是相应的特征向量,则且
等式两边同乘以得
即
由知而所以,
在了矩阵范数,可以描述矩阵误差:设是的近似阵,
(1)称为的残差阵。
(2)称为的关于范数的绝对误差。
(3)称为的关于范数的相对误差。
(以下为讲课教案,上面的教案需要明年再改)
谱半径
定义 设是阶方阵,特征值为称
为矩阵的谱半径。
说明 (1)由于特征值也有可能是复数,因此,
若是实数,表示特征值的绝对值;
若是实数,表示特征值的模。
从而,谱半径从几何上来讲指离坐标原点最远的的模。(图)
(2)由于与具有相同的特征值,所以,
(3)
分析 设是的特征值,则是的特征值,
因此,
(3)而是非负数,所以,等于其绝对值。
(4)谱半径只是一个矩阵函数,不是矩阵范数。
(5)当为对称阵时,
分析 当为对称阵时,
所以,
而考虑的特征值,只需考虑的特征值。
若是的特征根中绝对值(实对称矩阵的特征值必为实数)最大的那个特征值,则
从而,
定理 设是阶方阵,则的谱半径不超过的任何相容性范数。
即
证明 设是的一个特征值,且,是的对应于的特征向量,则
因此,
从而,
说明 此结果在估计的特征值的上限时很有用处,因为,一般说来特征值不易计算,而范数是容易计算的。
定理 设是阶方阵,则存在某种矩阵范数,使得
定理 若则(1)可逆;(2)
分析 (1)证明方阵可逆的常用方法:
1)利用方阵可逆的充要条件
定理 可逆。
仅有零解。
,其中是初等矩阵
0不是的特征值。
2)反证法。
(2)为了证明先要出现由可逆矩阵的定义知,
若矩阵可逆,则
证明 (1)反证法:设不可逆,则从而方程组有非零解,
即存在向量,使得变形得
两边同时取范数 而
因此,矛盾。因此,可逆。
(2)由知,
整理得
从而,
整理得
迭代格式的构造
迭代法的思路:
将等价地改写成的形式,建立迭代格式:
从初始值出发,得到序列若收敛于,即
则将作为方程组的解的近似值。
需要考虑的问题:
(1)如何建立迭代格式?
(2)向量序列是否收敛?
(3)收敛速度如何?
(4)误差如何估计?
此后的内容将沿着这一思路建立不同的迭代格式,讨论几类迭代格式的这4个问题。
设有方程组,其中可逆,则方程组有唯一解。找解的迭代格式,只需寻找方程想
文档评论(0)