第2章解线性方程组的迭代法(ppt).doc

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