矩阵的三角分解法剖析.pptVIP

Gauss消元法的矩阵形式 Gauss消元法的矩阵形式（续） 杜利特尔（Doolittle）分解——LU分解 2.2 矩阵的三角分解 对A进行LU分解 对A进行LU分解 （r 行r 列） 对A进行LU分解的具体步骤 矩阵A的LU分解举例 三角分解的紧凑格式 三角分解的紧凑格式 三角分解的紧凑格式举例 3.3 直接三角分解法 直接三角分解法（续） 紧凑格式解线性方程组举例 紧凑格式解线性方程组举例（续） 三角分解法的几点说明 三角分解法的几点说明（续） §3 方程组的性态与条件数 3.1 向量与矩阵的范数 常用的向量范数 对2范数 Rn中范数的等价性 向量的误差 常用的矩阵范数（续） 最大行和矩阵范数的证明 最大行和矩阵范数的证明（续） 范数的相容性 求范数举例 3.2 舍入误差的影响及算法的稳定性 3.3 方程组的性态和条件数 方程组的性态和条件数（续1） 方程组的性态和条件数（续2） 方程组的性态讨论 ——病态、良态 方程组的性态讨论 ——病态、良态（续） 方程组的性态讨论（续2） 方程组的性态讨论（续3） 方程组的性态讨论续（3） 方程组的性态讨论续（4） 矩阵的条件数 判断病态矩阵的几点参考 利用条件数判断矩阵的性态举例 定理5.1存在性证明 定理5.1唯一性证明 定义2 对任意n阶方阵A = (aij)n?n，若对应一个非负实数||A||，满足： 则称||A||为矩阵A的范数。 与向量范数定义比较，前三条性质只是向量范 数定义的推广，而第四条性质则是矩阵乘法性质 的要求，它使矩阵范数在数值计算中使用更方便。 矩阵范数 常用的矩阵范数有： 它们分别叫做矩阵的?范数，1范数，2范数，F范数， 矩阵F范数是向量2范数的推广，矩阵?范数，1范数计算 容易，而矩阵2范数与ATA的特征值有关，所以又称为谱 范数，它的计算较困难，但因为它有一些好的性质，所 以也是常用的范数。 常用的矩阵范数 可以证明，这些范数都满足定义2。 以||A||?为例，前2条性质显然成立，而对： 在误差估计中，由于矩阵与向量会同时用到，我们总 希望有上面的不等式成立， 但对任意的向量范数与矩阵范数却未必如此，因而特别地把满足此不等式的范数称为相容的，可以证明，上述常用的范数是相容的，即有： 在使用范数时，应选用相容的矩阵范数与向量范数。 分别称为 的关于P范数的 绝对误差与相对误差。 有了矩阵范数，就可以用它描述矩阵的误差，设 是A的近似矩阵， 称为 的残差阵，则： 例 3 例 解 例 解 举 例 例 解 举 例 例 解 举 例 前面曾介绍了多种解线性方程组的方法，由于计算机字长的限制，无论哪种方法，求解的每一步几乎都可能引入新的舍入误差，这些误差随着计算的推进而向前传播。 算法不同误差的累积情况不一样，舍入误差对解的影响不大的算法称为数值稳定的算法。 可以证明：主元素法、约当消去法、Cholesky分解法和追赶法都是数值稳定的算法。 可以看出，后两个方程组与第一个方程组相 比，系数矩阵或右端向量仅有0.0005以下的误差， 但准确解却相差很大。 数值稳定的算法是否一定能求得精度比较高 的解呢？回答是不一定，解的精度还与方程组本 身的性态有关，下面来考察几个例： 例4 例5 若其系数，常数项改用三位有效数字的小数表示， 则方程组为 ： 右端项b产生0.1%的变化?引起解的变化 最大变化184%。 初始数据的误差（相对）0.3% = 0.003，而解的相对误差却超过50%。 例6 在许多实际问题中，线性方程组的系数矩阵和 右端项的元素大多为前面计算的结果，因此上述 例中的微小误差是避免不了。而对上述例中的方 程组，无论用多么稳定的算法求解，计算中产生 的微小误差就使解面目全非，所以这些方程组的 性态是很差的。 当方程组Ax = b的系数矩阵与右端向量b的微 小变动（小扰动）而引起解严重失真时，称此方 程组为病态方程组，其系数矩阵A称为病态矩阵， 否则称为良态方程组，A称为良态矩阵，为了定量 刻画方程组“病态”的程度，下面对方程组Ax = b在 系数矩阵A及右端项b有扰动的几种情形进行讨论。 此不等式表明，当右端项有扰动时，解的相对误差不超过b的相对误差的 倍。 首先考察右端项b的扰动对解的影响，设b有扰 动?b，A为