线性代数方程组的直接解法介绍.ppt

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3.3.1)： 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3.3.2)： 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 Propert