数学考试准备介绍.docx

数学考试准备向量范数与矩阵范数一、 向量范数的定义及性质1、定义设是域上的向量空间，若对任意的，都有一个实值函数满足：（1） 非负性：，，且当且仅当时，（2） 齐次性：，（3） 三角不等式：，则称为上的向量范数。2、常见的向量范数设是复数域中的任一向量，则1- 范数：2- 范数： 范数：3、向量范数的性质性质1：设向量杂基下的坐标为：和则有：证明：因 交换的位置，有即又因为：性质2向量的2-范数和内积满足不等式证明：首先我们利用内积的性质，证明事实上，由内积的非负性得到：对及，有 由判别式其次，由2-范数的定义=，即Exp4.设为实数，证明：证明：记，定义内积：则，由不等式：得到定义：设，是有限维线性空间上的任意两种范数，若存在两个正常数，使得对有：则称向量范数，是等价的。由范数的等价性定义，可以得到：性质3内积空间中的1-范数，2-范数及范数相互等价:证明：显然，由1，2及范数的定义不难得到如下关系：所以，～另一方面， =而显然成立，即所以，～，这表明：三种向量范数相互等价。一、 矩阵范数1、设矩阵，若存在一个非负实值函数满足下列条件：（1） 非负性，等号当且仅当时成立（2） 齐次性，（3） 三角不等式：（4） 相容性：则称为上的一个矩阵范数不难验证：满足上述性质，因而是一种矩阵范数，称为范数或范数。2、算子范数定义：设给定上的一种向量范数（），若相应的矩阵范数满足则称是与向量范数相容的矩阵范数。定理：设给定一种向量范数（），对于，记=则是一矩阵范数，称之为由向量范数导出的矩阵范数（或算子范数）。显然，当时，可得到与相容的算子范数为：------矩阵的1-范数从式中可以看到，矩阵的1-范数，是将矩阵的每列元素的绝对值相加，取最大值，故又称矩阵的列范数。当时，可得到与相容的算子范数为：--------矩阵的范数，又称矩阵的行范数当时，可得到与相容的算子范数为：这里，为矩阵的共轭矩阵，当为实矩阵时，，是矩阵的特征值。特别，当矩阵为实对称阵时，---（矩阵特征值绝对值的最大值）设矩阵计算的各种算子范数解：显然，====， ，，故=线性方程组迭代格式的构造及收敛性的讨论。1、三对角方程组的追赶法在样条函数的计算，微分方程的数值求解中，常遇到如下形式的方程组：（3.1.9）记成（其中是三对角阵）如果满足高斯消去的可行条件，可以用高斯消去法直接求解，注意到系数矩阵的三对角性质，采用对矩阵的直接三角分解，即分解后解三角方程组比较简单。不难验证，对三对角矩阵的分解具有如下形式：=追赶法过程分为两个：追过程：—逐步增大赶过程：——逐步减少用追赶法求解线性方程组，并写出矩阵L和U.解：设=，=，=，=因===2，====-1，由追赶法得=2，==，=-=2-=，====-=2-=即=，=由===由===二、迭代和迭代1、迭代用迭代法解方程组解：不难求得方程组有精确解：，如采用迭代法将方程组改写成：得到迭代格式，矩阵形式为：它的迭代矩阵为显然，，因此上述迭代格式是收敛的.如果取迭代初始值，，可得到迭代序列：01234567890 0.50.750.8750.93750.96880.98440.99220.99610.99810-0.5-0.75-0.875-0.9375-0.9688-0.9844-0.9922-0.9961-0.9981将线性方程组改写为迭代时的等价方程组使是应用迭代法求解线性方程组的关键.一般地假设方程组系数矩阵的对角元，则由方程组的第个方程解出，得到一个同解方程组：相应地迭代格式为：(4.7)或写成：称为迭代格式.如果取迭代初始值，可得到迭代序列.其迭代矩阵为：，为了得到迭代矩阵与系数矩阵的关系，我们对系数矩阵进行如下分裂，记=，=，=则=--，同时相应迭代格式为，即=称为迭代矩阵。为了计算迭代矩阵的谱半径，需要计算的特征值，为此可以考虑特征方程如果，则算法是收敛的.用迭代法求解下列方程组解：容易验证方程组有精确解取迭代初始值2、迭代法一般地，迭代法的具体格式如下：(4.8)其矩阵表示式为：整理得其中，=，，称为迭代矩阵.注：（1）的特征方程利用上式计算出矩阵的特征值，根据谱半径可以判别出迭代是否收敛.设有线性方程组试写出迭代，迭代，迭代格式解：迭代格式迭代格式设有线性方程组试证明：在迭代求解时，用迭代发散，而用迭代收敛。解：因=，=，=，=所以，迭代矩阵为=迭代矩阵为=由，得到特征值为：，，由，得到特征值为：，，所以，迭代发散，迭代收敛。设有线性方程组证明：该方程组用迭代法求解时，对任意的初始向量收敛，而用迭代法时求解时不是关于任意的初始向量收敛‘证明：因=，=，=，===，，，：，，即用迭代法求解时，对任意的初始向量收敛，而用迭代法时求解时发散，但这种发散的含义是指此时用迭代发求解时，对某些初始向量收敛，而对某些初始向量