线性方程组的敏度分析与消去法的舍入误差分析.docVIP

线性方程组的敏度分析与消去法的舍入误差分析 我们已经在上一章详细讨论了如何用Ｇauss消去法求解线性方程组，但从数值计算的角度来看，这是不够的。这是因为在实际计算时，我们不仅要面对如何求解的问题，而且也要面对数据不精确的问题和机器的有限精度问题。只有讨论了后面这两个问题，我们才可能知道，所求得的解是否可靠。而要讨论这两个问题，我们需要用范数来描述向量和矩阵的扰动的大小等概念。所以在这一章中，我们首先介绍向量范数和矩阵范数的概念及其基本性质；然后对线性方程组进行敏度分析，讨论舍入误差问题，并对列主元Ｇauss消去法进行详细的舍入误差分析；最后介绍一种估计计算精度的实用方法以及改进其计算精度的迭代方法。 2.1 向量范数与矩阵范数 2.1.1 向量范数 向量范数的概念是复数模的概念的自然推广，其定义如下： 定义2.1.1 一个从到的非负函数叫做上??向量范数，如果满足： （1） 正定性：对所有的有，而（2） 且当且仅当； （3） 齐次性：对所有的和有； （4） 三角不（5） 等式：对所有的有. 定理 2.1.1 上的向量范数是连续函数。 证明 对任意，因，由性质（3）得，即 ，及 从而得到 再注意到，由性质（2）和（3）得 由此可知，作为上的实函数是连续的。 定理证毕 最常用的向量范数是P范数（亦称H?lder范数）： 其中是最重要的，即 它们分别叫做1范数、2范数和∞范数。这三个范