Chapter3线性方程组的解法(下)-ZTY.pptxVIP

第三章线性方程组第三章 解线性方程组的迭代法基础—向量与矩阵的范数3.5.1 向量的范数/* vector norms */ 为了研究线性方程组近似解的误差估计和迭代法的收敛性，需要对n维向量空间R n中的向量的“大小”给出某种度量。 衡量数的误差用到绝对值； 现代数学中常用“范数”来度量向量的“大小”。则称 为R n上的向量范数3.5.1 向量的范数定义3.1向量范数 定义3.1 设 为定义在R n上的实函数，如果对任意 它满足条件：（1） 当且仅当x=0 (正定性）（2） （对任意常数 ） （齐次性）（3） （三角不等式）（对任意 ）（4）向量的2-范数：向量的p-范数：向量的1-范数：向量的? -范数：常用向量范数：n?n=2||x|||x|?=||x|||x|2i=1i1i1/pn=1i?==p||x||max|x|||x|||x|pi?i??1in=1i可以证明向量函数||x||p是Rn上的向量的范数，且前三种范数是“p”范数的特殊情况||x||2向量范数的几何意义例 设 x =(-1, 2, 3)T计算||x||1, ||x||∞, ||x||2解 ||x||1=1+2+3=6 ||x||2=(12+22+32)1/2 = ||x||∞=max{1,2,3}=3　向量序列收敛于向量 是指对每一个 1 ? i ? n 都有 。定义可以理解为定义3.2 向量收敛的定义§1 Norms of Vectors and Matrices – Matrix Norms定义　Rm?n空间的矩阵范数 || · || 对任意 满足：（正定性 /* positive definite */ )对任意(齐次性 /* homogeneous */ ) （三角不等式 /* triangle inequality */ )(5) || Ax || ? || A || · || x || 特别有：（行或无穷范数）（列或1范数）定义3.3 矩阵范数 /* matrix norms */(4)* || AB || ? || A || · || B || （相容 /* consistent */ 当 m = n 时)3.5.2 矩阵的范数 （续）例 设 计算||A||1、||A||∞解 ||A||1 = max{5, 8}=8 ||A||∞ = max{4,9}=9 3.6 线性方程组的迭代解法在用直接法解线性方程组时要对系数矩阵不断变换如果方程组的阶数很高,则运算量将会很大因此对线性方程组要求找寻更经济、适用的数值解法 3.6 线性方程组的迭代解法迭代法 是对任意给定的初始近似解向量，按照某种方法逐步生成近似解序列，使解序列的极限为方程组的解。 因此迭代法是用某种极限过程去逐步逼近线性方程组精确解的方法。 可以用有限步运算算出具有指定精确度的近似解。 主要方法：雅可比(Jacobi)迭代法高斯-塞德尔（Gauss-Seidel)迭代法逐次超松弛法3.6 线性方程组的迭代解法（续）3.6 线性方程组的迭代解法（续）3.6 线性方程组的迭代解法（续）3.6 线性方程组的迭代解法（续）3.6.1 迭代格式的一般形式 解线性方程组的迭代法的基本思想与求非线性方程的迭代法的基本思想是类似的。变形成等价的同解线性方程组然后任取一个初始向量x(0)∈Rn作为近似解，由公式构造向量序列{x(k)}，如果向量序列{x(k)}满足3.6.1 迭代格式的一般形式（续）------迭代法收敛方程组的解否则，称此迭代法发散。迭代格式迭代矩阵第k次迭代近似解-------第k次迭代误差3.6.1 迭代格式的一般形式（续）用迭代法解方程组(Ax =b)的关键是：如何构造迭代格式雅可比(Jacobi)迭代法高斯-塞德尔（Gauss-Seidel)迭代法逐次超松弛法(2) 由迭代格式产生的向量序列{x(k)}的收敛条件是什么？3.6.2 雅可比迭代法设线性方程组 Ax =b的一般形式为雅可比（Jacobi)迭代法的步骤为：3.6.2 雅可比迭代法（续）3.6.2 雅可比迭代法（续）（2）写成迭代格式3.6.2 雅可比迭代法（续）（3）取定初始向量令根据迭代公式（3.23)可得向量序列{x(k)}。3.6.2 雅可比迭代法（续）类似于非线性方程的迭代法，对于事先给定的精度要求ε，当就可以得到方程组的近似解3.6.2 雅可比迭代法（续）雅可