数值计算：线性方程组求解.ppt

引 言/* Introdction */ 线性代数方程组出现在工程与科学的许多领域中，而且很多数值求解问题最后也是归结于求解某些线性代数方程组，例如电学中的网络问题，船体数学放样中建立三次样条函数问题，用最小二乘法求实验数据的曲线拟合问题，解非线性方程组问题，用差分法或者有限元方法解常微分方程、偏微分方程边值问题等。众多的事实表明，解线性代数方程组的有效方法在计算数学和科学计算中具有特殊的重要性。 例：用 Gauss 消去法解方程组 回代求解，得 例 用列主元消去法解方程组 * 第六章 线性方程组的解法 /* Method for Solving Linear Systems */ ?线性方程组的两种数值解法 经过有限步算术运算，可求得方程组精确解的方法（若计算过程中没有舍入误差）。 用某种极限过程去逐步逼近线性方程组精确解的方法。 迭代法/* Iterative Methods */ 直接法是解低阶稠密方程组的有效方法。 特点 特点 直接解法/* Direct Methods */ 迭代法是解大型稀疏方程组（尤其是由微分方程离散 后得到的大型方程组）的重要方法。 Introdction 2. 3. 则称 是向量 Х 的范数。 我们用 表示n 维实向量的空间。 §1 向量与矩阵范数\*Norms of Vectors and Matrices *\ 如果向量 的某个实值函数 满足条件 定义 §1 Norms of Vectors and Matrices （正定性 /* positive definite */ ) (齐次性 /* homogeneous */ ) （三角不等式 /* triangle inequality */ ) ? 向量范数/* Vector norms */ 当且仅当 1. 1- 范数（最大范数） §1 Norms of Vectors and Matrices 2- 1—范数 4- p—范数 3- 2—范数（长度） 例 计算向量 的各种范数 解： 几种常用的向量范数 　　　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 　　　若存在常数C 0 使得对任意 有 , 则称范数 || · ||A 比范数 || · ||B 强。 　　　若范数 || · ||A 比|| · ||B 强，同时|| · ||B 也比|| · ||A 强，即存在常数 C1、C2 0 使得 ，则称 || · ||A 和|| · ||B 等价。 定义 定理 Rn 上一切范数都等价。 可以理解为对任何向量范数都成立。 §1 Norms of Vectors and Matrices 定理 证 显然， ， 于是又有 上任一种范数 ，由范数 的等价性，存在常数 使 而对于Rn §1 Norms of Vectors and Matrices §1 Norms of Vectors and Matrices ? 矩阵范数 /* 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 */ ) (4)* || AB || ? || A || · || B || （相容 /* consistent */ 当 m = n 时) In general, if we have || AB ||? ? || A ||? · || B ||? , then the 3 norms are said to be consistent. Oh haven’t I had enough of new concepts? What do I need the consistency for? When you have to analyze the error bound of