线性方程组求解之回归模型.pptVIP

数学建模 即有： 这与严格对角占优阵矛盾，故 * (2)A为不可约弱对角占优阵，采用反证法。 设 使 Ax=0。并令m 使 （由弱对角占优定义）成立。再定义下标集合： * 在(6.3.10)中取k=m ，将导致与(6.3.11) 得矛盾故 （空集合）。对任意 ，有 （由(6.3.10)），由此可见，当 时有 。否 则，上式就与 A为弱对角占优阵矛盾。 但对任意 和 ，必有 ，因而 从而 A为可约矩阵，这与A 为不可约矩阵假设矛盾。 * 定理 6.3.12 若 为严格对角占优矩阵或为不可约对角占优矩阵，则对任意的初始向量 方程组Ax=b 的Jacobi迭代法和G-S迭代法均收敛。且G-S迭代法比Jacobi迭代法收敛速度快。 证明 设A为不可约对角占优矩阵，先证明G-S迭代法收敛。由弱对角占优阵假设知 而G-S迭代矩阵为 又 * * 即 记 则： 下面来证明当 时， ，这是因为A 为不可约阵，则 C也不可约，由 A为弱对角矩阵，可得： 且至少有一个不可约等式严格成立，这表明当 时，C为不可约弱对角占优矩阵，于是： * 经5次迭代得： 从此例可见， G-S迭代法比Jacobi迭代法收敛快（初始向量相同，达到同样精度，所须迭代步数较少），但这个结论对Ax=b的矩阵 满足某些条件才是对的，甚至有这样的线性方程组，用Jacobi方法是收敛的，而用G-S迭代法却是发散的。 * 如线性方程组： 此例用Jacobi迭代法收敛而G-S迭代法却发散。 简要分析如下： * * 特征方程 6.3.3 迭代法的收敛性 迭代法的 收敛性 12条定理 8条定义 * 定义6.3.1 设有矩阵序列 及 如果 成立，则称 收敛于A。记为 。 例如，矩阵序列 当 时， （当 时）。 矩阵序列收敛的概念可以用任何矩阵范数来描述。 * * 下面介绍向量、矩阵的范数定义、常用的范数形式以及相关性质。 定义 6.3.2 （向量范数）如果 的某个实值函数 （1）正定性： （2） ，c 为实数 （3）三角不等式： 则称 为 上的一个向量范数（或向量的模） 利用三角不等式容易证明： （4） 在 中，三角不等式即为三角形两边长之和大于第三边长。如下图： ? * ||x+y|| ||y|| 定义 6.3.3设 上四种常用向量范数如下： (1)向量的1—范数： (2)向量的∞ —范数： (3)向量的2—范数： * (4)向量的p—范数： 易证明：它们均满足向量范数定义 ，且前三种向量范数均为第四种的向量范数的特例。其中 * 例6.3.3 设 计算 解 * 定理 6.3.1 设非负实值函数