数值分析07线性代数方程组的直接法讲解.ppt

* 直接三角分解法解AX = b的计算公式 对于r = 2, 3, …, n计算 （2）计算U的第r行元素 （3）计算L的第r 列元素 (r ? n) (1) (4) (5) §4 平方根法 1．矩阵的LDR分解 定理3：如果n阶矩阵A的所有顺序主子式均不等于零， 则矩阵A存在唯一的分解式A = LDR其中L和R分别是 n阶单位下三角阵和单位上三角阵，D是n阶对角元素 的不为零的对角阵，上述分解也称为A的LDR分解。 2．平方根法 如果A为对称正定矩阵，则存在一个实的非奇异下三角矩阵，使A=LLT ，且当限定的对角元素为正时， 这种分解是唯一的。 定理4：（对称正定矩阵的三角分解） 将对称 正定阵 A 做 LU 分解 U = uij = u11 uij / uii 1 1 1 u22 unn 记为 A 对称 即 记 D1/2 = 则 仍是下三角阵，且有 用平方根法解线性代数方程组的算法 （1）对矩阵A进行Cholesky分解，即A=LLT，由矩阵乘法： 对于 i = 1, 2,…, n 计算 （2）求解下三角形方程组 （3）求解LTX = y 3．改进平方根法 其中 改进平方根法解对称正定方程组的算法 令LTX = y，先解下三角形方程组 LDY = b 得 解上三角形方程组 LTX = Y 得 §5 向量和矩阵的范数 1．向量的范数 定义1：设X ? R n，??Ｘ?? 表示定义在Rn上的一个实值函数， 称之为X的范数，它具有下列性质： （3）三角不等式：即对任意两个向量X、Y? R n，恒有 (1) 非负性：即对一切X ? R n，X ? 0, ??Ｘ?? 0 (2) 齐次性：即对任何实数a ? R，X ? R n， 设X = (x1, x2,…, xn)T，则有 （1） （2） （3） 三个常用的范数： 范数等价: 设‖·‖A 和‖·‖B是R上任意两种范数，若存在 常数 C1、C2 0 使得 , 则称 ‖·‖A 和‖·‖B 等价。 定理5：定义在Rn上的向量范数 是变量X分量的 一致连续函数。 定理6：在Rn上定义的任一向量范数 都与范数 等价， 即存在正数 M 与 m ( Mm ) 对一切X?Rn，不等式 成立。 推论：Rn上定义的任何两个范数都是等价的。 对常用范数，容易验证下列不等式： 定义2：设给定Rn中的向量序列{ }，即 其中 若对任何i (i = 1, 2,…, n )都有 则向量 称为向量序列{ }的极限，或者说向量序列{ } 依坐标收敛于向量 ，记为 定理7：向量序列{Xk}依坐标收敛于X*的充要条件是 向量序列依范数收敛与依坐标收敛是等价的。 2．矩阵的范数 定义3：设A为n 阶方阵，Rn中已定义了向量范数 ， 则称 为矩阵A的范数或模， 记为 。即 矩阵范数的基本性质： （1）当A = 0时， ＝0，当A ? 0时， 0 （2）对任意实数k 和任意A，有 （3）对任意两个n阶矩阵A、B有 （5）相容性 对任意两个n阶矩阵A、B，有 （4）对任意向量X?Rn，和任意矩阵A，有 例5: 设A＝(aij)∈M. 定义 证明：这样定义的非负实数不是相容的矩阵范数. 证明：设 从而 定理8：设n 阶方阵A = (aij)n?n，则 （Ⅰ）与 相容的矩阵范数是 （Ⅱ）与 相容的矩阵范数是 其中?1为矩阵ATA的最大特征值。 （Ⅲ）与 相容的矩阵范数是 上述三种范数分别称为矩阵的1-范数、2-范数和∞-范数。 可以证明, 对方阵 和 ，有 (向量|| · ||2的直接推广) Frobenius范数: 3．矩阵的范数与特征值之间的关系 定理9：矩阵A 的任一特征值的绝对值不超过A的范数，即 定义4：矩阵A 的诸特征值的最大绝对值称为A的谱半径， 记为： 并且如果A为对称矩阵，则 注:Rn×n中的任意两个矩阵范数也是等价的。 定义5： 设|| · ||为Rn×n上的矩阵范数，A,B∈Rn×n 称 ||A-B||为A与B之间的距离。 定义6：设给定Rn×n中的矩阵序列{ }，若 则称矩阵序列{ }收敛于矩阵A，记为 定理10 设B∈Rn×n，则由B的各幂次得到的 矩阵序列Bk, k=0,1,2…)收敛于零矩阵 （ ）的充要条件 为