第四章解线性方程组的迭代法-数值分析.ppt

* 第四章 解线性方程组的迭代法 /* Iterative Techniques for Solving Linear Systems */ 求解 思路 与解 f (x)=0 的不动点迭代相似 …… ，将 等价 改写为 形式，建立迭代 　 。从初值 出发，得到序列 。 计算精度可控，特别适用于求解系数为大型稀疏矩阵 /* sparse matrices */ 的方程组。 研究 内容： ? 如何建立迭代格式？　 ? 收敛速度？ ? 向量序列的收敛条件？ ? 误差估计？ §1 向量和矩阵范数 /* Norms of Vectors and Matrices */ —— 为了误差的度量 ? 向量范数 /* vector norms */ 定义 　　　Rn空间的向量范数 || · || 对任意 满足下列条件： （正定性 /* positive definite */ ) 对任意 (齐次性 /* homogeneous */ ) （三角不等式 /* triangle inequality */ ) 常用向量范数： ? = = n i i x x 1 1 | | || || v ? = = n i i x x 1 2 2 | | || || v p n i p i p x x / 1 1 | | || || = ? = v | | max || || 1 i n i x x ? ? ? = v 注： §1 Norms of Vectors and Matrices – Vector Norms 定义 　　　向量序列 收敛于向量 是指对每一个 1 ? i ? n 都有 。 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。 定义 　　　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。 HW: p.62 #6, #7 §1 Norms of Vectors and Matrices – Matrix Norms ? 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 AB – imagine you doing it without a consistent matrix norm… §1 Norms of Vectors and Matrices – Matrix Norms 常用矩阵范数： Frobenius 范数 — 向量|| · ||2的直接推广 对方阵 以及 有 利用Cauchy 不等式 可证。 算子范数 /* operator norm */ 由向量范数 || · ||p 导出关于矩阵 A ? Rn?n 的 p 范数: 则 特别有： （行和范数） （列和范数） （谱范数 /* spectral norm */ ） 矩阵 AT