计算方法 方程组c.ppt

§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： 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： 矩阵范数的基本性质： （1）当A = 0时， ＝0，当A ? 0时， 0 （2）对任意实数和任意A，有 （3）对任意两个n阶矩阵A、B有 （4）对任意两个n阶矩阵A、B，有 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的相容范数， 记为 。 矩阵的相容范数： 矩阵的F范数： 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 矩阵相容范数的性质： （1） （2）对任意向量X?Rn，和任意矩阵A，有 （3） 求解 时，A 和 的误差对解 有何影响？ ? 设 A 精确， 有误差　 ，得到的解为 ，即 绝对误差放大因子 又 相对误差放大因子 4. 线性方程组的性态和解的误差分析 §2 Error Analysis for . ? 设 精确，A有误差 　 ，得到的解为 ，即 Wait a minute … Who said that ( I + A?1? A ) is invertible? (只要? A充分小，使得 是关键 的误差放大因子，称为 A的条件数，记为cond (A) , 越 则 A 越病态， 难得准确解。 大 定义5：设A 为n 阶非奇矩阵，称数 为矩阵A的条件数， 条件数的性质： ⅰ）cond ( A )≥1 ⅱ）cond ( kA )= cond ( A ) k 为非零常数 ⅲ）若 ， 则 记为cond( A )。 例：Hilbert 阵 cond (H2)? = 27 cond (H3)? ? 748 cond (H6)? = 2.9 ? 106 cond (Hn)?? ? as n ? ? 注：一般判断矩阵是否病态，并不计算A?1，而由经验得出。 ? 行列式很大或很小（如某些行、列近似相关）； ? 元素间相差大数量级，且无规则； ? 主元消去过程中出现小主元； ? 特征值相差大数量级。 ? 近似解的误差估计及改善： 设　　 的近似解为　 ，则一般有 cond (A) 误差上限 ? 改善方法： Step 1:　　　　　近似解 Step 2: Step 3: Step 4: 若　 可被精确解出，则有 就是精确解了。 经验表明：若 A 不是非常病态（例如： ），则如此迭代可达到机器精度；但若 A 病态，则此算法也不能改进。