3.5向与矩阵的范数.pptVIP

上节课回顾; 迭代过程中经常要遇到向量范数，矩阵范数以及序列极限的概念。为此，下面先介绍这方面的知识和有关概念。 ; 几种常用的向量范数：设X=(x1,x2,...,xn)T;例 ：设 x=(1 , -4, 0, 2)T 求它的向量范数;向量范数的连续性:;向量序列的收敛问题;x1;例：设;注：显然有：;定理3.5 在空间Rn中，向量序列{X(k)}收敛于向量X的充要条件是对X的任意范数||·||，有：;几种常用的矩阵范数;例：设A=;弗罗贝尼乌斯 (Frobenius)范数简称F范数;Matlab中计算矩阵的范数的命令(函数)：;例6. 计算矩阵A的各种范数;矩阵范数的性质：;谱半径： 设 n?n 阶矩阵A的特征值为? i(i=1,2,3……n),则称 ρ(A)=MAX | ?i| 为矩阵A的谱半径. ;定理3.7设A为任意n阶方阵，则对任意矩阵范数||A||，有： ρ(A)≤||A||;定理3.7 设A为任意n阶方阵，则对任意矩阵范数||A||，有： ρ(A)≤||A||;矩阵序列的收敛性;a11;关于矩阵序列收敛的性质：;三、方程组的性态和条件数;绝对误差;相对误差关系式：设有方程组 AX=b (A是可逆矩阵,b≠0);2）仅系数矩阵有误差的情形:设方程组的系数A有扰动δA，则相应的解为X+δX，即 ( A+δA) (X+δX) =b;一般情形;由上面关系式可看到，带有扰动的近似方程组中,扰动的大小直接影响着所求解的相对误差，而解的相对误差都与||A-1||||A||有关,故可作如下定义：;通常使用的条件数有： （1）cond(A)∞=||A-1|| ∞ ||A||∞， （2）cond(A)2=||A-1|| 2 ||A||2 当A为对称矩阵时，;Cond (A)可反映出方程组解对系数的敏感性。我们通过下面的例子加以理解。;一般来说，方程组的条件数越小，求得的解就越可靠；反之，解的可靠性就越差。 ;1）当det(A)相对来说很小,或者A的某些行（或列）近似线性相关，Ax=b可能病态;;方法1 采用尽可能高精度的运算，例如双精度或多精度，以改善和减轻矩阵病态的影响，但此时的计算量将大大增大。;方法2 采用豫处理，降低矩阵A的条件数，以改善方程组的病态程度。;再计算矩阵B的条件数cond(B)∞≈4，显然经过行均衡后，系数矩阵的条件数得到很大的改善。;实验