3.1向量和矩阵及范数1.pptVIP

定理3.9 --------(3.8) 证明 3.1.3、方程组的性态条件数与摄动理论 （一） 线性代数方程组的性态 判断一个计算方法的好坏，可用方法是否稳定、解的精确度高低以及计算量、存储量大小等来衡量。然而，对于不同的问题，同一方法却可以产生完全不同的效果，这就涉及到所提供问题的性态，即“好、坏”。 例3.3.5 可见，在上述方程组中，系数误差的小扰动对解的影响不大。 可见，在上述方程组中，系数误差的小扰动对解的影响很大。 思考: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 ? 设 精确，A有误差 　 ，得到的解为 ，即 (只要? A充分小，使得 是关键 的误差放大因子，称为 A的状态数(条件数)， 记为cond (A) , 定义3.9 定义3.8 矩阵A的条件数与所取范数有关。通常记 显然，当A对称时， 条件数有下列性质： 定理3.9 推论1 推论2 常数项 b 的扰动对解的影响 系数矩阵A 的扰动对解的影响 定义3.3.8 例3.3.6 试求例3.3.5中两个线性代数方程组的条件数 解 因而，第二个方程组的性态远比第一个方程组坏， 从而对系数的敏感程度要高得多。 值得强调的是，线性代数方程组的性质是问题本身的固有性质。用一个稳定的方法去解一个良态的方程组，必然得到较准确的结果。同样用一个稳定的方法去解一个病态的方程组，结果就可能很差。 例3.3.7 解 线性代数方程组的精确解为 用列选主元消元法计算： 回代后得到 计算结果完全不可靠，实际上，此时 因此，方程组病态！ 如把方程组的系数 舍入成两位有效数字 例3.3.8 设有线性代数方程组 试分析其性态。 试分别计算两组方程组的 精确解。 它的精确解为x1 = -6.222... x2= 38.25… x3= -33.65... 它的精确解为x1=x2=x3=1. 条件数不是很好。两个解相差大，说明解对系数矩阵敏感程度高 事实上， 上例中矩 阵A是三阶 Hilbert矩阵 n阶Hilbert矩阵是 有名的病态矩阵， 它随着矩阵阶数的 增大，条件数迅速 增大。 解 “病态”方程的经验判断 “病态”问题的处理方法 * * 第三章 线性方程组的数值解法 3.1 向量与矩阵的范数 3.2 直接法 3.3 迭代法 3.4 迭代法的收敛性分析 例 分析 范数是对向量和矩阵的一种度量,实际上是二维和三维向量长度概念的一种推广 二维向量和三维向量都可以度量其大小和长度 高维向量的长度能否定义呢? 为了研究线性方程组近似解的误差估计和迭代的 收敛性，需要对n维向量空间中的向量以及矩阵引进 “大小”的概念。 对于实数和复数，由于定义了它们的绝对值或模，这样我们就可以用这个度量来表示它们的大小（几何上就是长度），进而可以考察两个实数或复数的距离。 对于 维线性空间，定义了内积以后，向量就有了长度（大小）、角度、距离等度量概念，这显然是3维现实空间中相应概念的推广。利用公理化的方法，可以进一步把向量长度的概念推广到范数。 §3.1 向量与矩阵的范数 从向量的长度或模谈起 ，当且仅当 时，等号成立。 例 1　复数 的长度或模指的是量 显然复向量 的模 具有下列三条性质： ，当且仅当 时，等号成立。 显然向量 的模 也具有下列三条性质： 例 2　 维欧氏空间中向量 的长度或模定义为 定义3.1 按某种规则(或映射) （一） 向量的范数 由(3)可推出不等式： --------(1) --------(2) --------(3) --------(4) 显然 并且由于 例3 求下列向量的各种常用范数 解 向量范数是其分量的连续函数，即有下述定理： 定理3.1（向量范数连续性定理） 证明 有限维向量空间的范数等价性定理 定理3.2 容易验证： （1） ‖x‖2≤‖x‖1≤ n1/2‖x‖2； （2）‖x‖∞≤‖x‖2≤ n1/2‖x‖∞；