ch03 线性方程组及数值解法-迭代法.pptVIP

第三章 线性方程组的数值解 ——迭代法 3.4 向量与矩阵的范数 求解线性方程组误差是不可避免的，因：Ax=b中，A、b往往是前面的计算结果 误差分析中：e=|x-x*|ε来度量真值与近似值之间的误差 ？？如何估计一个向量（方程组的解向量）、矩阵的误差？ ？？如何估计向量、矩阵的大小、“距离”？？ 向量范数 定义： Rn空间的向量 x 的范数 || · ||是一个实数，且满足 非负性： 齐次性： 三角不等式： 则称|| · ||是向量 x 的一个范数 性质： ‖x‖≠0时， ‖-x‖=‖x‖ ｜‖x‖-‖y‖｜≤‖x-y‖ 向量范数‖x‖是Rn 上向量 x 的连续函数. 常见的向量范数： 1-范数： 2-范数： ∞-范数： p-范数： 示例：求 x=(1，2，3)T 的三种范数 定理：向量x，有： 范数的等价：设‖·‖a 和‖·‖b是Rn上任意两种范数，若存在 常数 C1、C2 0， 使得 C1‖x‖a≤‖x‖b ｜≤C2‖x‖a ，则称 ‖·‖a和‖·‖b 等价。 ||x||∞≤|| x ||2 ≤ || x || 1≤n1/2 || x || 2≤n || x || ∞ 推论： Rn 上一切范数都等价 向量间的距离：||x-y||为向量x、y间的距离，故对线性方程组的近似解x*与精确解x间的误差可用两者间的差距（距离）（即范数||x-x*||）进行刻画 向量的收敛性： Rn中的向量序列{ x(k)}，即： x(0)、 x(1)、… x(k) ,……，其中x(k) =（x1(k), x2(k) x3(k) …. xn(k))T，对所有的分量xi(k)，均有： 则 定理：对任意一种向量范数‖·‖而言，向量序列｛x(k)｝收敛于向量 x*的充要条件是 由于向量的各种范数是等价的，故只要向量在一种范数下收敛，则另一种范数仍然收敛。针对不同问题可选不同范数进行讨论 矩阵范数 定义：对任意 A∈ Rn?n ， ||A|| 表示按照一定法则确定的一个实数，且满足： 非负性： 齐次性： 三角不等式： 则称||A||是矩阵A的范数 如：定义||A||= ，满足上述三个条件，故也可作为矩阵的范数 矩阵的算子范数：A∈ Rn?n,x ∈ Rn 其中， ||A||是所有非0向量x中，使得比值取得最大或最小上界。则||A||为向量范数导出的矩阵算子范数 算子范数满足相容性条件： ‖Ax‖≤‖A‖‖x‖ 等价定义： 所有非0且其范数为1的向量x的集合中， ||Ax||的最大值即为矩阵的算子范数 由向量范数 || · ||p ，诱导出关于矩阵 A ? Rn?n 的范数称为矩阵的 p- 范数 常用的矩阵算子范数 例 ：求矩阵的3种范数 矩阵的谱半径： 对于Rn×n上的矩阵A，设其特征值为λ1,λ2,… λn，称 即：特征值模的最大值 为矩阵的谱半径 性质： Rn×n上的矩阵A，则：ρ( λ) ≤||A||（||A||为任一种范数) 若矩阵 A 对某个算子范数满足 ||A|| 1，则必有: I±A可逆 1)证明： 证明：设λ是矩阵A的任一特征值，其对应的特征向量为x,则有Ax=λx，故 ||λx||=|λ|||x||=||Ax||≤||A|| ||x|| 所以 任意| λ| ≤||A|| ，故ρ( λ) ≤||A|| 2） 证 I±A 可逆，用反证法 若I±A不可逆，则|I±A|=0，故方程组（I±A)x=0有非零解向量x，即存在x≠0(向量），使得：Ax=±x成立 所以：||x||=||Ax|| ≤||A|| ||x|| ,又因为x非0向量，故||x|| ≠0 所以||A||≥1 （矛盾） 3)证明： 因：(I±A) (I±A) -1= (I±A) -1 ±A (I±A) -1=I 所以： (I±A) -1=I ±A (I±A) -1 故：|| (I±A) -1||=|| I ±A (I±A) -1||≤||I||+||A(I±A) -1|| ≤1+||A|| ||(I±A) -1|| 故： 3.6 线性方程组的数值解的误差分析 求解A x=b时, A 和 b 的误差对解 x有何影响？ 常向量b有δb的扰动，b?b+ δb? 方程的近似解为x+ δx 即： 常向量不变，而系数矩阵A有δA的扰动时: 结论： 当||A||||A-1||较小时，方程组的常向量、系数矩阵的扰动，不会引起解向量的巨大变化，此时称该方程在是良态的 反之，当||A||||A-1||较大时，b、A的微小扰动，会引起解向量的巨大变化（扩大 ||A||||A-1||倍），则该方程组是病态的，对应当系